CommunityBildgithub.com

biopathway-mechanism-diagram

Erstellen oder bearbeiten Sie publikationsreife biologische Mechanismus-/Signalwegdiagramme aus Forschungsmaterialien (PDF/Text) als herausforderbare Mechanismus-Aussage – Drei-Schichten-Modell (typisierte Entitäten, typisierte gerichtete Kanten mit wörtlichem Beleg, Kompartment-Layout), semantikkorrektes SVG, PNG/PDF-Exporte und ein nachvollziehbares, unsicherheitsbewusstes result.json.

Was ist biopathway-mechanism-diagram?

Dieses Skill ermöglicht es AI-Agenten (wie Claude Code, Codex), aus wissenschaftlichen Texten und PDFs hochwertige, publikationsreife biologische Signalweg- und Mechanismus-Diagramme zu erstellen oder zu bearbeiten. Es folgt einem strikten „Drei-Schichten“-Modell: Jede Entität (Gen, Protein, Komplex etc.) und jede Kante (Aktivierung, Inhibition, Bindung, Modifikation) wird mit einem wörtlichen Zitat und einer genauen Fundstelle im Quellmaterial belegt. Die Richtung von Kanten darf niemals erraten werden; fehlt ein Richtungshinweis, wird die Kante als ungerichtet dargestellt und eine Unsicherheit vermerkt. Das Skill erzeugt deterministische, editierbare SVGs mit semantisch korrekten Symbolen (Pfeilspitzen für Aktivierung, Balken für Inhibition, Punkte für Bindung, etc.) sowie PNG/PDF-Exporte und eine vollständige, vertragskonforme result.json, die alle Ausgabefelder (auch nicht produzierte mit Begründung) enthält. Es ist ideal für Aufgaben wie „Zeichne Abbildung N aus dieser Publikation“, Signalkaskaden-Diagramme oder das Hinzufügen/Entfernen von Entitäten und Kanten in bestehenden Figuren, weigert sich jedoch, nicht belegte Informationen zu ergänzen oder Änderungen ohne wörtlichen Beleg durchzuführen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/qingyulzx/pku-efficiency3-skills/tree/HEAD/bio-pathway

Installed? Explore more Bild skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht biopathway-mechanism-diagram?

Eine Signalweg-Abbildung ist eine Mechanismus-Aussage, die Leser Pfeil für Pfeil in Frage stellen werden. Vertrag dieses Skills: Jede Entität und jede Kante auf der Leinwand führt auf ein wörtliches Zitat mit einer Fundstelle zurück; Interaktionssemantiken (Aktivierung / Inhibition / Bindung / Modifikation / Transport) sind visuell unterscheidbar und werden niemals vermischt; alles, was die Quelle nicht angibt (Richtung, Ort, Zahlen), wird sichtbar als „nicht angegeben“ markiert, nicht geraten. Die Ergebnisse sind ein geschichtetes, über IDs adressierbares, editierbares SVG sowie PNG/PDF-Exporte und eine vertragskonforme result.json.

Wann verwenden / wann nicht

Verwenden für: Mechanismus-Abbildungen, Signalweg-Diagramme, Rezeptor-zu-Zellkern-Kaskaden, Pathway-Übersprechen, „Zeichne Abbildung N aus dieser Publikation“-Aufgaben und Bearbeitungen bestehender Signalweg-Abbildungen (hinzufügen/entfernen von Entitäten oder Kanten, umbenennen). Nicht für: Statistische Diagramme (Balken/Box/Volcano), experimentelle Schemata oder rein ästhetische Nachbearbeitungen; diese gehören zu benachbarten Skills.

Ausführungsvertrag (Plattform-Laufzeit)

  • Eingabe: /input/case.json (+ task.md). Arbeiten unter /app/work; Ergebnisse unter /app/output.
  • Erste Aktion des gesamten Durchlaufs (bevor der Fall im Detail gelesen wird): python scripts/scaffold_result.py --input /input/case.json --outdir /app/output Dies schreibt eine result.json mit jedem Ausgabe-Vertragsfeld vorhanden, nicht produzierte null + Begründung. Aktualisieren Sie sie schrittweise; löschen Sie niemals ein Vertragsfeld.
  • Alle folgenden Skripte übernehmen --model/--svg-Stil-Pfade und sind reines Python 3 (nur stdlib), sofern nicht anders angegeben. references/ wird von den Skripten gelesen; lesen Sie die .md-Dateien selbst vor Schritt 1.

Schritt 0 – Vertrag lesen und Gerüst erstellen (1 Request)

Führen Sie das Gerüst aus. Überfliegen Sie task.md + case.json: Identifizieren Sie das Ziel der Abbildung (welcher Mechanismus, welche Abbildung bei Reproduktion, Szenario „generieren“ vs. „bearbeiten“), die erforderlichen Exportformate und den Umfang der Belege. Notieren Sie die Liste der Vertragsfelder, die Sie füllen müssen. Kostenbewusstsein: Ziel ist es, in 5–8 Modell-Schritten fertig zu werden; Skripte erledigen die Schwerstarbeit, Sie die Wissenschaft.

Schritt 1 – Mechanismus-Modell extrahieren (der wissenschaftliche Kern – selbst machen)

Lesen Sie das tatsächliche Material (PDF wirklich parsen; Dateien lesen, niemals Inhalt aus Labels annehmen). Erstellen Sie /app/work/model.json gemäß references/layout-conventions.md nach EIGENEM URTEIL:

  1. Entitäten — Gen / Protein / Rezeptor / RNA / Komplex / Molekül / Zelle / Familie. Wenden Sie references/naming-rules.md an: Gensymbole kursiv und Gen-Knoten von ihren Proteinen unterscheiden (MYC vs. MYC); bevorzugte Symbole mit Quell-Schreibweisen in Synonymen; Familien vs. Mitglieder; ein Knoten pro angegebenem Komplex. Jede Entität trägt source: {loc, quote} – ein WÖRTLICHES Zitat und eine Fundstelle, die präzise genug ist, um sie wiederzufinden (Abschnitt/Paragraph/Seite/Abbildungsunterschrift).
  2. Kanten — Typ aus der geschlossenen Menge in references/edge-types.json (Aktivierung, Inhibition, Bindung, Phosphorylierung, Ubiquitinierung, Transkriptionsregulation, Translokation, Komplexbildung, ...). directed muss explizit gesetzt werden. Niemals Richtung raten: Wenn das Zitat keinen Richtungshinweis enthält, setzen Sie directed: false und protokollieren Sie eine Unsicherheit (references/uncertainty-policy.md). Bindung/Rekrutierung ist ungerichtet. Transkriptionsregulation zielt auf einen Gen-Knoten und benötigt ein Vorzeichen.
  3. Kompartments — extrazellulär / Membran / Zytoplasma / Zellkern (+ ER, Golgi, Organell-Unterregionen, wenn der Mechanismus sie benötigt). Entitäten, deren Ort nicht angegeben ist, kommen in das unspecified-Band – niemals stillschweigend in das Zytoplasma. Rezeptoren verankern sich auf dem Membran-Band.
  4. Reihenfolge – setzen Sie order entsprechend der Pathway-Position (topologische Ordnung, nicht Textordnung); Rückkopplungsschleifen entstehen natürlich als rückwärtsgerichtete Kanten.
  5. Zahlen auf der Leinwand (Expression, Signifikanz) nur, wenn sie wörtlich in der Quelle existieren; andernfalls als explizite Nullwerte in den Datenzuordnungen belassen.

Praktische Extraktionsreihenfolge: einmal lesen für den Gesamtfluss; zweiter Durchgang Satz für Satz für Entitäten + Zitate; dritter Durchgang für Kanten einschließlich Inhibitoren, Rückkopplung und Übersprechen (sie verstecken sich in „allerdings/während“-Sätzen).

Schritt 2 – Modell validieren (Skript)

python scripts/validate_model.py --model /app/work/model.json \
    --report /app/work/validation-report.json

Beheben Sie jeden E-*-Fehler. E-DIR-01 (gerichtete Kante ohne Richtungshinweis) ist die zentrale wissenschaftliche Absicherung: entweder einen Satz zitieren, der die Richtung angibt, oder auf ungerichtet + Unsicherheit zurückstufen. Warnungen erfordern eine bewusste Entscheidung: Familien-Knoten, Rezeptorplatzierung, Vorzeichen-vs.-Zitat-Ungereimtheiten. Wiederholen, bis das Modell gültig ist. Wenn das Material ein erforderliches Vertragselement nicht stützen kann, notieren Sie dies jetzt (es wird in Schritt 5 zu einem Nullwert + Begründung).

Schritt 3 – SVG rendern und exportieren (Skripte)

python scripts/render_svg.py --model /app/work/model.json \
    --out /app/output/pathway.svg --report /app/work/render-report.json
python scripts/export_assets.py --svg /app/output/pathway.svg \
    --outdir /app/output --model /app/work/model.json \
    --png-width 2400 --report /app/work/export-report.json

Lesen Sie die Warnungen des Render-Reports (Leinwandgrenzen, unbekannte Kompartments). Betrachten Sie das PNG selbst; wenn das Layout den Mechanismus verschleiert (Kantenkreuzungen verstecken eine Verzweigung, Rückkopplung über der Kaskade), passen Sie order/Pin-Positionen im Modell an und rendern Sie neu. Das SVG ist deterministisch: identisches Modell → identisches SVG.

Schritt 4 – Bearbeitungsszenarien (wenn der Fall Bearbeitungen einer vorhandenen Abbildung verlangt)

Rekonstruieren Sie zuerst das Modell der Ziel-Abbildung (Schritt 1 auf dem Quelltext der Original-Abbildung), verwenden Sie dann quellenerhaltende Bearbeitungen – das Original-Modell/SVG wird gesichert, jede Bearbeitung im change_log des Modells protokolliert:

python scripts/apply_edit.py --model /app/work/model.json --op add-edge \
    --id e-new --src A --tgt B --type inhibition --directed true \
    --sign negative --loc "..." --quote "..."

Operationen: Entität hinzufügen/umbenennen/entfernen (Entfernen verweigert, wenn Kanten angehängt sind, es sei denn mit --cascade; Kaskadenentfernungen werden als Unsicherheiten protokolliert), Kante hinzufügen/entfernen, Kompartment hinzufügen. Jede hinzugefügte Entität/Kante ERFORDERT wörtliches --loc + --quote. Nach Bearbeitungen erneut validieren (automatisch) und erneut rendern (Schritt 3).

Schritt 5 – result.json verifizieren und finalisieren (Skript + Sie)

python scripts/verify_outputs.py --model /app/work/model.json \
    --svg /app/output/pathway.svg --result /app/output/result.json \
    --exports /app/output/pathway.png /app/output/pathway.pdf \
    --report /app/output/verification-report.json

Dies liest das SVG erneut und prüft Knoten-/Kanten-Rücklesung, Legende↔Nutzung-Konsistenz in beide Richtungen, Label-Überlauf, Leinwandgrenzen, Exportexistenz und dass jeder Nullwert in result.json eine Begründung hat. Finalisieren Sie dann result.json selbst: Füllen Sie die Vertragsfelder (editable_source-Pfade, Exporte mit Backend/Parametern, entity_table/edge_table mit Zitaten, legend_basis, Quellen mit Versionen, Unsicherheiten, Verifikationszusammenfassung, ehrlicher Status). Behalten Sie _unanswered_reasons für alles, was Nullwert ist. Teillieferung muss ihre Grenzen in klaren Worten angeben.

Ausnahmebehandlung (echte Pfade, keine Dekoration)

FehlerErkennungAktion
PDF nicht lesbar / keine TextebeneParsen schlägt fehl oder leerer Textpdf-render-tool / ocr-tool für den Render, „Textebene fehlt“ in result.json markieren
Entitätsname mehrdeutig (zwei Lesarten)Ihre Extraktionnach Kontext wählen, Alternative + Unsicherheit aufzeichnen; wenn unentscheidbar, Nullwert + Begründung
Richtung nicht angegebenE-DIR-01Herabstufen auf ungerichtete Kante (keine Pfeilspitze) + Unsicherheit. NIEMALS raten
Kompartment unbekanntE-CMP-01 / Layout-Warnungunspecified-Band + Notiz
Fehlende numerische Daten für datenbasierte VisualisierungenModell hat keine wörtlichen ZahlenTopologie zeichnen, Mapping als Nullwert + „Daten fehlen in der Quelle“ markieren
Label-Überlaufverify label_overflowLabel kürzen / in Label+Untertitel aufteilen / neu anordnen
Leinwand überschreitet GrenzenRender-WarnungIn Panels aufteilen oder Verzweigungen reduzieren; notieren
Export-Backend fehltExport-Report-Status fehlgeschlagenFallback-Kette bereits versucht; SVG liefern, Fehler + Anleitung in result.json aufzeichnen
Leeres/degeneriertes PNGblank_checkRender-Report untersuchen; neu rendern; aufzeichnen
Validierungsfehler bestehenExit-Code 2Modell korrigieren; wenn aus dem Material nicht behebbar, gültige Teilmenge + explizite Grenzen liefern

Qualitätsbarriere (Selbstkontrolle vor Abschluss)

  1. Könnte ein Gutachter auf einen beliebigen Pfeil zeigen und dessen wörtliche Begründung aus der eingebetteten Tabelle / dem Modell erhalten? (Rückverfolgbarkeit)
  2. Sind Aktivierung/Inhibition/Bindung/Modifikation visuell unterscheidbar und stimmt die Legende mit dem Gezeichneten überein – keine fehlenden, keine Phantom-Einträge?
  3. Ist alles, was nicht angegeben ist, sichtbar als nicht angegeben markiert (ungerichtet, unspecified-Band, Nullwert + Begründung)?
  4. Kann jemand das SVG öffnen, ein Label ändern und erneut exportieren? (geschichtet, über IDs adressierbar, Standard-Schriftartenstapel)
  5. Deckt result.json jedes Vertragsfeld mit ehrlichem Status ab?

Dateien

  • scripts/scaffold_result.py – vertragskonforme result.json mit Nullwert+Begründung
  • scripts/validate_model.py – Schema + Richtungsbelege + Namensprüfungen
  • scripts/render_svg.py – deterministisches, geschichtetes SVG aus model.json
  • scripts/export_assets.py – PNG/PDF mit Fallback-Kette + Blank-Prüfung
  • scripts/apply_edit.py – quellenerhaltende, protokollierte Bearbeitungen
  • scripts/verify_outputs.py – Rücklese-Verifikation des gesamten Pakets
  • references/edge-types.json – maschinenlesbare Symbol-Semantiken
  • references/symbol-semantics.md – visuelle Grammatik und ihre Begründung
  • references/naming-rules.md – Gen-/Protein-/Familien-/Komplex-Konventionen
  • references/uncertainty-policy.md – Herabstufungsregeln; Niemals-Raten-Richtlinie
  • references/layout-conventions.md – model.json-Schema + Layout-Algorithmus
  • examples/ras-mapk-case/ – ein ausgearbeitetes Beispiel mit echtem Material (Brown & Ried 2022)
  • README.md – eigenständige Nutzungsdokumentation

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

graphical-abstract-builder

Build a single-page graphical abstract (question, method, results, conclusion) from research material as a traceable, editable SVG with PNG/PDF exports. Use when asked to create or edit a graphical abstract, science summary figure, mechanism or flow diagram, or data chart from a paper, study notes or experimental records, especially when editable source files and element-to-source traceability are required.

paper-to-academic-ppt

Turn a research paper (PDF) into a structured, evidence-traceable, template-compliant academic slide deck. Two phases: agent-authored narrative spine and page-level claims (each with paper locators and verbatim quotes), then scripted template adaptation that writes content into real master/layout placeholders, embeds original paper figures, checks overflow/aspect/notes, and exports a PDF preview. Handles missing conclusions, figure-trimming, layout mismatch and over-limit slide counts with explicit rules.

relationship-schematic

Generate or edit scientific entity-relationship schematics (mechanism diagrams, pathway chains, experimental workflows, structural containment) as traceable, editable SVG with verified relation semantics. Extracts an evidence-quoted entity/relation table first, renders a layered SVG from it, reads the drawing back to verify every relation type, direction and containment, then exports 300-dpi PNG and vector PDF. Use for any "draw a mechanism/workflow/relationship figure from this paper or case material" task where scientific correctness of entities, arrow directions and hierarchy matters.

slides-genedit

Generate and edit academic presentation decks from research material. Two routes: (1) generate a new deck from a paper/notes under fixed audience, duration and slide-count constraints, with per-slide claims, verbatim-number evidence mapping, speaker notes, and a rendered PDF preview; (2) source-preserving edits of an existing starting deck - inventory it, apply only the requested local changes, and prove untouched slides stayed byte-identical. Use when asked to turn research material into slides, or to modify/compress/re-audience an existing deck without breaking it.

Verwandte Skills