hit-calling-gptomics-bioskills

1. 基本信息

项目	内容
名称	hit-calling-gptomics-bioskills
项目自述名称	bioSkills（合集整体名称；本技能内部标识为 `bio-crispr-screens-hit-calling`）
作者/维护者	GPTomics（GitHub Organization）
来源链接	https://github.com/GPTomics/bioSkills/tree/main/crispr-screens/hit-calling
许可证	MIT（GitHub API 确认）
GitHub Stars	1,121（合集仓库整体数字，不代表本技能自身热度）
Forks	193（合集仓库整体）
最新版本	v3.0（2026-02-14 发布 tag；仓库此后持续有提交，未再打新 tag）
安装方式	`git clone` 后运行仓库自带安装脚本，支持按类目选择安装

以上数据来自 GitHub API 与仓库文档，均已交叉验证。

2. 功能介绍与亮点

hit-calling 不绑定单一统计工具，而是提供一套跨方法的命中判定决策框架，帮助使用者在 MAGeCK RRA / MAGeCK MLE / BAGEL2 / drugZ / JACKS / Chronos / CERES 七种主流方法之间做选型与结果协调：

按实验设计选方法的决策表：双条件必需性筛选、时间序列、多细胞系癌症依赖性面板、药物筛选、多筛选联合分析、必需性分类等场景各自对应哪种方法、为什么、以及次选校验方法，逐一列出
失效边界说明：每种方法在设计域之外会出现什么失败模式（如用 RRA 处理时间序列数据会导致假阳性膨胀）
多方法结果协调逻辑：当同一批数据用两三种方法分析后结果不一致时，给出该信谁、以及是否需要要求多方法共识的判断依据
三级命中置信度分层：三方法共识为 Tier 1、双方法共识为 Tier 2、单方法探索性结果为 Tier 3，用于分级把关下游验证资源投入
保守规则：次优 sgRNA 保守规则，用于标记单条向导 RNA 驱动的假阳性命中
固定操作顺序：计数 → QC → 拷贝数校正 → 命中判定 → 验证的标准流程，以及标准化的多重检验与效应量阈值

正文含版本兼容性说明（列出各工具的最低可用版本）与一个可直接运行的多方法共识判定示例脚本（consensus_hits.py）。

3. 适用场景

所属分类：数据分析与可视化——该技能的核心产出是对 CRISPR 筛选实验统计结果的方法选型与命中判定逻辑，属于面向具体实验数据的定量分析工具，而非工作流编排或第三方系统集成。

适用人群与场景：

计划开展 CRISPR 筛选、需要根据实验设计（双条件/时间序列/多细胞系/药物剂量）在 MAGeCK、BAGEL2、drugZ、JACKS、Chronos 之间选择命中判定方法的研究人员
已用两三种工具分析同一批筛选数据、结果出现分歧，需要判断该信任哪个工具或是否要求多方法共识的场景
需要按证据强度（三方法共识 / 双方法共识 / 单方法探索性）对命中列表分层、决定哪些命中值得投入湿实验验证的筛选负责人
重跑筛选分析后命中列表不稳定，需要排查原因的场景

4. 跨 Agent 兼容性

Claude Code：原生支持——仓库提供 install-claude.sh，可全局安装或按类目（如 crispr-screens）选择性安装
Codex：原生支持——提供独立的 install-codex.sh，用法与 Claude Code 版本一致
OpenClaw：原生支持——提供 install-openclaw.sh
Hermes Agent：Hermes 官方生物信息学技能网关文档已将本技能按“CRISPR & Genome Engineering”类目具名收录进其技能索引；但网关自身的安装方式是“浅克隆 + 按需查阅”的专家参考指南形态，非原生 Hermes 技能格式，判定为需适配

5. 推荐理由

CRISPR 筛选分析最容易踩坑的地方不是跑通某个工具的命令，而是在七八种统计方法里选错了跟实验设计不匹配的那个，或者两种工具算出的命中列表对不上时不知道该信谁。hit-calling 把这层“选型 + 协调”的判断逻辑系统化整理成决策表、失效边界说明和三级置信度分层，帮助使用者在分析开始前就选对方法、在结果冲突时有据可依，而不是每种工具单独学一遍再自己拼凑判断标准。

6. 评分

维度	分数	说明
受欢迎程度	7	合集仓库整体 1,121 星，该数字属整个合集，不代表本技能自身热度；本技能自身有独立第三方渠道证据：Hermes 官方网关按“CRISPR & Genome Engineering”专属类目具名收录；本技能路径维护活跃（9 次提交，最近一次 2026-07-25，含一次“major overhaul and expansion”实质性改版）
可用性	8	文档详尽，含决策表、失效边界说明、示例 Prompt 与可运行的共识判定脚本；但完整使用需按需安装 MAGeCK（conda）、BAGEL2/JACKS/drugZ（GitHub 源码）、Chronos（pip）等多个第三方工具，部分非 PyPI 标准渠道分发，需要一定环境配置，故未达“一条命令即用”档
安全性	9	内容为参考文档与示例脚本，不自动执行任何命令；不联网外发数据；不要求 API key 或凭据；License 明确（MIT）；未发现可疑指令或混淆代码
综合	8.0	三项均值

安全检查清单： ① 技能本身不执行 shell 命令——正文给出的是供使用者按需运行的标准生信工具安装命令（conda/pip/git clone），来源均为公开官方渠道，范围明确 ② 无联网外发 ③ 不涉及 API key/凭据 ④ 未见可疑指令或 prompt injection 迹象 ⑤ 作者为具备连续维护记录的开源研究实验室，无造假迹象 ⑥ License 明确（MIT）⑦ 本技能路径最近一次提交为 2026-07-25，维护活跃

7. 跟同类 Skills 相比的优势

项目	定位	与 hit-calling 的差异
GPTomics/bioSkills 同仓库 `mageck-analysis`	深耕单一工具 MAGeCK 的 RRA/MLE 双模型使用细节（计数、归一化、故障排查）	只覆盖 MAGeCK 一种工具内部的选型，不涉及 MAGeCK 该不该用、与其他工具结果冲突时怎么办
GPTomics/bioSkills 同仓库 `jacks-analysis`	JACKS 贝叶斯联合估计向导效力与基因效应，专攻多筛选联合分析场景	同样是单一工具的深度指南，缺少跨工具选型决策表与结果协调逻辑
GPTomics/bioSkills 同仓库 `screen-qc`	六阶段筛选质量控制（质粒、感染、选择、终点、生物学、拷贝数伪影）	解决“这批数据能不能用”的前置问题，不涉及命中判定阶段的方法选择

hit-calling 的差异化在于它不是任何单一工具的使用手册，而是站在七种主流方法之上的选型与协调层——回答“这个设计该用哪个工具”“两个工具结果不一致该信谁”“这条命中的证据强度够不够做验证”这三类跨工具问题，而同仓库其余命中判定相关技能各自只深耕一种工具内部的操作细节。

8. 用户评价

该技能目前在第三方平台尚无具名用户评价。所属仓库已被 GoekeLab/awesome-genomic-skills（第三方维护的基因组学 agent 技能精选列表）收录，该列表将 CRISPR 筛选分析列为 bioSkills 覆盖的技术领域之一。

9. 其他补充

仓库同时提供多语言 agent 支持（涵盖 Claude Code、Codex、Antigravity CLI、OpenCode、OpenClaw 等安装路径）。技能正文标注了各依赖工具的最低可用版本，并给出版本不匹配时的排查建议（检查已安装版本、按实际 API 调整示例代码）。

10. 安装使用方式

git clone git@github.com:GPTomics/bioSkills.git
cd bioSkills
./install-claude.sh --categories "crispr-screens"   # 仅安装 CRISPR 筛选分析相关技能
# 或安装全部技能：
./install-claude.sh

安装后无需重启，Claude Code 会在下次读取 skills 目录时自动识别；技能通过对话中提及“CRISPR 筛选命中判定”“该用 MAGeCK 还是 BAGEL2”“多工具结果不一致”等意图触发。Codex 使用 ./install-codex.sh，OpenClaw 使用 ./install-openclaw.sh，用法一致。

11. 注意事项

技能本身只提供选型逻辑与命令模板，实际运行仍需使用者自行安装 MAGeCK（conda 渠道）、BAGEL2/JACKS/drugZ（需从 GitHub 源码安装，PyPI 上同名包均为无关项目）、Chronos（pip）等第三方工具
决策表以实验设计类型为分支起点，跨设计套用建议会失效，正文已标注但仍需使用者主动核对自己的实验属于哪一类设计
三级命中置信度分层依赖使用者实际跑多个工具做交叉验证，仅用单一工具无法获得 Tier 1/2 级别的置信度