Community이미지github.com

biopathway-mechanism-diagram

연구 자료(논문/PDF/텍스트)로부터 출판 수준의 생물학적 기전/경로 다이어그램을 구축하거나 편집합니다. 엔티티와 에지의 모든 요소가 출처 문헌의 축어적 인용과 위치에 기반하며, 추측 없이 불확실성을 명시적으로 표시합니다. 결과물은 의미적으로 정확한 SVG, PNG/PDF 내보내기 파일, 그리고 추적 가능한 result.json을 포함합니다.

biopathway-mechanism-diagram란 무엇인가요?

이 스킬은 연구자나 AI 에이전트가 논문, PDF, 텍스트 등의 연구 자료로부터 출판 가능한 수준의 생물학적 신호 전달 경로, 기전 다이어그램, 상호 대화(crosstalk) 다이어그램을 생성하거나 편집할 수 있도록 설계되었습니다. 핵심 계약은 다이어그램의 모든 구성 요소(엔티티와 에지)가 출처의 축어적 인용(verbatim quote)과 정확한 위치 정보에 의해 뒷받침되어야 하며, 출처가 명시하지 않은 정보(방향, 위치, 수치 등)는 절대 추측하지 않고 '미지정' 상태로 표시한다는 것입니다. 이는 '도전 가능한 기전 진술'이라는 원칙에 기반합니다. 이 스킬은 Claude Code, Cursor, Codex 등 AI 에이전트 플랫폼에서 사용 가능하며, 다이어그램 생성은 다음 단계를 따릅니다: (1) 사례 입력 읽기 및 결과 스캐폴드 생성; (2) 엔티티(유전자, 단백질 등), 타입이 지정된 방향성 에지(활성화, 억제, 결합 등), 그리고 구획(세포외, 막, 세포질, 핵 등)으로 구성된 3계층 기전 모델을 추출; (3) 모델 검증; (4) 계층적이고 ID로 주소 지정 가능한 편집 가능 SVG 렌더링 및 PNG/PDF 내보내기; (5) 출력 검증 및 계약을 완전히 충족하는 result.json 최종 확정. 이 스킬의 중요한 특성은 추측 금지 정책으로, 방향이 명시되지 않은 에지는 방향성 없음(undirected)으로 처리하고, 불확실성 로그를 남깁니다. 결과물은 SVG, PNG/PDF, 그리고 모든 계약 필드(인용, 불확실성, 검증 요약 포함)를 갖춘 result.json입니다.

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

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

biopathway-mechanism-diagram은(는) 무엇을 하나요?

경로 그림은 독자가 한 화살표씩 도전하게 될 기전 진술입니다. 이 스킬의 계약: 캔버스의 모든 엔티티와 모든 에지는 위치가 포함된 축어적 인용문으로 추적 가능해야 합니다. 상호작용 의미론(활성화/억제/결합/변형/수송)은 시각적으로 구별되며 혼동되지 않습니다. 출처가 명시하지 않은 모든 것(방향, 위치, 숫자)은 추측하지 않고 '미지정'으로 표시됩니다. 결과물은 계층적이고 ID로 주소 지정 가능한 편집 가능 SVG와 PNG/PDF 내보내기 파일, 그리고 계약을 완전히 충족하는 result.json입니다.

사용 시기 / 사용하지 말아야 할 시기

사용 대상: 기전 그림, 신호 전달 경로 다이어그램, 수용체-핵 연쇄 반응, 경로 상호 대화(crosstalk), "이 논문의 그림 N을 그려줘" 작업, 기존 경로 그림 편집(엔티티 또는 에지 추가/제거, 레이블 변경). 사용 금지: 통계 차트(막대/상자/화산), 실험 개요도, 미적 목적의 단순 보정; 이러한 작업은 인접 스킬에 속합니다.

실행 계약 (플랫폼 런타임)

  • 입력: /input/case.json (+ task.md). /app/work 아래에서 작업; 결과물은 /app/output 아래에.
  • 전체 실행의 첫 번째 작업(사례를 자세히 읽기 전): python scripts/scaffold_result.py --input /input/case.json --outdir /app/output 이 명령은 모든 출력 계약 필드가 포함된 result.json을 작성하며, 생성되지 않은 필드는 null + 이유를 포함합니다. 계속 단계별로 업데이트하세요. 계약 필드를 절대 삭제하지 마십시오.
  • 아래의 모든 스크립트는 --model/--svg 스타일의 경로를 인수로 받으며, 별도 명시가 없으면 순수 Python 3(stdlib 전용)입니다. references/는 스크립트가 읽습니다. 1단계 전에 직접 .md 파일을 읽으십시오.

0단계 - 계약 읽기 및 스캐폴드 생성 (1회 요청)

스캐폴드를 실행합니다. task.md + case.json을 훑어보며: 그림 대상을 식별합니다(어떤 기전인지, 재현할 대상 그림이 있는지, 생성 vs 편집 시나리오), 필요한 내보내기 형식, 증거 범위를 파악합니다. 채워야 할 계약 필드 목록을 기록합니다. 예산 인식: 5-8 모델 단계 내에 완료하는 것을 목표로 하세요; 스크립트가 무거운 작업을 수행하고, 당신은 과학적 판단을 합니다.

1단계 - 기전 모델 추출 (과학적 핵심 - 직접 수행)

실제 자료를 읽습니다(PDF를 실제로 구문 분석; 파일을 읽고, 절대 레이블만으로 내용을 추측하지 마십시오). references/layout-conventions.md에 따라 /app/work/model.json을 자신의 판단으로 구축합니다:

  1. 엔티티 — 유전자 / 단백질 / 수용체 / RNA / 복합체 / 분자 / 세포 / 패밀리. references/naming-rules.md 적용: 유전자 기호는 이탤릭체로, 유전자 노드는 단백질과 구별(MYC vs MYC); 선호 기호와 함께 출처 철자를 동의어에 포함; 패밀리와 구성원 구분; 명시된 각 복합체에 대해 하나의 노드. 각 엔티티는 source: {loc, quote}를 포함 — 다시 찾을 수 있을 만큼 정확한 축어적 인용문과 위치(절/문단/페이지/그림 캡션).
  2. 에지 — references/edge-types.json의 폐쇄 집합에서 유형(활성화, 억제, 결합, 인산화, 유비퀴틴화, 전사조절, 전위, 복합체 형성, ...). directed는 명시적으로 설정해야 합니다. 방향을 절대 추측하지 마십시오: 인용문에 방향 신호가 없으면 directed: false로 설정하고 불확실성을 기록합니다(references/uncertainty-policy.md). 결합/동원은 방향성이 없습니다(undirected). 전사 조절은 유전자 노드를 대상으로 하며 부호(sign)가 필요합니다.
  3. 구획 — 세포외 / 막 / 세포질 / 핵 (+ 소포체, 골지체, 소기관 하위 영역, 기전에 필요한 경우). 위치가 명시되지 않은 엔티티는 unspecified 대역으로 이동합니다 — 절대 세포질에 조용히 넣지 마십시오. 수용체는 막 대역에 고정됩니다.
  4. 순서 — 경로 상의 위치에 따라 order를 설정합니다(텍스트 순서가 아닌 위상적 순서); 피드백 루프는 자연스럽게 역방향 에지로 나타납니다.
  5. 캔버스 위의 숫자(발현, 유의성)는 출처에 축어적으로 존재하는 경우에만 포함합니다; 그렇지 않으면 데이터 매핑을 명시적 null로 남깁니다.

실제 추출 순서: 첫 번째 읽기에서 전체 흐름 파악; 두 번째 패스에서 문장별로 엔티티 + 인용문 수집; 세 번째 패스에서 억제제, 피드백 및 상호 대화를 포함한 에지 수집(이들은 "그러나/반면에" 문장에 숨어 있습니다).

2단계 - 모델 검증 (스크립트)

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

모든 E-* 오류를 수정합니다. E-DIR-01(방향 신호가 없는 방향성 에지)은 핵심 과학적 보호 장치입니다: 방향을 명시하는 문장을 인용하거나, 방향성 없음 + 불확실성으로 전환합니다. 경고는 의식적인 결정이 필요합니다: 패밀리 노드, 수용체 배치, 부호-인용 불일치. 유효할 때까지 재실행합니다. 자료가 필요한 계약 항목을 뒷받침할 수 없는 경우, 지금 기록합니다(5단계에서 null + 이유가 됩니다).

3단계 - SVG 렌더링 및 내보내기 (스크립트)

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

렌더 리포트의 경고(캔버스 제한, 알 수 없는 구획)를 읽습니다. PNG를 직접 확인합니다; 레이아웃이 기전을 가리는 경우(에지 교차로 분기점이 숨겨지는 경우, 피드백이 연쇄 반응 위에 있는 경우), 모델에서 order/고정 위치를 조정하고 다시 렌더링합니다. SVG는 결정론적입니다: 동일한 모델 → 동일한 SVG.

4단계 - 편집 시나리오 (사례가 기존 그림 편집을 요구하는 경우)

먼저 대상 그림의 모델을 재구성한 후(원본 그림 출처 텍스트에 대한 1단계), 출처를 보존하는 편집을 사용합니다 — 원본 모델/SVG는 백업되고, 모든 편집은 모델의 change_log에 기록됩니다:

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 "..."

연산: 엔티티 추가/이름 변경/제거(--cascade 없이 에지가 연결된 경우 제거 거부, 연쇄 제거는 불확실성으로 기록), 에지 추가/제거, 구획 추가. 추가된 모든 엔티티/에지는 --loc + --quote에 축어적 인용이 필요합니다. 편집 후 재검증(자동) 및 재렌더링(3단계).

5단계 - result.json 검증 및 최종 확정 (스크립트 + 직접)

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

이 명령은 SVG를 다시 읽고 노드/에지 읽어내기, 범례↔사용 일관성(양방향), 레이블 오버플로우, 캔버스 제한, 내보내기 파일 존재 여부, 그리고 result.json의 모든 null에 이유가 있는지 확인합니다. 그런 다음 result.json을 직접 최종 확정합니다: 계약 필드를 채웁니다(편집 가능한 소스 경로, 백엔드/파라미터가 포함된 내보내기 파일, 인용문이 포함된 entity_table/edge_table, 범례 기준, 버전이 포함된 출처, 불확실성, 검증 요약, 정직한 상태). null인 항목에 대해 _unanswered_reasons를 유지합니다. 부분 전달은 그 한계를 평이한 언어로 명시해야 합니다.

예외 처리 (실제 경로, 장식 아님)

실패감지조치
PDF를 읽을 수 없음 / 텍스트 레이어 없음구문 분석 실패 또는 빈 텍스트pdf-render-tool / ocr-tool로 렌더링, result.json에 "텍스트 레이어 없음" 플래그 표시
엔티티 이름 모호 (두 가지 해석)직접 추출문맥에 따라 선택, 대안 + 불확실성 기록; 결정 불가능 시 null + 이유
방향이 명시되지 않음E-DIR-01방향성 없는 에지(화살표 없음) + 불확실성으로 전환. 절대 추측 금지
구획 알 수 없음E-CMP-01 / 레이아웃 경고unspecified 대역 + 메모
데이터 인코딩 시각 자료에 필요한 숫자 데이터 누락모델에 축어적 숫자 없음토폴로지만 그리고, 매핑 null + "출처에 데이터 없음" 표시
레이블 오버플로우verify label_overflow레이블 단축 / label+sub로 분할 / 재정렬
캔버스가 제한 초과렌더 경고패널로 분할 또는 가지 줄이기; 메모 남기기
내보내기 백엔드 누락내보내기 리포트 상태 실패대체 체인 이미 시도; SVG 전달, 실패 + 안내를 result.json에 기록
빈/변질 PNGblank_check렌더 리포트 조사; 재렌더링; 기록
검증 오류 지속종료 코드 2모델 수정; 자료에서 수정 불가능 시 유효한 부분 집합 + 명시적 한계 전달

품질 기준 (완료 전 자체 점검)

  1. 검토자가 어떤 화살표든 가리키며 포함된 테이블/모델에서 그 축어적 근거를 얻을 수 있는가? (추적 가능성)
  2. 활성화/억제/결합/변형이 시각적으로 구별되며, 범례가 그려진 것과 일치하는가? — 누락되거나 유령 항목이 없는가?
  3. 명시되지 않은 모든 것이 시각적으로 명확히 표시되었는가? (방향성 없음, 미지정 대역, null + 이유)
  4. 누군가 SVG를 열고 하나의 레이블을 변경한 후 다시 내보낼 수 있는가? (계층적, ID 주소 지정 가능, 표준 폰트 스택)
  5. result.json이 모든 계약 필드를 정직한 상태로 포함하는가?

파일

  • scripts/scaffold_result.py - null+이유가 포함된 계약 완전 result.json
  • scripts/validate_model.py - 스키마 + 방향-증거 + 명명 검사
  • scripts/render_svg.py - model.json에서 결정론적 계층적 SVG 생성
  • scripts/export_assets.py - 대체 체인 + 빈 검사 기능이 있는 PNG/PDF 생성
  • scripts/apply_edit.py - 출처를 보존하고 로그를 남기는 편집
  • scripts/verify_outputs.py - 번들의 읽어내기 검증
  • references/edge-types.json - 기계 판독 가능한 기호 의미론
  • references/symbol-semantics.md - 시각적 문법 및 그 근거
  • references/naming-rules.md - 유전자/단백질/패밀리/복합체 명명 규칙
  • references/uncertainty-policy.md - 전환 규칙; 추측 금지 정책
  • references/layout-conventions.md - model.json 스키마 + 레이아웃 알고리즘
  • examples/ras-mapk-case/ - 실제 자료 예제 (Brown & Ried 2022)
  • README.md - 독립형 사용 설명서

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.

관련 스킬