Communitygithub.com

ncats-arax

Consulta la API de producción de NCATS Translator ARAX para relaciones de grafo de conocimiento biomédico acotadas, tipadas y con procedencia, de un salto y de dos saltos con extremos fijos.

¿Qué es ncats-arax?

La habilidad ncats-arax permite interactuar con el servicio ARAX (Autonomous Relay Agent for Knowledge Exchange) de NCATS Translator, un motor de consultas sobre el grafo de conocimiento biomédico RTX-KG2. Esta habilidad está diseñada para búsquedas precisas y verificables: permite realizar consultas de un solo salto (sujeto-predicado-objeto) y de dos saltos con ambos extremos fijos, utilizando tipos Biolink y CURIEs revisados. Además, ofrece modos de federación explícita con hasta cinco proveedores seleccionados, normalización de entidades separada (sin envío automático a consulta) e inspección detallada de la procedencia, incluyendo enlaces a publicaciones y fuentes de conocimiento. Es especialmente útil para investigadores y desarrolladores que necesitan recuperar relaciones específicas con alta transparencia, sin inferencia, clasificación ni recomendaciones clínicas. Compatible con la plataforma ARAX y la especificación TRAPI, se ejecuta mediante un script Python que verifica la conectividad, preserva el intercambio exacto de TRAPI y advierte explícitamente sobre los límites de seguridad. No debe utilizarse para preguntas sensibles, patologías no publicadas ni para presentar resultados como mecanismos validados.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/ncats-arax

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

NCATS ARAX

Usa ARAX como un servicio de consulta de grafos de conocimiento acotado. Envía CURIEs revisadas y tipos Biolink explícitos, preserva el intercambio TRAPI exacto, inspecciona los enlaces de aristas de consulta y la procedencia, y trata cada ruta devuelta como un candidato para verificación posterior.

Lee query-contract.md antes de construir una consulta. Lee output-schema.md al interpretar artefactos guardados, advertencias, procedencia o resultados parciales.

Límite de seguridad

  • Usa solo preguntas de investigación públicas y no sensibles. Las instalaciones de estado de ARAX pueden exponer metadatos de consulta y de la persona que llama incluso cuando se solicita store=false.
  • No envíes información de pacientes, preguntas de investigación confidenciales, programas de compuestos no publicados ni hipótesis de dianas propietarias.
  • No presentes una ruta devuelta como un mecanismo validado o recomendación clínica.
  • Informa un cero como "no devuelto bajo estas restricciones", nunca como evidencia de que no existe ninguna relación.
  • Describe la posición como orden de respuesta sin puntuación, nunca como rango.
  • Verifica candidatos importantes con literatura y bases de datos autorizadas por separado.

Flujo de trabajo

  1. Normaliza el texto libre por separado, luego revisa e informa el CURIE y la categoría propuestos.
  2. Elige una consulta tipada de un salto o una consulta exactamente de dos saltos con ambos extremos fijos.
  3. Usa la búsqueda predeterminada RTX-KG2 a menos que el usuario nombre explícitamente de dos a cinco proveedores.
  4. Reconoce que la consulta biomédica es pública y elige un directorio de salida nuevo o vacío.
  5. Ejecuta el cliente una vez. No cambies silenciosamente la selección de proveedores o el orden de expansión después de un fallo o resultado vacío.
  6. Inspecciona summary.json para enlaces acotados y procedencia, y response.json para la carga útil TRAPI exacta.
  7. Verifica rutas científicamente importantes fuera de ARAX.

Verificación previa

Comprueba la OpenAPI de producción sin realizar una consulta biomédica:

python skills/ncats-arax/scripts/arax_client.py preflight

El cliente verifica que el servicio se identifica como ARAX, expone /query e informa una versión TRAPI compatible. Un endpoint que no sea de producción o una serie TRAPI no probada requiere una anulación explícita; ninguna anulación cambia las formas de consulta u operaciones fijas.

Normalizar una entidad

La normalización es solo de revisión y nunca desencadena una consulta de grafo:

python skills/ncats-arax/scripts/arax_client.py normalize "primary myelofibrosis" \
  --expected-category biolink:Disease \
  --max-synonyms 10 \
  --acknowledge-public-query \
  --output-dir outputs/normalize-myelofibrosis

Revisa el identificador canónico, nombre, categoría y vista previa de sinónimos antes de usar un CURIE. Informa todos los CURIEs y categorías independientemente del resultado de la consulta. Una advertencia de categoría o un resultado cero es motivo para depurar el identificador, no para encadenar automáticamente a /query.

Consulta de un salto

Fija al menos un extremo y tipa ambos nodos:

python skills/ncats-arax/scripts/arax_client.py one-hop \
  --subject-id CHEBI:31690 \
  --subject-category biolink:SmallMolecule \
  --predicate biolink:affects \
  --object-id NCBIGene:25 \
  --object-category biolink:Gene \
  --qualifier biolink:object_aspect_qualifier=activity_or_abundance \
  --qualifier biolink:object_direction_qualifier=decreased \
  --acknowledge-public-query \
  --output-dir outputs/imatinib-abl1

El modo de búsqueda es el predeterminado y fija la expansión a infores:rtx-kg2. Por defecto devuelve 20 resultados. Usa --result-limit N para solicitar de 1 a 50 resultados; 50 es el límite máximo en ambos modos.

Consulta de dos saltos con extremos fijos

Usa exactamente un nodo intermedio tipado y no fijo:

python skills/ncats-arax/scripts/arax_client.py two-hop \
  --subject-id CHEBI:66901 \
  --subject-category biolink:SmallMolecule \
  --predicate-1 biolink:affects \
  --intermediate-category biolink:Gene \
  --predicate-2 biolink:associated_with \
  --object-id MONDO:0009061 \
  --object-category biolink:Disease \
  --qualifier-1 biolink:object_aspect_qualifier=activity_or_abundance \
  --qualifier-1 biolink:object_direction_qualifier=increased \
  --expand-order right-first \
  --acknowledge-public-query \
  --output-dir outputs/ivacaftor-cystic-fibrosis

La expansión derecha-primero es la predeterminada. Si un resultado vacío merece otro intento, ejecuta una nueva consulta explícitamente con --expand-order left-first y mantén las ejecuciones separadas.

Federación de proveedores seleccionados

La federación es explícita y acepta de dos a cinco proveedores nombrados:

python skills/ncats-arax/scripts/arax_client.py one-hop \
  --subject-id CHEBI:31690 \
  --subject-category biolink:SmallMolecule \
  --predicate biolink:affects \
  --object-id NCBIGene:25 \
  --object-category biolink:Gene \
  --mode federated \
  --kp infores:rtx-kg2 \
  --kp infores:molepro \
  --acknowledge-public-query \
  --output-dir outputs/federated-imatinib-abl1

La federación usa por defecto el máximo de 50 resultados. Los errores de proveedor pueden coexistir con resultados útiles; dicha ejecución termina con código 7 después de conservar sus artefactos y se marca como parcial.

Inspeccionar la procedencia guardada

Reconstruye un resumen acotado sin acceso a la red:

python skills/ncats-arax/scripts/arax_client.py summarize \
  --request outputs/ivacaftor-cystic-fibrosis/request.json \
  --response outputs/ivacaftor-cystic-fibrosis/response.json \
  --format text

El inspector solo acepta las mismas formas de consulta restringidas y operaciones fijas que generan los comandos en vivo. Usa --format json para la vista normalizada en la salida estándar.

Interpretar resultados

  • Sigue los enlaces de aristas de cada análisis; no resumas cada arista del grafo de conocimiento.
  • Preserva los valores de sujeto, predicado, objeto y calificador de la arista física devueltos por ARAX. Los predicados o aspectos de calificador devueltos pueden ser más específicos que la restricción de la consulta.
  • Inspecciona todos los objetos de origen, incluidos los campos de URL de fuente primaria, agregador, datos de apoyo, recurso ascendente y registro fuente.
  • Trata publication_availability: not_returned como metadatos faltantes, no como evidencia de que no existen publicaciones.
  • Trata las referencias faltantes de gráfico auxiliar y los fallos de proveedor como advertencias explícitas.
  • Consulta la respuesta sin procesar siempre que el resumen acotado omita detalles o la respuesta del servicio sea parcial, desconocida o científicamente sorprendente.

Exclusiones deliberadas

El cliente no tiene superficie de consulta sin procesar, flujo de trabajo, operación, superposición, clasificación, inferencia, predicción de enlaces, Pathfinder, ARS, lote, todos los proveedores, tres saltos, caché, daemon, SDK, MCP o lenguaje natural a TRAPI. No evites estos límites con llamadas HTTP directas bajo esta habilidad.

Referencias oficiales

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.

Skills relacionados