arboreto

仓库创建 2025年10月20日最近提交 5 小时前SkillHot 收录 20 天前

▸ 精选理由

能在大规模转录组数据上高效构建调控网络，适合生物信息学分析。

这个 Skill 做什么

从表达数据推断基因调控网络，支持 GRNBoost2/GENIE3 与分布式计算。

从表达矩阵里推断基因调控网络，找出转录因子与靶基因的可能关系，常用 GRNBoost2 或 GENIE3 算法实现。适合对 bulk 或 single-cell RNA-seq 做下游网络分析，把表达变化映射成调控假设时用。特点是基于树的集成回归并支持 Dask 分布式计算，能处理大规模数据集。

▸ 展开 SKILL.md 英文原文

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.

垂直行业基因调控GRN并行计算通用

3.2w

Stars

3.2k

Forks

仓库内 Skill

+1.6k

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/arboreto/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/arboreto/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# Arboreto

## Overview

Arboreto is a Python library from [Aerts Lab](https://github.com/aertslab/arboreto) for inferring gene regulatory networks (GRNs) from gene expression data. It parallelizes tree-based ensemble regression (GRNBoost2, GENIE3) with [Dask](https://distributed.dask.org/) across local cores or remote clusters.

**Core capability**: Identify which transcription factors (TFs) regulate which target genes based on expression patterns across observations (cells, samples, conditions).

**Upstream**: PyPI **0.1.6** (2021-02-09, latest). Docs: [arboreto.readthedocs.io](https://arboreto.readthedocs.io/en/latest/). Primary downstream consumer: [pySCENIC](https://github.com/aertslab/

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有