1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | multi-omics-integration-awslabs-hcls-agent-skills |
| 项目自述名称 | Multi-Omics Integration（仓库内技能目录名，非独立项目名） |
| 作者/维护者 | AWS Labs（awslabs 官方 GitHub 组织） |
| 来源链接 | https://github.com/awslabs/hcls-agent-skills/tree/main/skills/multi-omics-integration |
| 许可证 | MIT-0（来自 GitHub API，仓库根 LICENSE 文件） |
| GitHub Stars / Forks | 13 / 4（来自 GitHub API；这是仓库 awslabs/hcls-agent-skills 整体的数字，代表整个 40 技能合集的热度，不专属于本技能） |
| 最新版本 | SKILL.md 声明 version: 1.0.0 |
| 安装方式 | npx skills add awslabs/hcls-agent-skills -a claude-code，或直接复制 skills/multi-omics-integration/SKILL.md |
2. 功能介绍与亮点
这是一个纯推理型（reasoning）技能：不生成或执行任何代码，只提供一套结构化决策框架，指导 agent 在动手做多组学数据整合（转录组、蛋白组、甲基化、代谢组等）之前，先选对方法。核心内容包括：
- 整合策略决策树：按样本量与组间样本重叠率，在 Early / Intermediate / Late 三种整合策略间做选择，附速查对比表（最小样本量、是否容忍缺失层、可解释性、过拟合风险等维度）。
- 逐策略操作指南：每种策略下的归一化方法（如转录组用 log2(CPM+1)、甲基化必须用 M-value 而非 raw beta 值）、特征选择顺序、常见坑点。
- 批次校正与富集方法选择：ComBat/ComBat-seq 使用规范、MOFA+/iCluster/SNF 等方法的适用边界、多组学富集数据库选型表。
- 20 条 “Wrong / Right / Why” 反模式条目：逐条给出错误做法、正确做法与背后原因，覆盖从归一化顺序到跨物种基因映射等常见误区。
- 附完整术语表与一份“每次多组学整合分析必须报告的 8 项内容”检查清单，以及“何时应升级给人类专家”的边界说明。
亮点：出自 AWS 官方医疗与生命科学（HCLS）技能合集，内容经过明确的方法论分层（本技能只管“选策略”，代码生成留给同仓库的姊妹技能），文档详尽、无外部依赖、纯 Markdown 无可执行代码。
3. 适用场景
固定分类：数据分析与可视化。
面向计算生物学家、生物信息学工程师、转化医学研究者：当研究项目需要整合两种及以上组学数据（如 RNA-seq + 蛋白质谱、甲基化 + 代谢组）时，用它决定该用早期拼接、中期因子分解（MOFA+/iCluster）还是晚期融合，以及配套的批次校正与富集分析方法，避免在方法选择阶段就埋下统计错误。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持。仓库 README 给出专用安装命令
npx skills add awslabs/hcls-agent-skills -a claude-code（symlink 安装，仓库更新会自动同步），并说明 Claude Code 会自动从.claude/skills/发现技能。 - Codex：✅ 支持。README 列出 Codex 为兼容平台之一，并提供来自
vercel-labs/skills的通用安装 CLI（npx skills add .），同一命令覆盖 GitHub Copilot、Cursor、Gemini CLI 等 50+ 平台。 - OpenClaw：❓ 未验证——README 未提及。
- Hermes Agent：❓ 未验证——README 未提及。
5. 推荐理由
多组学整合是生物信息学里公认容易踩坑的环节：样本量不够却硬上 MOFA+、忘记按层独立归一化、用 Bonferroni 校正相关性很强的基因集……这些错误往往不是代码写错，而是方法选错。这个技能把“先想清楚策略、再动手写代码”这件事结构化成决策树与检查清单，出自 AWS 官方团队之手，内容聚焦、无任何执行风险，适合在写分析代码之前先让 agent 过一遍。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | AWS 官方（一线云厂商）出品；仓库本身较年轻（13 星/4 forks），尚未见到独立于官方身份之外的第三方评价或采用数据 |
| 可用性 | 8 | 纯 Markdown 指导文本，无需任何配置或依赖，复制或一条官方命令即可安装；文档结构完整（决策树+速查表+20条反模式+术语表+报告清单）；该子技能自 2026-06-09 随仓库首次批量发布后未见针对它自身的后续修订提交 |
| 安全性 | 9 | 纯提示词/文档技能，不含任何可执行脚本；安全检查清单逐项见下 |
安全检查清单： ① 无 shell 命令，全文档不含可执行脚本 ② 不发起任何网络请求 ③ 不要求任何 API key 或凭据 ④ 未发现可疑指令或提示注入迹象 ⑤ 作者为 AWS 官方账号，仓库有正式贡献指南 ⑥ License 为 MIT-0，明确无歧义 ⑦ 仓库整体持续维护（最近推送 2026-07-22），该子技能内容随一次批量发布进入仓库后未见专属后续提交
综合评分：8.0
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的关系 |
|---|---|---|
| multi-omics-pipeline（同仓库姊妹技能） | pipeline 型，产出可执行代码：ID 映射、ComBat 批次校正、MOFA2/GSEA 富集 | 互补而非竞争——README 把两者并列在同一个“Multi-Omics Integration”分组下：本技能负责“选对策略”，它负责“把策略变成代码” |
| multimodal-integration（GPTomics/bioSkills） | 面向单细胞多组学（CITE-seq、10x Multiome 等）整合方法选择 | 同为多组学整合方法论技能，但应用场景不同：单细胞实验的锚点结构判断（配对/无配对/马赛克）与本技能面向的 bulk（非单细胞）多组学整合决策树是两套不同的方法体系 |
差异化核心：多数同类技能要么直接生成整合代码、要么局限在单细胞场景，本技能专注在“策略选择”这一常被跳过却最容易出错的环节，且明确声明适用边界（如“仅一种组学数据可用时不要用本技能”）。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
所属仓库 awslabs/hcls-agent-skills 遵循开放的 Agent Skills 标准（agentskills.io），共含 40 个 HCLS 领域技能；仓库随附一份 410 道提示词的成对评测（由 Claude Opus 4.7 评判），覆盖全部技能整体，报告总体胜率 70%–86%——这是仓库整体的评测结果，不是针对本技能单独测得的数字。
10. 安装使用方式
- Claude Code：
npx skills add awslabs/hcls-agent-skills -a claude-code（symlink 方式安装到项目内，仓库更新会自动同步；也可指定只装本技能对应目录） - 通用 CLI（Codex / Cursor / GitHub Copilot / Gemini CLI 等 50+ 平台）：
npx skills add .（来自 vercel-labs/skills 的通用安装器） - 本地/手动：
git clone https://github.com/awslabs/hcls-agent-skills.git，直接复制skills/multi-omics-integration/SKILL.md到目标 agent 的技能目录 - 安装后无需重启、无需额外配置，agent 会在检测到“多组学整合”“MOFA+”“iCluster”等触发词时自动加载
11. 注意事项
- 官方声明该仓库“仅用于演示目的，不能替代专业医疗建议”；若用于处理受保护健康信息（PHI），需先签署 AWS Business Associate Addendum（BAA）
- 本技能自身自 2026-06-09 随仓库首次批量发布以来未见专属的后续修订提交，最新分析方法（如新版 MOFA 系列工具）是否已覆盖需自行核实
- 仓库整体 star 数较低（13），受欢迎程度评分主要依据 AWS 官方身份，而非实测的社区采用规模