Claude Scientific Skills

如果你曾在科研中卡在以下环节：

• 想查 ChEMBL 的 EGFR 抑制剂，却要翻 API 文档
• 拿到单细胞 RNA-seq 数据，不知如何从质控做到通路富集
• 有 VCF 文件，但手动注释 ClinVar + COSMIC + UniProt 太繁琐
• 想整合多组学数据建模，却要反复切换 Python 包

现在，有一个工具能帮你用自然语言直接触发完整科研工作流：Claude Scientific Skills —— 由 K-Dense 团队开源的 138 个即用型科学技能集合，将 Claude 转变为你的“桌面 AI 科学家”。

它能做什么？

这些技能覆盖 15 大科研领域，支持 多步骤、跨工具、端到端 的自动化流程。例如：

药物发现

“查询 ChEMBL 获取 IC50 < 50nM 的 EGFR 抑制剂，用 RDKit 分析 SAR，生成类似物，用 DiffDock 对接 AlphaFold 结构，查 PubMed 耐药机制，输出可视化报告。”

单细胞分析

“用 Scanpy 加载 10X 数据，整合 Cellxgene Census，用 PyDESeq2 差异分析，Arboreto 推断调控网络，Reactome 通路富集，Open Targets 识别靶点。”

临床变异解读

“解析 VCF，用 Ensembl VEP 注释，查 ClinVar 致病性、COSMIC 突变、UniProt 蛋白影响，生成临床报告，并匹配 ClinicalTrials.gov 试验。”

多组学整合

“结合 RNA-seq、质谱蛋白组、HMDB 代谢物，用 scikit-learn 构建预测模型，STRING 构建互作网络，KEGG 映射通路。”

技术组成

每个技能都经过封装，包含完整文档、代码示例与最佳实践，背后整合了：

• 28+ 科学数据库：PubMed、OpenAlex、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov 等
• 55+ Python 包：RDKit、Scanpy、BioPython、PyTorch Lightning、Qiskit、PennyLane、DeepChem 等
• 15+ 科研平台：Benchling、DNAnexus、LatchBio、Protocols.io 等
• 30+ 分析与输出工具：文献综述、科学写作、海报生成、出版级图表、PDF 报告等

所有技能均以 MCP（Model Context Protocol） 标准实现，支持 Claude Code、Cursor、ChatGPT 等兼容客户端。

为什么值得用？

省去集成成本

• 跳过 API 研究、依赖安装、格式转换等重复劳动
• 每个技能自带生产级示例，遵循科研最佳实践

跨学科无缝衔接

• 一个指令即可串联“基因组 + 化学 + 临床 + 机器学习”
• 不再需要手动拼接不同工具链

开源透明，可审计

• 仓库采用 MIT 许可证，可免费用于学术与商业项目
• 每个技能在 SKILL.md 中明确标注独立许可证，合规清晰

灵活部署

• 本地运行：通过 Claude Code + uv 安装依赖（支持 macOS/Linux/WSL2）
• 远程调用：通过 K-Dense 托管 MCP 服务器（https://mcp.k-dense.ai/...）
• 自托管：可部署私有 MCP 服务，满足数据敏感场景

快速开始

1. 安装依赖

• 安装 Claude Code：

  # macOS/Linux
  curl -fsSL https://claude.ai/install.sh | bash
  # Windows (PowerShell)
  irm https://claude.ai/install.ps1 | iex
  

• 安装 uv（Python 包管理器）：

  curl -LsSf https://astral.sh/uv/install.sh | sh
  

2. 安装技能

# 添加插件市场
/plugin marketplace add K-Dense-AI/claude-scientific-skills

# 在 Claude Code 中选择安装 "scientific-skills"

3. 开始使用

直接输入自然语言指令，如：

“用 BioPython 分析这个蛋白质序列的结构域，并在 UniProt 中查找同源蛋白。”

Claude 会自动调用相关技能，执行完整流程并返回结果。

注意事项

• 依赖按需安装：无需一次性装全部 55+ Python 包，只安装当前技能所需项
• 部分功能需联网：数据库查询（如 PubMed）需网络；本地包（如 Scanpy）可离线运行
• API 限制：部分数据库有速率限制，建议查看 SKILL.md 中的使用建议
• 权限合规：商业使用前，请确认各技能的独立许可证（位于 SKILL.md 的 license 字段）

适用人群

• 科研人员：快速验证假说、自动化分析流程
• 生物信息工程师：减少重复脚本编写，聚焦核心逻辑
• 药物研发团队：加速虚拟筛选、先导优化、ADMET 预测
• 临床研究者：自动化变异解读、试验匹配、报告生成
• AI for Science 探索者：低成本试错跨模态科研工作流