Communitygithub.com

Folklore-Varianten-Nachweise

Rufen Sie strukturierte öffentliche Variantennachweise, automatisierte ACMG/AMP-Entscheidungshilfen und verknüpfte Literatur aus dem Folklore Clinical Variant Interpretation MCP ab. Ideal für wissenschaftliche Agenten, die deterministisch auf verschiedene Ergebniszustände verzweigen müssen.

Was ist Folklore-Varianten-Nachweise?

Diese Fähigkeit (Skill) bietet eine deterministische Verzweigung basierend auf den Ergebniszuständen öffentlicher Variantenabfragen über den Folklore Clinical Variant Interpretation MCP von Helena Bioinformatics. Sie ermöglicht das Abrufen strukturierter, öffentlicher Variantennachweise, automatisierter ACMG/AMP-Entscheidungsunterstützung auf Variantenebene, Quellenangaben und verknüpfter Literatur für einen einzelnen Keimbahn-SNV oder ein einfaches Indel im GRCh38-Assembly. Der Skill behandelt jeden Status (resolved, ambiguous, not_found, invalid_request, unsupported, resolution_unavailable) als expliziten Kontrollflusswert, was einen robusten, deterministischen Workflow ermöglicht. Unterstützte Plattformen umfassen MCP-kompatible Hosts wie Claude Code, Cursor oder Codex; der Endpunkt ist öffentlich und erfordert weder Konto noch API-Key. Der Skill arbeitet nach strengen Grenzen: Es werden keine Patienten-, Phänotyp-, Familien-, Segregations- oder privaten Falldaten akzeptiert; die Eingabe muss auf einen einzigen öffentlichen Variantenbezeichner beschränkt sein. Er umfasst auch die Möglichkeit, ClinGen-Gen-Krankheits-Assoziationen abzurufen und in die zugehörige wissenschaftliche Literatur zu verzweigen, wobei die Beweiskette erhalten bleibt.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/folklore-variant-evidence

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Folklore-Varianten-Nachweise?

Nutzen Sie Folklore Clinical Variant Interpretation MCP, um strukturierte öffentliche Varianten-Nachweise, automatisierte ACMG/AMP-Entscheidungsunterstützung auf Variantenebene, Quellenangaben und verknüpfte Literatur zur fachkundigen Überprüfung abzurufen. Halten Sie den Workflow auf öffentliche Identifikatoren beschränkt und bewahren Sie jeden expliziten Ergebniszustand. Adapter 1.5.0 bietet auch ClinGen-Gen-Krankheits-Validitätsaussagen; die Quellenabdeckung ist begrenzt, nicht jede bekannte Assoziation ist enthalten.

Folklore Clinical Variant Interpretation MCP wird von Helena Bioinformatics veröffentlicht. Sein gehosteter Endpunkt ist:

https://api.helena.bio/folklore/v1/mcp

Es ist weder ein Konto noch ein API-Schlüssel erforderlich. Der öffentliche Apache-2.0-Adapter und Vertrag sind verfügbar unter https://github.com/helena-bioinformatics/folklore-mcp.

Minimales Verbindungsbeispiel

Ein Host ohne native MCP-Unterstützung kann denselben öffentlichen JSON-RPC-Aufruf tätigen:

curl --silent --show-error --fail-with-body --max-time 60 \
  -X POST https://api.helena.bio/folklore/v1/mcp \
  -H 'Content-Type: application/json' \
  -H 'Accept: application/json, text/event-stream' \
  -H 'MCP-Protocol-Version: 2026-07-28' \
  -H 'Mcp-Method: tools/call' \
  -H 'Mcp-Name: search_variant_evidence' \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"_meta":{"io.modelcontextprotocol/protocolVersion":"2026-07-28","io.modelcontextprotocol/clientCapabilities":{}},"name":"search_variant_evidence","arguments":{"assembly":"GRCh38","query":"rs80357914"}}}'

Prüfen Sie das zurückgegebene Ergebnis, bevor Sie fortfahren. Dieses Beispiel kann ambiguous mit mehreren Kandidaten zurückgeben: Halten Sie an und fordern Sie eine eindeutige öffentliche Variantennotation an, anstatt automatisch einen Kandidaten auszuwählen.

Den richtigen Skill auswählen

Verwenden Sie diesen Skill, wenn die Aufgabe eine einzelne öffentliche Variante in strukturierte Folklore-Nachweise, explizite Auflösungszustandsbehandlung, variantenverknüpfte Literatur oder ClinGen-Gen-zu-Krankheit/Krankheit-zu-Gen-Aussagen betrifft.

  • Verwenden Sie database-lookup für breite direkte Abfragen über ClinVar, dbSNP, gnomAD, Ensembl VEP, COSMIC oder mehrere Datenbanken.
  • Verwenden Sie genomic-coordinates zuerst, wenn das Assembly, die Koordinatenkonvention, der Contig-Name oder die Variantendarstellung unsicher ist.
  • Verwenden Sie diesen Skill nicht für VCF-Annotation, Batch-Verarbeitung, somatische Varianten, strukturelle Varianten, polygene Scores oder patientenspezifische Interpretation.

Folklore Clinical Variant Interpretation MCP ergänzt diese Skills mit einem quellenverknüpften, öffentlichen Nachweisvertrag. Es ersetzt weder die direkte Datenbankprüfung noch die qualifizierte klinische Beurteilung.

Eingabegrenze durchsetzen

Vor einem Varianten-Tool-Aufruf:

  1. Extrahieren Sie genau einen öffentlichen Variantenbezeichner oder eine Notation.
  2. Fordern Sie GRCh38 und einen Keimbahn-SNV oder ein einfaches Indel an.
  3. Entfernen oder verweigern Sie Patientennamen, Fallkennungen, Phänotypen, Familienanamnese, Segregationsnachweise, Krankenakten, hochgeladene Dateien und andere private oder patientenspezifische Kontexte.
  4. Wenn die Aufgabe vom Patientenkontext abhängt, halten Sie an und erklären Sie, dass Folklore Clinical Variant Interpretation MCP diesen weder akzeptiert noch bewertet.
  5. Wandeln Sie niemals eine patientenspezifische Anfrage in eine öffentliche Variantenabfrage um, während Sie implizieren, dass das Ergebnis die patientenspezifische Frage beantwortet.

Akzeptierte öffentliche Variantenformen umfassen genomische Koordinaten, genomische/kodierende/ proteine HGVS, SPDI, rsID oder einen von Folklore Clinical Variant Interpretation MCP zurückgegebenen canonical_key.

Den Live-Tool-Katalog überprüfen

Verbinden Sie sich mit dem gehosteten Endpunkt und rufen Sie tools/list auf. Überprüfen Sie die verfügbaren Tools, anstatt sich auf das Modellgedächtnis zu verlassen. Der dokumentierte öffentliche Katalog enthält:

  • search_variant_evidence
  • search_variant_literature
  • get_publication_details
  • search_literature_corpus
  • get_gene_disease_associations
  • search_disease_genes

Das separate siebte Tool support_helena ist kein wissenschaftlicher Nachweis; verwenden Sie es nur, wenn explizit danach gefragt wird.

Wenn die Erkennung oder ein Tool-Aufruf fehlschlägt, behandeln Sie den Fehler als Verfügbarkeitsproblem. Interpretieren Sie ihn nicht als fehlenden wissenschaftlichen Nachweis um.

Lesen Sie den öffentlichen MCP-Vertrag, bevor Sie Tool-Aufrufe zusammenstellen oder Antwortzustände interpretieren.

Gen-Krankheits-Aussagen abrufen

Verwenden Sie get_gene_disease_associations für ein exaktes Gen-Symbol oder eine HGNC-Kennung, oder search_disease_genes für eine exakte MONDO-Kennung oder eine öffentliche Krankheitsnamen-Teilzeichenfolge. Beide akzeptieren limit (Standard 20, 1–50) und offset (Standard 0, 0–1000). Siehe die Referenz für Beispiele von Anfragen. Dies ist eine separate Quellenabfrage und erfordert keine Varianteneingabe oder kein Assembly.

Bewahren Sie jede zurückgegebene Krankheitsidentität, Vererbung, Nachweisbewertung, Quell-URL, Datum und Momentaufnahme. Fassen Sie keine unterschiedlichen Krankheiten zusammen oder wählen Sie stillschweigend unter Namensübereinstimmungen aus. Die Gen-Krankheits-Validität klassifiziert keine bestimmte Variante. Leere Ergebnisse bedeuten, dass in der verfügbaren ClinGen-Quelle keine passende Aussage gefunden wurde, nicht, dass keine Assoziation besteht. Es dürfen keine Patienten-, Phänotyp-, Familien-, Segregations-, privaten Falldaten oder Sequenzierungsdateien gesendet werden. Eine qualifizierte fachkundige Überprüfung bleibt erforderlich.

Den Varianten-Nachweis-Workflow ausführen

1. Nachweise auflösen und abrufen

Rufen Sie search_variant_evidence auf mit:

assembly: GRCh38
query: <ein öffentlicher Variantenbezeichner oder eine Notation>

Fügen Sie diesem Aufruf keinen Phänotyp, keine Krankheit, keinen Patienten, keine Familie oder keinen Behandlungskontext hinzu. Bewahren Sie die zurückgegebenen Vertragsfelder, Quellenlinks, Einschränkungen und Nutzungsgrenzen.

2. Basierend auf dem zurückgegebenen Status verzweigen

Behandeln Sie den Status als Kontrollflusswert, nicht als Prosa:

StatusErforderliche Aktion
resolvedVerwenden Sie den zurückgegebenen canonical_key; überprüfen Sie die strukturierte Interpretation, Quellenangaben, Quellenlinks und Einschränkungen.
ambiguousZeigen Sie die zurückgegebenen Kandidaten an und bitten Sie um eine explizite öffentliche Variantenauswahl. Wählen Sie niemals automatisch einen Kandidaten aus.
not_foundMelden Sie, dass in diesem Dienst und Abfragebereich kein Ergebnis gefunden wurde. Behaupten Sie keine universelle Abwesenheit.
invalid_requestMelden Sie das Validierungsproblem und fordern Sie eine korrigierte öffentliche Variante an. Interpretieren Sie die Eingabe nicht stillschweigend um.
unsupportedGeben Sie die relevante Dienstgrenze an und halten Sie an. Erzwingen Sie die Abfrage nicht in eine unterstützte Form.
resolution_unavailableMelden Sie einen temporären Auflösungs- oder Verfügbarkeitsfehler. Behandeln Sie dies nicht als fehlenden Nachweis.

Nur ein resolved-Ergebnis darf automatisch in einen variantenverknüpften Literatur-Workflow übergehen. Wenn eine aufgelöste Interpretation selbst nicht verfügbare Nachweise meldet, bewahren Sie diese separate Einschränkung.

3. Den Nachweis prüfen, ohne zu übertreiben

Für ein aufgelöstes Ergebnis:

  • Präsentieren Sie die zurückgegebene Variantenidentität und den canonical_key.
  • Bewahren Sie das automatisierte ACMG/AMP-Entscheidungsunterstützungsergebnis auf Variantenebene exakt wie zurückgegeben.
  • Zitieren Sie die zurückgegebenen öffentlichen Quellen und Quellenangaben.
  • Trennen Sie zurückgegebene Fakten von der Synthese des Agenten.
  • Geben Sie an, dass eine qualifizierte fachkundige Überprüfung erforderlich ist.
  • Verwenden Sie das Ergebnis nicht als Diagnose, individuelle Risikoschätzung, Behandlungsempfehlung oder eigenständigen klinischen Bericht.

In die Literatur verzweigen

Variantenverknüpfte Literatur

Nach einem aufgelösten Nachweisaufruf übergeben Sie den zurückgegebenen canonical_key an search_variant_literature. Behalten Sie assembly als GRCh38 bei. Eine optionale question kann den Literaturfokus eingrenzen, muss aber eine öffentliche wissenschaftliche Frage bleiben und darf keinen Patientenkontext enthalten.

Unterscheiden Sie den Übereinstimmungstyp jedes Ergebnisses:

  • exact_variant: direkte Übereinstimmung mit der aufgelösten Variante
  • variant_alias: Übereinstimmung über einen gemeldeten Alias
  • gene_association: breitere Gen-Assoziation, kein variantenspezifischer Beweis

Literaturassoziationen ändern die zurückgegebene ACMG/AMP-Klassifikation nicht.

Publikationsdetails

Rufen Sie get_publication_details nur mit einer PMID auf, die von den Literatur-Tools zurückgegeben wurde. Bewahren Sie PubMed-URLs, DOI/PMCID-Felder, falls vorhanden, den Retraktionsstatus und die Unterscheidung zwischen Gen-Erwähnungen und Varianten-Erwähnungen.

Semantische Korpus-Suche

Verwenden Sie search_literature_corpus für eine öffentliche natürlichsprachliche wissenschaftliche Frage oder für die Entdeckung nach Publikationskennung, Gen, Variante, Phänotyp, HPO oder OMIM-Konzept. Behandeln Sie Ergebnisse als quellenverknüpfte Kandidaten zur fachkundigen Überprüfung. Eine Null-Ergebnis-Antwort bedeutet, dass für diese begrenzte Abfrage kein Ergebnis zurückgegeben wurde, nicht, dass keine relevante Publikation existiert.

Platzieren Sie keine Patienteninformationen in eine Korpusabfrage, selbst wenn die Abfrage nicht variantenspezifisch ist.

Ein reproduzierbares Ergebnis melden

Fügen Sie hinzu:

  1. Die exakte öffentliche Abfrage und das GRCh38-Assembly.
  2. Den zurückgegebenen Status und, falls aufgelöst, den canonical_key.
  3. Das strukturierte Nachweis- oder Literaturergebnis, ohne seine Bedeutung zu ändern.
  4. Quellenlinks und Publikationskennungen.
  5. Übereinstimmungstyp für Literaturergebnisse.
  6. Zugriffsdatum und etwaige Verfügbarkeitseinschränkung.
  7. Diese Grenzaussage:

Dies ist eine öffentliche, variantenbezogene Entscheidungsunterstützung für die qualifizierte fachkundige Überprüfung. Sie bewertet keine Patienten-, Phänotyp-, Familien-, Segregations- oder privaten Falldaten und ist keine Diagnose oder Behandlungsempfehlung.

Falsifizierbarer Rauchtest

Verwenden Sie die öffentliche rsID rs80357914, um die Behandlung von Mehrdeutigkeit zu testen:

Rufen Sie search_variant_evidence mit assembly GRCh38 und query rs80357914 auf. Wenn das
Ergebnis ambiguous ist, listen Sie die zurückgegebenen Kandidaten auf und halten Sie für eine
explizite Auswahl an. Wählen Sie keinen Kandidaten aus und rufen Sie keine nachgelagerten
Literatur-Tools auf.

Der Test besteht nur, wenn eine mehrdeutige Antwort den Workflow stoppt, ohne eine automatische Kandidatenauswahl.

Offizielle Referenzen

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Verwandte Skills