1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | genome-tracks-gptomics-bioskills |
| 项目自述名称 | Genome Browser Tracks（SKILL.md 内部标题） |
| 作者/维护者 | GPTomics Organization |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/data-visualization/genome-tracks |
| 许可证 | MIT（数据来源：GitHub API，仓库级） |
| GitHub Stars / Forks | 所属合集仓库 bioSkills 整体 1,131 / 193（数据来源：GitHub API；⚠️ 为整个合集的数字，不代表本技能自身热度） |
| 最新版本 | 本子技能内容最近一次提交于 2026-05-24（数据来源：GitHub API commits，按该子目录路径查询） |
| 安装方式 | 复制 data-visualization/genome-tracks/ 整个目录（含 SKILL.md、examples/、usage-guide.md）到 agent 的 skills 目录 |
2. 功能介绍与亮点
- 面向 ChIP-seq、ATAC-seq、RNA-seq、Hi-C 等多种测序实验，构建基因组浏览器风格的多轨道叠加图（覆盖度轨道、峰值/BED 轨道、基因模型轨道、Hi-C 接触矩阵轨道、BedPE 环状连接），支持 pyGenomeTracks（配置文件驱动，可复现）、Gviz（R/Bioconductor）、IGV 批处理截图三条技术路线，并给出各自适用场景的选型建议
- 核心亮点是明确指出 deepTools
bamCoverage --normalizeUsing的四个选项（RPKM/CPM/BPM/RPGC）均无法实现 ChIP-Rx 内参标准化——四者都按样本内部读长数归一化，会抵消外部计算好的内参标准化因子；正确做法是外部计算 scale factor 后配合--normalizeUsing None传入--scaleFactor，这是该领域最常见的隐蔽性错误（图看起来正常，跨样本比较结果却是错的） - 提供 7 类具体失败模式对照表（内参标准化被抵消、跨样本 y 轴不统一、基因模型样式选错导致转录本重叠成森林、
--width单位误用为英寸而非厘米、轨道渲染顺序方向混淆、Hi-C 矩阵 depth 过小导致三角形坍缩、IGV 批处理静默失败），逐条给出触发条件、机制、症状与修复方法 - 附带定量阈值表（
--width默认 40cm、Nature 双栏 18.3cm、Hi-C depth 应 ≥ 区域宽度一半、hg38 有效基因组大小等）与完整参考文献列表（Lopez-Delisle 2021、Hahne-Ivanek 2016、Orlando 2014、Ramírez 2016、Robinson 2011） - 附带
usage-guide.md（含可直接对 agent 说的自然语言提示示例）与可运行的examples/tracks.ini配置文件模板
3. 适用场景
所属分类：数据分析与可视化
面向需要在论文或报告中呈现基因组某一位点多轨道叠加图的生物信息学研究者与数据分析师——典型场景包括 ChIP-seq/ATAC-seq 信号轨道叠加基因模型、多样本内参标准化后的信号对比图、Hi-C 接触矩阵配合环状连接注释、以及需要批量截图多个候选位点的场景。这类图是分子生物学论文中最常见的图表类型之一，但 pyGenomeTracks 的配置项繁多、Gviz 与 IGV 的操作方式又各自不同，初中级用户往往需要反复查阅文档才能拼出一张轨道对齐、比例正确的图。Claude Code / Codex 等 agent 可结合该技能直接描述需求（如“画一个位点的 H3K27ac 覆盖度轨道、峰值轨道和基因模型，Nature 双栏尺寸导出”），产出可复现的配置文件或代码，并规避内参标准化这类隐蔽性错误。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——标准 SKILL.md（YAML front matter + 指令正文），可直接复制进技能目录使用
- Codex：✅ 遵循同一 Agent Skills 规范格式，可安装使用
- OpenClaw：✅ 同上，格式通用
- Hermes Agent：✅ 已获官方确认——Hermes Agent 生物信息学技能网关文档（
docs/user-guide/skills/optional/research/research-bioinformatics）的「Data Visualization & Reporting」类目按目录名精确列出genome-tracks
5. 推荐理由
基因组位点多轨道图是分子生物学论文中最常见也最容易出错的图表之一：三条可选技术路线（pyGenomeTracks/Gviz/IGV）各有取舍，而其中最隐蔽的错误——deepTools 内参标准化被 --normalizeUsing 悄悄抵消——图面上完全看不出异常，只有跨样本比较结果是错的。该技能把三条路线的选型建议、可直接套用的配置模板，与这类隐蔽性错误的触发条件和修复方法系统化整理在一起，帮助 agent 一次产出轨道对齐、比例正确、内参标准化无误的可复现图表代码。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 所属合集仓库 GPTomics/bioSkills 整体 1,131 stars，该数字属整个合集，不代表本技能自身热度；本技能在 Hermes Agent 官方生物信息学技能网关的 Data Visualization & Reporting 类目中被按目录名精确收录 |
| 可用性 | 9 | SKILL.md + 独立 usage-guide.md + 可直接使用的示例配置文件 tracks.ini；依赖均为一条安装命令即可装好的开源包（pyGenomeTracks/Gviz/deepTools/IGV），无付费依赖；仓库最近一次推送为 2026-07-25，本技能所在路径最近一次提交为 2026-05-24 |
| 安全性 | 9 | 纯提示词模板 + 本地绘图配置/代码，无内嵌 shell 命令执行、无运行时联网外发、无需 API key 或凭据；MIT 许可证明确；通读全文与示例配置未见混淆逻辑或可疑指令 |
安全检查清单：①无 shell 命令执行，示例仅为 pyGenomeTracks 配置文件与 R/Python 绘图代码 ②运行时不联网 ③无需任何凭据 ④SKILL.md 与示例配置均为公开的基因组可视化配置与代码，未见可疑指令 ⑤GPTomics 为持续维护该开源生物信息学技能合集的组织账号，公开仓库活动未见刷星或误导性描述等造假迹象 ⑥MIT 许可证清晰 ⑦本技能所在路径最近一次提交为 2026-05-24
7. 跟同类 Skills 相比的优势
| 维度 | genome-tracks（本技能） | chipseq-visualization（同合集 ChIP-seq 专精方案） | 通用绘图技能（如 ggplot2-fundamentals） |
|---|---|---|---|
| 定位 | 通用基因组位点多轨道图构建器，适配任意测序类型（ChIP-seq/ATAC-seq/RNA-seq/Hi-C） | 专精 ChIP-seq 信号可视化（热图/Profile 矩阵/bamCompare 差异对比），聚焦单一实验类型的深度分析 | 通用统计图表语法，不含基因组坐标轴、轨道对齐等专门渲染逻辑 |
| 核心陷阱覆盖 | ChIP-Rx 内参标准化被 --normalizeUsing 抵消、Hi-C depth 过小、基因模型样式误用 |
k-means 聚类分组、SES 缩放、bamCompare log2 比值计算 | 图形语法层面的破坏性变更（如 aes_string 弃用） |
| 典型输出 | 多轨道叠加的位点级发表图 | 多样本信号热图与 Profile 曲线图 | 通用统计图（箱线图、散点图、分面图等） |
三者定位互补而非替代：需要“某个位点的多轨道对齐图”选本技能；需要“跨样本 ChIP-seq 信号强度的热图/曲线对比”选 chipseq-visualization；需要通用统计图表语法则回落到 ggplot2-fundamentals 一类基础技能。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；所属仓库当前公开 Issue 数为 0，未见针对本子技能的具名反馈。
9. 其他补充
SKILL.md 的「Related Skills」交叉引用同合集内的 alignment-files/bam-statistics（生成轨道前的 BAM 层 QC）、chip-seq/peak-calling（峰值文件来源）、chip-seq/chipseq-visualization（ChIP-seq 专精可视化）、hi-c-analysis/hic-visualization（Hi-C 专精接触图）、alternative-splicing/sashimi-plots（剪接位点轨道）、data-visualization/multipanel-figures（与其他图表类型拼图组合）与 genome-intervals/bigwig-tracks（BigWig 文件处理），可见本技能在合集内承担“通用位点级轨道图”的基础角色，多个更专精的可视化技能与其配合使用。
10. 安装使用方式
- 从 GitHub 下载或克隆仓库子目录：
data-visualization/genome-tracks/ - 复制整个目录（含
SKILL.md、examples/、usage-guide.md）到所用 agent 的 skills 目录（如 Claude Code 的~/.claude/skills/或项目内.claude/skills/） - 按需安装依赖：Python 侧
pip install pyGenomeTracks deepTools；R 侧BiocManager::install(c('Gviz', 'GenomicRanges', 'TxDb.Hsapiens.UCSC.hg38.knownGene'))；IGV 批处理需另行安装 IGV 桌面版 - 无需重启 agent，安装后下次对话即可通过自然语言描述需求触发（如“用 pyGenomeTracks 画一个位点的 H3K27ac 覆盖度轨道、峰值轨道和基因模型，Nature 双栏尺寸导出”）
11. 注意事项
- ChIP-Rx 内参标准化必须外部计算 scale factor 并配合
--normalizeUsing None使用，不可与 CPM/RPGC 等选项混用，否则标准化会被静默抵消 - pyGenomeTracks 的
--width参数单位为厘米而非英寸，直接套用小数字会导致图幅过小 - IGV 批处理模式对脚本错误不会中止执行，需自行核对每个截图是否按预期生成
- 仓库为社区维护的生物信息学技能合集，非任何厂商官方出品，选用前建议自行核对示例代码与当前环境中的库版本是否匹配