1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | deepvariant-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 组织，专注生物信息学 agent skills 的社区团队） |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/variant-calling/deepvariant |
| 许可证 | MIT（GitHub API 确认，仓库根 LICENSE 文件） |
| GitHub Stars | 1,126（GitHub API；数字属整个 bioSkills 合集，不代表本技能自身热度） |
| Forks | 193（同上，合集整体） |
| 最新版本 | 仓库无该子目录专属版本标签；该路径最近一次提交为 2026-07-05 |
| 安装方式 | 见第 10 章 |
2. 功能介绍与亮点
deepvariant 教 agent 正确使用 Google DeepVariant——一个把变异检测重新表述为“读段堆叠图像分类”问题的深度学习变异检测器：
- 讲透 DeepVariant 与传统统计模型的根本差异：不再依赖手调的统计过滤规则，而是把每个候选位点的读段堆叠渲染成多通道图像，交给训练好的 CNN 直接分类基因型；由此推出两条容易被忽视但会直接致错的操作准则——不能在输出上再套用 GATK 式硬过滤/VQSR（CNN 已完成过滤，QD/FS/MQ 等注释根本不存在），也不该在上游跑 BQSR（模型是从原始碱基质量学出的错误模型，BQSR 反而轻微拉低准确率）。
- 平台专属模型选型表：WGS/WES/PACBIO/ONT_R104/HYBRID_PACBIO_ILLUMINA 五种
--model_type，并明确警告选错模型不会报错、只会静默降低准确率。 - DeepTrio 家系分析：同时对先证者与双亲建模，直接学习孟德尔遗传上下文，比“先分别检测再做差集”的传统 de novo 检测法假阳性率低得多。
- 联合分型路径：DeepVariant 的 gVCF 必须用 GLnexus（而非 GATK GenotypeGVCFs）联合分型，正文给出三种 GLnexus 预设配置的适用场景对比。
- 可复现的引擎选型依据：附 GATK/Strelka2/Clair3 的 SNP/Indel F1、速度对照表，并给出 GIAB 基准“训练测试同源”的过拟合风险警示（推荐用留出样本或非 GIAB 数据验证再上临床）——这是同类文档里少见的方法论谨慎性。
- 全文引用 6 篇正式学术文献（含 Nature Biotechnology 原始论文、Bioinformatics 队列基准、Nature Methods 长读长论文），并附资源需求表与“症状-原因-修复”结构的常见错误对照表。
3. 适用场景
所属分类：数据分析与可视化（技能产出是把比对后的 BAM/CRAM 文件转化为结构化的 VCF/gVCF 变异数据，属对基因组数据做结构化分析的范畴）。
适用人群：已获得比对后的 BAM/CRAM 文件、需要在 Illumina WGS/WES、PacBio HiFi 或 Oxford Nanopore 平台之间选对模型并跑通深度学习变异检测流程的生信分析师，以及需要做家系/de novo 变异分析或大队列联合分型的基因组学研究人员。
4. 跨 Agent 兼容性
| Agent 生态 | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 仓库提供 install-claude.sh，支持全局/按项目/按类别安装 |
| Codex | 原生支持 | 仓库提供 install-codex.sh，用法与 Claude Code 版本一致 |
| OpenClaw | 原生支持 | 仓库提供专用 install-openclaw.sh |
| Hermes Agent | 原生支持 | Hermes 官方生物信息学技能网关文档将 bioSkills 列为其两个开源技能库之一，直接指向 GPTomics/bioSkills 仓库，且网关文档的技能清单中逐字列出 deepvariant 这一子目录；用户经 hermes skills install official/research/bioinformatics 安装该网关后可直接取用本技能 |
5. 推荐理由
DeepVariant 是 Google 发布、发表于 Nature Biotechnology 的深度学习变异检测器，在 indel 与困难区域（同聚物、串联重复、低复杂度区）上的准确率是公认的开源标杆，但它的操作规则与传统统计模型（GATK）几乎相反——套用 GATK 式后处理反而会删掉真阳性。这个技能把“为什么不能这么用”讲清楚，配上平台专属模型选型表、DeepTrio 家系分析、GLnexus 联合分型路径，以及对 GIAB 基准过拟合风险的方法论提醒，帮助使用者不只是跑通一次命令，而是在真实的多平台、多样本场景下做出正确的工程与统计决策。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | GPTomics 是小型专业社区团队，非广为人知的一线厂商；本技能路径在 LobeHub、mdskill.dev 两个第三方技能市场均有独立收录页，且被 Hermes Agent 官方生物信息学网关按名收录并直链源仓库，构成子技能自身可查证的独立第三方证据 |
| 可用性 | 8 | 文档详实（机制原理 + 模型选型表 + DeepTrio/GLnexus 工作流 + 引擎对比 + 常见错误表 + 6 篇学术引用），该路径近期仍有独立提交（最近一次 2026-07-05，约一个月前），但需预先安装 Docker/Singularity 并拉取 DeepVariant 容器镜像才能实际跑通，非开箱即用 |
| 安全性 | 9 | 全文仅为本地 Docker/CLI 代码模式，未见任何联网外发、API Key 索取或可疑指令，MIT 许可证明确 |
安全检查清单：
① shell 命令执行：技能本身不含自动执行脚本，所有 Docker/CLI 代码模式（run_deepvariant、三段式流水线、GLnexus 合并）均需用户/agent 在自己环境中手动运行，且只操作本地 BAM/参考基因组/容器镜像
② 联网外发数据：正文未见任何网络请求代码，唯一的网络行为是用户主动执行的 docker pull 拉取官方镜像
③ API key/凭据：不需要
④ 可疑指令：通读全文未发现 prompt injection 或其他可疑指令
⑤ 作者/组织信誉：GPTomics 为 GitHub 组织，长期主导仓库维护，无刷星或造假迹象
⑥ License：MIT，明确
⑦ 最近维护时间：该技能路径最近提交 2026-07-05；仓库整体最近 push 于 2026-07-25，在近 3 个月维护窗口内
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
同合集 gatk-variant-calling（bioSkills） |
GATK HaplotypeCaller 局部重装配 + PairHMM 统计似然路线 | 本技能正文的 Related Skills 区块与该技能互相引用，明确定位为统计似然路线与深度学习路线的互补选项而非替代——前者参数全程可审计、适合已验证的临床流水线，后者在 indel 与困难区域及跨平台泛化上更强 |
同合集 variant-calling（bcftools 版，bioSkills） |
bcftools mpileup 位点独立轻量调用 | 本技能正文将其列入引擎选型表中“速度快但准确率较低”的一端；bcftools 版不含 CNN 图像分类机制、模型选型表或 GIAB 过拟合警示这类深度专项知识 |
genomic-variant-interpretation（awslabs/hcls-agent-skills） |
AWS Labs 官方出品，ACMG/AMP 种系与 AMP/ASCO/CAP 体细胞变异临床分类的纯推理框架 | 处理的是变异检测完成之后的下一步——对已有变异注释数据给出临床致病性分类；本技能专注更上游的变异检测本身（从 BAM/CRAM 文件调用 SNP/indel），两者是同一流水线上前后相接、职责不重叠的两个环节 |
ngs-analysis（openai/plugins） |
OpenAI 官方出品，本地测序文件（FASTQ/BAM/VCF）类型探测与流程路由 | 面向整条 NGS 流程的广度路由，不含 CNN 图像分类原理、平台专属模型选型或 DeepTrio 家系分析这类深度专项知识；本技能是单一环节的深度专家 |
8. 用户评价
该技能在 LobeHub、mdskill.dev 两个第三方技能市场均已有独立收录页，但截至目前评论区与评分区均无内容，尚无具名用户评价。
9. 其他补充
所属仓库 bioSkills 根目录下共含 65 个功能类目目录（GitHub API 实测核实），variant-calling 类目下共 13 个子技能，与本技能相邻的还有 gatk-variant-calling、structural-variant-calling、joint-calling、variant-normalization、vcf-statistics 等，彼此通过 SKILL.md 内的 “Related Skills” 区块互相引用，显示该合集在变异处理方向有统一架构设计而非零散堆砌。
10. 安装使用方式
- Claude Code（推荐）：
git clone https://github.com/GPTomics/bioSkills.git && cd bioSkills && ./install-claude.sh --categories "variant-calling"按类别安装，或不带参数全量安装；也可手动把variant-calling/deepvariant/目录复制到.claude/skills/ - Codex：同一仓库下运行
./install-codex.sh - OpenClaw：运行专用的
./install-openclaw.sh - Hermes Agent：运行
hermes skills install official/research/bioinformatics安装官方生物信息学网关后即可取用 - 第三方市场：
npx mdskill add GPTomics/bioSkills/bio-variant-calling-deepvariant - 安装后注意事项：技能本身零额外安装，但运行其推荐代码需预先装好 Docker 或 Singularity 并拉取
google/deepvariant官方镜像（GPU 加速需另装 nvidia-container-toolkit）；无需重启 agent；对话中出现“DeepVariant”“深度学习变异检测”“DeepTrio”等关键词或直接引用技能名即可触发
11. 注意事项
- 技能提供的是模型选型与工作流决策方法，不代替用户预先安装 Docker/Singularity 及拉取官方容器镜像
- 文档明确警示：DeepVariant 输出已由 CNN 完成过滤，在其上叠加 GATK 硬过滤或 VQSR 会删除真阳性而非假阳性
- 上游不应跑 BQSR——模型是从原始碱基质量学出的错误模型，预先校正反而轻微拉低准确率
- 全基因组模式对内存要求较高（约 64GB），GPU 仅加速
call_variants阶段，CPU 密集的make_examples/postprocess_variants阶段仍需靠--num_shards并行 - 文档提醒 DeepVariant 训练与常规基准测试均使用 GIAB 样本，存在“同源过拟合”风险，临床部署前应参考留出样本或非 GIAB 数据的评测结果
- 合集仓库整体 1,126 stars 与 193 forks 覆盖数百个子技能，不代表本技能个体的采用热度