1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | bio-research-anthropics-knowledge-work-plugins |
| 项目自述名称 | Bio-Research Plugin |
| 作者/维护者 | Anthropic |
| 来源链接 | https://github.com/anthropics/knowledge-work-plugins/tree/main/bio-research |
| 许可证 | Apache-2.0（GitHub API 获取） |
| GitHub Stars/Forks | 合集仓库整体 23,425★ / 2,823 forks（GitHub API 获取）；该数字属整个 knowledge-work-plugins 合集，不代表本技能自身热度 |
| 最新版本 | 1.2.0（plugin.json） |
| 安装方式 | Claude Code 插件市场（claude plugin install） |
2. 功能介绍与亮点
Bio-Research 是 Anthropic 面向早期生命科学研发（preclinical R&D）场景发布的技能包，包含 5 个可独立触发的分析技能：
- single-cell-rna-qc：对单细胞 RNA-seq 数据（
.h5ad/.h5）按 scverse 社区最佳实践做质量控制，基于 MAD（中位数绝对偏差）自动过滤低质量细胞并生成可视化报告。 - scvi-tools：调用 scvi-tools 深度学习框架完成单细胞数据整合与批次校正（scVI/scANVI）、ATAC-seq 分析（PeakVI）、CITE-seq 多模态分析（totalVI）、空间转录组反卷积（DestVI）等 8 类任务。
- nextflow-development：面向没有专职生物信息背景的实验室科学家，运行 nf-core 标准化流程（rnaseq / sarek / atacseq），覆盖差异表达、变异检测、染色质可及性分析，支持本地 FASTQ 或 GEO/SRA 公开数据集，流程内置环境自检与关键节点用户确认。
- instrument-data-to-allotrope：把实验室仪器输出文件（PDF/CSV/Excel/TXT）转换为 Allotrope Simple Model（ASM）JSON 或扁平化 CSV，用于对接 LIMS 系统或数据湖。
- scientific-problem-selection：面向科研选题、项目卡壳排查、研究策略决策的结构化引导框架。
这 5 个技能均在本地数据上独立运行，不依赖任何付费第三方平台。技能包另附 11 个可选 MCP 连接器（PubMed、bioRxiv、Consensus、ChEMBL、OpenTargets 等公开或学术数据库），用于扩展文献检索与靶点数据查询，但均为可选项，不影响 5 项核心技能的开箱可用性。
3. 适用场景
所属分类：数据分析与可视化
适用于早期生命科学研发团队：湿实验室科学家需要标准化仪器数据、计算生物学家需要跑单细胞质控与深度学习分析、无专职生信背景的研究者需要一键运行 nf-core 测序流程，以及科研人员在选题与项目决策阶段需要结构化思考框架。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——官方仓库明确注明“可直接安装进 Claude Code”，通过标准插件市场机制（
claude plugin marketplace add+claude plugin install）安装，SKILL.md 自动生效。 - Codex：⚠️ 需适配——SKILL.md 正文遵循通用 Agent Skills 规范，指令内容可迁移，但配套的插件市场安装机制与 MCP 连接器配置为 Claude Code 专属，需手动搬运。
- OpenClaw：❓ 未验证——已抓取材料未涉及该平台，未做兼容性判断。
- Hermes Agent：❓ 未验证——同上。
5. 推荐理由
五个技能各自独立、边界清晰，且都能在本地数据上直接跑通，不像很多企业插件那样卡在“要先开通某个付费平台账号”这一步。文档对目标用户的说明也做得具体（如 nextflow-development 明确写“面向没有专职生信训练的实验室科学家”），关键操作节点会停下来跟用户确认，而不是一路自动跑到底。对于用 Claude Code 做科研辅助、但团队里没有专职生信工程师的实验室，这是一套能直接落地的分析工具箱。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | Anthropic 官方出品（所属合集仓库的开发方与发布方即 Anthropic 自身）；该子技能自身暂未见独立于合集的第三方媒体报道或量化采用数据 |
| 可用性 | 8 | 5 项核心技能均在本地数据上独立运行、无需外部付费账号；文档完整、含目标用户与触发场景说明；bio-research 子目录内容最近一次更新为 2026-05-19 |
| 安全性 | 8 | 见下方检查清单 |
安全检查清单：
| 项目 | 结果 |
|---|---|
| ① Shell 命令执行范围 | nextflow-development 会执行本地脚本（环境检测、数据下载、启动 Docker/Nextflow 流程），范围明确、步骤透明，关键节点（选择流程、确认基因组）要求用户确认后才继续 |
| ② 运行时联网外发 | 可选 MCP 连接器指向 11 个具名机构/厂商端点（PubMed、bioRxiv、ChEMBL、OpenTargets 等），核心 5 项分析技能默认不依赖这些连接器 |
| ③ API Key/凭据 | 5 项核心技能不需要凭据；启用可选连接器时按各自机构标准鉴权流程处理，未见异常存储方式 |
| ④ 可疑指令迹象 | 未发现 prompt injection 或混淆代码迹象 |
| ⑤ 作者信誉 | Anthropic 官方仓库直接发布，无造假迹象 |
| ⑥ License | Apache-2.0，明确 |
| ⑦ 最近维护 | 子目录最近提交 2026-05-19；所属仓库整体持续活跃维护 |
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的差异 |
|---|---|---|
| ngs-analysis-openai-plugins | OpenAI 官方出品，先探测本地测序文件类型再路由到对应处理流程 | 聚焦二代测序文件（FASTQ/BAM/VCF）的自动路由与标准化质控，不含单细胞多模态分析或实验室仪器数据转换 |
| life-science-research-openai-plugins | OpenAI 官方出品，一站接入 50 个权威生命科学数据库并自动路由查询 | 定位是跨数据库检索与综合问答，不含本地测序流程执行或单细胞深度学习分析能力 |
| multimodal-integration-gptomics-bioskills | 面向 CITE-seq/10x Multiome 等单细胞多模态数据的整合方法选择与模态支配排查 | 聚焦单一细分问题（多模态整合前的方法判断），不覆盖质控、流程执行、仪器数据转换等其余环节 |
Bio-Research 的差异化在于把“仪器数据转换 → 质控 → 深度学习分析 → 流程执行 → 选题决策”整条链路打包进同一个技能包，且核心分析能力不依赖外部数据库连接即可独立工作。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；可查到的仅为插件目录站（如 claudepluginhub.com、pluginsforcowork.com）的功能收录条目，未附具体使用反馈。
9. 安装使用方式
Claude Code：
claude plugin marketplace add anthropics/knowledge-work-plugins
claude plugin install bio-research@knowledge-work-plugins安装后技能会在对话中按描述自动触发（例如提到“单细胞质控”“跑 nf-core 流程”“转换仪器数据”时），无需额外命令。若需启用文献/数据库检索能力，可按 CONNECTORS.md 中的说明单独连接所需的 MCP 连接器。
10. 注意事项
- nextflow-development 依赖本地 Docker、Nextflow（≥23.04）与 Java（≥11）环境，技能内置环境自检，缺失时会给出安装指引。
- scvi-tools 等深度学习分析技能对计算资源有一定要求，大规模数据集建议在具备 GPU 的环境运行。
- 11 个可选 MCP 连接器中，10X Genomics txg-mcp 与 ToolUniverse 需要额外下载独立二进制文件才能使用。
- 该技能包不提供投资、法律或临床决策建议，产出应由具备资质的科研人员复核后使用。