Communitygithub.com

folklore-variant-evidence

Récupérer des assertions de validité gène-maladie de ClinGen pour un gène ou une maladie publique, et consulter les preuves publiques liées à une source ainsi que la littérature pour une variante SNV germinale nucléaire ou un petit indel GRCh38 pris en charge via Folklore Clinical Variant Interpretation MCP. À utiliser lorsqu'un agent scientifique doit se ramifier de manière déterministe sur des résultats de variante résolus, ambigus, non trouvés, invalides, non pris en charge ou indisponibles ; enchaîner une variante publique résolue vers la littérature ou les détails de publication associés ; ou préserver la provenance des preuves sans accepter les données patient, phénotype, familiales, de ségrégation ou de cas privés.

Qu'est-ce que folklore-variant-evidence ?

Ce skill permet d'accéder aux preuves structurées de variantes publiques, au support décisionnel automatisé ACMG/AMP au niveau de la variante, à la provenance et à la littérature liée à une source via Folklore Clinical Variant Interpretation MCP, hébergé par Helena Bioinformatics. Il est conçu pour les agents scientifiques qui doivent traiter de manière déterministe les états de sortie explicites (résolu, ambigu, non trouvé, invalide, non pris en charge, indisponible) et enchaîner automatiquement les variantes résolues vers des workflows de littérature. Le skill impose des limites strictes : il n'accepte que des identifiants de variante publique sous GRCh38, rejette toute donnée patient ou contexte clinique privé, et exige une gestion explicite des réponses ambiguës (arrêt du workflow) ou non trouvées. Il complète d'autres skills comme `database-lookup` ou `genomic-coordinates` en fournissant un contrat de preuve publique unique avec provenance traçable. Les plateformes supportées incluent les hôtes MCP natifs, et l'outil peut être testé avec l'ID rs80357914 pour vérifier la gestion correcte de l'ambiguïté. Les résultats ne remplacent jamais l'examen clinique qualifié.

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

Demander à votre IA préférée

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

Documentation

Preuve de Variante Folklorique (Folklore Variant Evidence)

Utilisez Folklore Clinical Variant Interpretation MCP pour récupérer des preuves structurées de variante publique, un support décisionnel automatisé ACMG/AMP au niveau de la variante, la provenance et la littérature liée à une source pour un examen professionnel. Limitez le workflow aux identifiants publics et préservez chaque état de résultat explicite. L'adaptateur 1.5.0 fournit également des assertions de validité gène-maladie ClinGen ; la couverture des sources est limitée, pas toutes les associations connues.

Folklore Clinical Variant Interpretation MCP est publié par Helena Bioinformatics. Son point d'accès hébergé est :

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

Aucun compte ni clé API n'est requis. L'adaptateur public sous licence Apache-2.0 et le contrat sont disponibles à l'adresse https://github.com/helena-bioinformatics/folklore-mcp.

Exemple de connexion minimale

Un hôte sans support MCP natif peut effectuer le même appel JSON-RPC public :

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"}}}'

Inspectez le résultat retourné avant de continuer. Cet exemple peut retourner "ambigu" avec plusieurs candidats : arrêtez-vous et demandez une notation de variante publique non ambiguë au lieu de sélectionner un candidat automatiquement.

Choisir le bon skill

Utilisez ce skill lorsque la tâche consiste à transformer une variante publique en preuves structurées Folkloriques, avec gestion explicite de l'état de résolution, littérature liée à la variante, ou assertions gène-maladie de ClinGen.

  • Utilisez database-lookup pour des requêtes directes larges sur ClinVar, dbSNP, gnomAD, Ensembl VEP, COSMIC ou plusieurs bases de données.
  • Utilisez genomic-coordinates d'abord lorsque l'assemblage, la convention de coordonnées, le nom du contig ou la représentation de la variante sont incertains.
  • N'utilisez pas ce skill pour l'annotation VCF, le traitement par lots, les variantes somatiques, les variantes structurelles, les scores polygéniques ou l'interprétation spécifique au patient.

Folklore Clinical Variant Interpretation MCP complète ces skills avec un contrat de preuve publique lié à une source. Il ne remplace pas la consultation directe des bases de données ni le jugement clinique qualifié.

Appliquer la limite d'entrée

Avant un appel d'outil de variante :

  1. Extrayez exactement un identifiant ou une notation de variante publique.
  2. Exigez GRCh38 et une variante SNV germinale nucléaire ou un petit indel.
  3. Supprimez ou refusez les noms de patients, identifiants de cas, phénotypes, antécédents familiaux, preuves de ségrégation, dossiers cliniques, fichiers téléchargés et tout autre contexte privé ou spécifique au patient.
  4. Si la tâche dépend du contexte patient, arrêtez-vous et expliquez que Folklore Clinical Variant Interpretation MCP ne l'accepte ni ne l'évalue.
  5. Ne transformez jamais une demande spécifique au patient en requête de variante publique en laissant entendre que le résultat répond à la question spécifique au patient.

Les formes de variante publique acceptées incluent les coordonnées génomiques, HGVS génomique/codant/protéique, SPDI, rsID ou une canonical_key retournée par Folklore Clinical Variant Interpretation MCP.

Vérifier le catalogue d'outils en direct

Connectez-vous au point d'accès hébergé et appelez tools/list. Vérifiez les outils disponibles au lieu de vous fier à la mémoire du modèle. Le catalogue public documenté contient :

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

Le septième outil distinct support_helena n'est pas une preuve scientifique ; utilisez-le uniquement sur demande explicite.

Si la découverte ou un appel d'outil échoue, conservez l'échec comme un problème de disponibilité. Ne le réinterprétez pas comme un manque de preuves scientifiques.

Lisez le contrat MCP public avant de composer des appels d'outils ou d'interpréter les états de réponse.

Récupérer les assertions gène-maladie

Utilisez get_gene_disease_associations pour un symbole de gène exact ou un identifiant HGNC, ou search_disease_genes pour un identifiant MONDO exact ou une sous-chaîne de nom de maladie publique. Les deux acceptent limit (par défaut 20, 1–50) et offset (par défaut 0, 0–1000). Voir la référence pour des exemples de requêtes. Il s'agit d'une recherche de source distincte qui ne nécessite aucune entrée de variante ni assemblage.

Conservez chaque identité de maladie retournée, hérédité, évaluation des preuves, URL source, date et instantané. Ne combinez pas des maladies distinctes et ne choisissez pas silencieusement parmi des correspondances de nom. La validité gène-maladie ne classe pas une variante particulière. Des résultats vides signifient qu'aucune assertion correspondante n'est disponible dans la source ClinGen, pas qu'il n'y a pas d'association. Aucune donnée patient, phénotype, familiale, de ségrégation, de cas privé ou fichier de séquençage ne peut être envoyée. Un examen professionnel qualifié reste nécessaire.

Exécuter le workflow de preuve de variante

1. Résoudre et récupérer les preuves

Appelez search_variant_evidence avec :

assembly: GRCh38
query: <un identifiant ou une notation de variante publique>

N'ajoutez pas de phénotype, maladie, patient, famille ou contexte de traitement à cet appel. Conservez les champs du contrat retourné, les liens sources, les limitations et la limite d'utilisation.

2. Se ramifier sur le statut retourné

Traitez le statut comme une valeur de contrôle de flux, pas comme une prose :

StatutAction requise
resolvedRéutilisez la canonical_key retournée ; examinez l'interprétation structurée, la provenance, les liens sources et les limitations.
ambiguousAffichez les candidats retournés et demandez une sélection explicite de variante publique. Ne choisissez jamais un candidat automatiquement.
not_foundSignalez qu'aucun résultat n'a été trouvé dans ce service et ce périmètre de requête. Ne prétendez pas à une absence universelle.
invalid_requestSignalez le problème de validation et demandez une variante publique corrigée. Ne réinterprétez pas silencieusement l'entrée.
unsupportedIndiquez la limite de service pertinente et arrêtez-vous. Ne forcez pas la requête dans une forme prise en charge.
resolution_unavailableSignalez un échec temporaire de résolution ou de disponibilité. Ne le traitez pas comme une absence de preuve.

Seul un résultat resolved peut procéder automatiquement dans un workflow de littérature lié à la variante. Si une interprétation résolue elle-même signale que des preuves sont indisponibles, conservez cette limitation distincte.

3. Examiner les preuves sans exagérer

Pour un résultat résolu :

  • Présentez l'identité de la variante retournée et la canonical_key.
  • Conservez exactement le résultat automatisé du support décisionnel ACMG/AMP au niveau de la variante tel qu'il a été retourné.
  • Citez les sources publiques retournées et la provenance.
  • Séparez les faits retournés de la synthèse de l'agent.
  • Indiquez qu'un examen professionnel qualifié est requis.
  • Ne transformez pas le résultat en diagnostic, estimation de risque individuelle, recommandation de traitement ou rapport clinique autonome.

Enchaîner vers la littérature

Littérature liée à la variante

Après un appel de preuve réussi, transmettez la canonical_key retournée à search_variant_literature. Conservez assembly comme GRCh38. Une question optionnelle peut affiner le focus de la littérature, mais elle doit rester une question scientifique publique et ne doit pas contenir de contexte patient.

Distinguez le type de correspondance de chaque résultat :

  • exact_variant : correspondance directe avec la variante résolue
  • variant_alias : correspondance via un alias rapporté
  • gene_association : association plus large au niveau du gène, pas une preuve spécifique à la variante

Les associations de littérature ne modifient pas la classification ACMG/AMP retournée.

Détails de publication

Appelez get_publication_details uniquement avec un PMID retourné par les outils de littérature. Conservez les URL PubMed, les champs DOI/PMCID lorsqu'ils sont présents, le statut de rétractation et la distinction entre les mentions de gènes et les mentions de variantes.

Recherche sémantique dans le corpus

Utilisez search_literature_corpus pour une question scientifique publique en langage naturel ou pour une découverte par identifiant de publication, gène, variante, phénotype, HPO ou concept OMIM. Traitez les résultats comme des candidats liés à une source pour un examen professionnel. Un résultat zéro signifie qu'aucun résultat n'a été retourné pour cette requête limitée, pas qu'aucune publication pertinente n'existe ailleurs.

Ne placez pas d'informations patient dans une requête de corpus, même si la requête n'est pas spécifique à une variante.

Rapporter un résultat reproductible

Incluez :

  1. La requête publique exacte et l'assemblage GRCh38.
  2. Le statut retourné et, si résolu, la canonical_key.
  3. La preuve structurée ou le résultat de littérature sans en modifier le sens.
  4. Les liens sources et les identifiants de publication.
  5. Le type de correspondance pour les résultats de littérature.
  6. La date d'accès et toute limitation de disponibilité.
  7. Cette déclaration de limite :

Ceci est un support décisionnel public au niveau de la variante pour un examen professionnel qualifié. Il n'évalue pas les données patient, phénotype, familiales, de ségrégation ou de cas privés et ne constitue pas un diagnostic ou une recommandation de traitement.

Test de fumée falsifiable

Utilisez le rsID public rs80357914 pour tester la gestion de l'ambiguïté :

Appelez search_variant_evidence avec assembly GRCh38 et la requête rs80357914. Si le
résultat est ambigu, listez les candidats retournés et arrêtez-vous pour une
sélection explicite. Ne sélectionnez pas un candidat et n'appelez pas d'outils de
littérature en aval.

Le test réussit uniquement si une réponse ambiguë provoque l'arrêt du workflow sans sélection automatique de candidat.

Références officielles

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 associés