CommunityImagegithub.com

diagramme-mécanisme-voie-biologique

Construisez ou modifiez des diagrammes de mécanismes/voies biologiques prêts pour publication à partir de documents de recherche (PDF/texte) sous forme d'énoncé de mécanisme contestable – modèle en trois couches (entités typées, arêtes orientées typées avec preuve textuelle, mise en page par compartiment), SVG sémantiquement correct, exportations PNG/PDF et un result.json traçable et conscient des incertitudes.

Qu'est-ce que diagramme-mécanisme-voie-biologique ?

Cette compétence permet de générer ou d'éditer des diagrammes de voies de signalisation, de mécanismes, d'interactions ou de flux de processus à partir de documents de recherche (PDF, texte). Elle applique un contrat rigoureux : chaque entité et chaque arête doit être traçable jusqu'à une citation textuelle avec localisation précise. Les types d'interaction (activation, inhibition, liaison, modification, transport) sont visuellement distincts et jamais confondus. Toute information non fournie par la source (direction, localisation, nombres) est marquée explicitement comme non spécifiée, jamais devinée. La compétence produit un SVG éditable en couches avec identifiants, des exports PNG/PDF et un fichier result.json complet et vérifiable. Elle est conçue pour Claude Code, Cursor et d'autres agents d'IA, et repose sur des scripts Python (stdlib) pour la validation, le rendu et la vérification. Le flux de travail suit cinq étapes : extraction du modèle (entités, arêtes, compartiments), validation, rendu SVG, édition (si demandée) et finalisation du result.json avec toutes les incertitudes documentées. La compétence refuse catégoriquement de deviner la direction des arêtes et marque toute information manquante comme telle, garantissant ainsi une traçabilité scientifique et une honnêteté intellectuelle.

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

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait diagramme-mécanisme-voie-biologique ?

Une figure de voie est un énoncé de mécanisme que les lecteurs contesteront une arête à la fois. Le contrat de cette compétence : chaque entité et chaque arête sur le canevas remonte à une citation textuelle avec une localisation ; la sémantique d'interaction (activation / inhibition / liaison / modification / transport) est visuellement distincte et jamais confondue ; tout ce que la source ne précise pas (direction, localisation, nombres) est marqué visiblement comme non précisé, non deviné. Les livrables sont un SVG éditable en couches avec identifiants, plus des exportations PNG/PDF et un fichier result.json complet respectant le contrat.

Quand l'utiliser / quand ne pas l'utiliser

Utiliser pour : figures de mécanismes, diagrammes de voies de signalisation, cascades récepteur-noyau, interactions entre voies, tâches « dessiner la figure N de cet article » et modifications d'une figure de voie existante (ajouter/supprimer une entité ou une arête, réétiqueter). Ne pas utiliser pour : graphiques statistiques (barres/boîtes/volcan), schémas expérimentaux ou retouches purement esthétiques ; ceux-ci relèvent de compétences adjacentes.

Contrat d'exécution (environnement d'exécution de la plateforme)

  • Entrée : /input/case.json (+ task.md). Travail sous /app/work ; livrables sous /app/output.
  • Première action de l'ensemble de l'exécution (avant de lire le cas en profondeur) : python scripts/scaffold_result.py --input /input/case.json --outdir /app/output Ceci écrit un result.json avec tous les champs du contrat de sortie présents, les non produits étant null + raison. Mettez-le à jour progressivement ; ne supprimez jamais un champ du contrat.
  • Tous les scripts ci-dessous prennent des chemins de style --model/--svg et sont en Python 3 pur (stdlib uniquement) sauf indication contraire. references/ est lu par les scripts ; lisez vous-même les fichiers .md avant l'étape 1.

Étape 0 – Lire le contrat et préparer la structure (1 requête)

Exécutez le script de préparation. Parcourez task.md + case.json : identifiez la figure cible (quel mécanisme, quelle figure s'il s'agit d'une reproduction, scénario de génération ou d'édition), les formats d'exportation requis et le périmètre des preuves. Enregistrez la liste des champs du contrat que vous devez remplir. Conscience budgétaire : visez à terminer en 5 à 8 étapes du modèle ; les scripts effectuent le gros du travail, vous faites la science.

Étape 1 – Extraire le modèle du mécanisme (le noyau scientifique – faites-le vous-même)

Lisez le matériel réel (analysez le PDF pour de vrai ; lisez les fichiers, ne présupposez jamais le contenu à partir des étiquettes). Construisez /app/work/model.json selon references/layout-conventions.md par VOTRE PROPRE jugement :

  1. Entités — gène / protéine / récepteur / ARN / complexe / molécule / cellule / famille. Appliquez references/naming-rules.md : symboles de gènes en italique et nœuds de gènes distincts de leurs protéines (MYC vs MYC) ; symboles préférés avec orthographes sources en synonymes ; familles vs membres ; un nœud par complexe mentionné. Chaque entité porte source : {loc, citation} — une citation TEXTUELLE et une localisation assez précise pour être retrouvée (section/paragraphe/page/légende de figure).
  2. Arêtes — type parmi l'ensemble fermé dans references/edge-types.json (activation, inhibition, liaison, phosphorylation, ubiquitination, régulation_transcriptionnelle, translocation, formation_complexe, ...). directed doit être défini explicitement. Ne devinez jamais la direction : si la citation n'a pas d'indice directionnel, définissez directed : false et enregistrez une incertitude (references/uncertainty-policy.md). La liaison/recrutement est non dirigé. La régulation transcriptionnelle cible un nœud de gène et nécessite un signe.
  3. Compartiments — extracellulaire / membrane / cytoplasme / noyau (+ RE, Golgi, sous-régions d'organite si le mécanisme les nécessite). Les entités dont la localisation n'est pas spécifiée vont dans la bande non spécifié – jamais silencieusement dans le cytoplasme. Les récepteurs s'ancrent sur la bande membranaire.
  4. Ordre — définissez order par position dans la voie (ordre topologique, pas ordre textuel) ; les boucles de rétroaction apparaissent naturellement comme des arêtes arrière.
  5. Les nombres sur le canevas (expression, significativité) uniquement s'ils existent textuellement dans la source ; sinon, laissez les mappages de données comme null explicites.

Ordre pratique d'extraction : lisez une fois pour le flux global ; deuxième passage phrase par phrase pour les entités + citations ; troisième passage pour les arêtes, y compris les inhibiteurs, la rétroaction et les interactions entre voies (ils se cachent dans les phrases « cependant/alors que »).

Étape 2 – Valider le modèle (script)

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

Corrigez chaque erreur E-*. E-DIR-01 (arête dirigée sans indice directionnel) est le garde-fou scientifique central : soit citez une phrase qui énonce la direction, soit rétrogradez en non dirigé + incertitude. Les avertissements nécessitent une décision consciente : nœuds de famille, placement des récepteurs, décalages signe-vs-citation. Relancez jusqu'à ce que ce soit valide. Si le matériel ne peut pas prendre en charge un élément requis du contrat, notez-le maintenant (cela deviendra un null + raison à l'étape 5).

Étape 3 – Rendu SVG et exportation (scripts)

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

Lisez les avertissements du rapport de rendu (limites du canevas, compartiments inconnus). Regardez le PNG vous-même ; si la mise en page obscurcit le mécanisme (croisements d'arêtes cachant une bifurcation, rétroaction sur la cascade), ajustez order/positions d'ancrage dans le modèle et refaites le rendu. Le SVG est déterministe : modèle identique → SVG identique.

Étape 4 – Scénarios d'édition (si le cas demande des modifications d'une figure existante)

Reconstruisez d'abord le modèle de la figure cible (étape 1 sur le texte source de la figure originale), puis utilisez des modifications préservant la source – le modèle/SVG original sont sauvegardés, chaque modification est enregistrée dans le change_log du modèle :

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 "..."

Opérations : ajouter/renommer/supprimer une entité (supprimer refuse lorsque des arêtes sont attachées sauf si --cascade, et les suppressions en cascade sont enregistrées comme incertitudes), ajouter/supprimer une arête, ajouter un compartiment. Chaque entité/arête ajoutée REQUIERT --loc + --quote textuels. Après les modifications, revalidez (automatique) et refaites le rendu (étape 3).

Étape 5 – Vérifier et finaliser result.json (script + vous)

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

Ceci relit le SVG et vérifie la relecture des nœuds/arêtes, la cohérence légende↔utilisation dans les deux sens, le débordement d'étiquettes, les limites du canevas, l'existence des exportations, et que chaque null dans result.json a une raison. Puis finalisez result.json vous-même : remplissez les champs du contrat (chemins editable_source, exportations avec backend/paramètres, entity_table/edge_table avec citations, legend_basis, sources avec versions, incertitudes, résumé de vérification, statut honnête). Conservez _unanswered_reasons pour tout ce qui est null. Une livraison partielle doit énoncer ses limites en termes clairs.

Gestion des exceptions (chemins réels, pas de décoration)

ÉchecDétectionAction
PDF illisible / pas de couche textel'analyse échoue ou texte videpdf-render-tool / ocr-tool pour le rendu, signaler « couche texte absente » dans result.json
Nom d'entité ambigu (deux lectures)votre extractionchoisir selon le contexte, enregistrer l'alternative + incertitude ; si indécidable, null + raison
Direction non préciséeE-DIR-01rétrograder en arête non dirigée (pas de pointe de flèche) + incertitude. NE JAMAIS deviner
Compartiment inconnuE-CMP-01 / avertissement de mise en pagebande non spécifié + note
Données numériques manquantes pour les visuels encodés en donnéesle modèle n'a pas de nombres textuelsdessiner la topologie, marquer le mappage null + « données absentes de la source »
Débordement d'étiquettevérifier label_overflowraccourcir l'étiquette / diviser en étiquette+sous-étiquette / réordonner
Canevas dépasse les limitesavertissement de rendudiviser en panneaux ou réduire les branches ; le noter
Backend d'exportation manquantétat du rapport d'exportation échouéla chaîne de repli a déjà été essayée ; livrer le SVG, enregistrer l'échec + des conseils dans result.json
PNG vierge/dégénéréblank_checkenquêter sur le rapport de rendu ; refaire le rendu ; enregistrer
Erreurs de validation persistantescode de sortie 2corriger le modèle ; si impossible à corriger à partir du matériel, livrer le sous-ensemble valide + limites explicites

Niveau de qualité (auto-vérification avant de terminer)

  1. Un relecteur pourrait-il pointer n'importe quelle flèche et obtenir sa justification textuelle à partir du tableau intégré / du modèle ? (traçabilité)
  2. L'activation/l'inhibition/la liaison/la modification sont-elles visuellement distinctes, et la légende correspond-elle à ce qui est dessiné – aucune entrée manquante, aucune entrée fantôme ?
  3. Tout ce qui n'est pas précisé est-il visiblement non précisé (non dirigé, bande non spécifiée, null + raison) ?
  4. Quelqu'un peut-il ouvrir le SVG, changer une étiquette et réexporter ? (en couches, adressable par identifiant, pile de polices standard)
  5. result.json couvre-t-il chaque champ du contrat avec un statut honnête ?

Fichiers

  • scripts/scaffold_result.py – result.json complet du contrat avec null+raison
  • scripts/validate_model.py – schéma + vérifications direction-preuve + nommage
  • scripts/render_svg.py – SVG déterministe en couches à partir de model.json
  • scripts/export_assets.py – PNG/PDF avec chaîne de repli + vérification de blanc
  • scripts/apply_edit.py – modifications préservant la source, enregistrées
  • scripts/verify_outputs.py – vérification par relecture de l'ensemble
  • references/edge-types.json – sémantique des symboles lisible par machine
  • references/symbol-semantics.md – grammaire visuelle et son raisonnement
  • references/naming-rules.md – conventions pour gène/protéine/famille/complexe
  • references/uncertainty-policy.md – règles de rétrogradation ; politique de non-devinette
  • references/layout-conventions.md – schéma de model.json + algorithme de mise en page
  • examples/ras-mapk-case/ – un exemple concret avec matériel réel (Brown & Ried 2022)
  • README.md – documentation d'utilisation autonome

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.

Skills associés