affaan-m/ECC

gget

ゲノムデータベースへのクイック検索、配列検索、BLAST スタイルの検索、エンリッチメントチェック、および再現可能なバイオインフォマティクス証拠ログのための gget CLI および Python ワークフロー。

72CollectingRuns scripts
See how to use itView GitHub source
npx skills add https://github.com/affaan-m/ECC --skill "docs/ja-JP/skills/scientific-pkg-gget"

Quick start

Start using it in three steps

Install it or open the source, trigger it with a clear task, then follow the source workflow.

1

Install the Skill

npx skills add https://github.com/affaan-m/ECC --skill "docs/ja-JP/skills/scientific-pkg-gget"
2

Describe the task

Use gget to help me with: [describe your task]. Before you begin, tell me what input you need, the steps you will follow, and the expected output.

3

Follow the workflow

No structured workflow was detected; follow the original SKILL.md below.

Continue to the workflow

Direct answers

Answers to review before you install

What is gget?

ゲノムデータベースへのクイック検索、配列検索、BLAST スタイルの検索、エンリッチメントチェック、および再現可能なバイオインフォマティクス証拠ログのための gget CLI および Python ワークフロー。

Who should use gget?

It is relevant to workflows involving Python.

How do you install gget?

SkillSignal detected this source-specific command: npx skills add https://github.com/affaan-m/ECC --skill "docs/ja-JP/skills/scientific-pkg-gget". Inspect the repository and command before running it.

Which Agent platforms does it support?

The upstream source does not declare a dedicated Agent platform.

What permissions or risks should you review?

Static analysis detected exec-script signals. Review the cited source lines before installing; these signals are not a security audit.

What are the current evidence limits?

This page combines upstream documentation with deterministic repository, quality, and static-risk signals. It is not described as a manual test or security review.

SkillSignal brief

Decide whether it fits your work first

ゲノムデータベースへのクイック検索、配列検索、BLAST スタイルの検索、エンリッチメントチェック、および再現可能なバイオインフォマティクス証拠ログのための gget CLI および Python ワークフロー。

Useful in these contexts

Not yet included in a workflow collection

Core capabilities

Python
Repository stars
234,327
Repository forks
35,711
Quality
72/100
Source repository last pushed

Quality breakdown

Based on traceable docs and repository signals; stars are not treated as quality.

72/100
Documentation21/30
Specificity18/25
Maintenance20/20
Trust signals13/25

Compare before choosing

Related Agent Skills and source variants

These links are selected from shared tasks, functions, stacks, platforms, and same-name variants. Compare the source owner, documentation, permissions, and maintenance signals.

gget by affaan-m

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

gget by k-dense-ai

Fast CLI/Python queries to 20+ bioinformatics databases. Use for quick lookups: gene info, BLAST/BLAT, viral sequence downloads, AlphaFold structures, enrichment analysis, OpenTargets, COSMIC, CELLxGENE, and 8cube mouse specificity/expression data. Best for interactive exploration and simple queries. For batch processing or advanced BLAST use biopython; for multi-database Python workflows use bioservices.

dask by k-dense-ai

Distributed computing for larger-than-RAM pandas/NumPy workflows. Use when you need to scale existing pandas/NumPy code beyond memory or across clusters. Best for parallel file processing, distributed ML, integration with existing pandas code. For out-of-core analytics on single machine use vaex; for in-memory speed use polars.

medchem by k-dense-ai

Medicinal chemistry filters for compound triage. Apply drug-likeness rules (Lipinski, Veber, CNS), structural alert catalogs (PAINS, NIBR, ChEMBL), complexity metrics, and the medchem query language for library filtering.

neurokit2 by k-dense-ai

Use NeuroKit2 to build or audit reproducible research workflows for physiological time-series preprocessing, event/interval analysis, multimodal alignment, variability, and complexity. Trigger when code imports neurokit2 or needs its current APIs, schemas, and method-aware validation—not for diagnosis or device validation.

View original Skill.mdThis page is parsed directly from the repository SKILL.md without editorial rewriting. Collected: Jul 28, 2026 · about 1 min

gget

gget CLI または Python パッケージを使用してゲノム参照データベースにわたるクイックバイオインフォマティクス検索が必要なタスクにこのスキルを使用します。

使用するタイミング

  • Ensembl ID、遺伝子メタデータ、転写産物の詳細、または配列の検索。
  • フルローカルパイプラインを構築せずにクイックな BLAST または BLAT 検索を実行。
  • Ensembl から参照ゲノムリンクとアノテーションを取得。
  • 単一のインターフェースを通してタンパク質構造、パスウェイ、がん、発現、または疾患関連モジュールを照会。
  • Biopython、Snakemake、Nextflow、BLAST+、またはデータベース固有のクライアントなどの重いツールに移行する前に再現可能な最初の証拠ログを作成。

タスクが規制対象の臨床解釈、高スループット本番パイプライン、またはデータベースバージョンとローカルインデックスの細かい制御を必要とする場合は、gget の代わりに専用のワークフローを使用します。

インストール

クリーンな Python 環境を使用します。

python -m venv .venv
. .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install --upgrade gget
gget --help

uv が利用可能な場合:

uv venv
. .venv/bin/activate
uv pip install gget

古い環境を使用する前に、gget をアップグレードしてモジュールドキュメントを再確認します。gget が照会するアップストリームデータベースは時間とともに変化します。

基本パターン

CLI の形式:

gget <module> [arguments] [options]

Python の形式:

import gget

result = gget.search(["BRCA1"], species="human")
print(result)

一般的なワークフロー:

  1. 必要な種、アセンブリ、遺伝子 ID タイプ、データベースを特定する。
  2. 引数に関する現在のモジュールドキュメントを確認する。
  3. まず小さなクエリを実行する。
  4. 明示的なファイル名と日付で出力を保存する。
  5. モジュール名、バージョン、引数、データベースの前提条件を記録する。

主要なモジュール

正確な引数については現在のアップストリームドキュメントを使用してください。これらのモジュールは一般的な最初の選択肢です:

  • gget search: 検索語から Ensembl ID を検索。
  • gget info: Ensembl、UniProt、または関連 ID のメタデータを取得。
  • gget seq: ヌクレオチドまたはアミノ酸配列を取得。
  • gget ref: 参照ゲノムのダウンロードリンクを取得。
  • gget blast: クイック BLAST クエリを実行。
  • gget blat: サポートされているゲノムアセンブリに対して配列を配置。
  • gget muscle: 多重配列アライメントを実行。
  • gget diamond: 参照配列に対してローカル配列アライメントを実行。
  • gget alphafoldgget pdb: タンパク質構造参照を調べる。
  • gget enrichrgget opentargetsgget archs4gget bgeegget cbiogget cosmic: エンリッチメント、ターゲット、発現、がん、疾患関連データを探索。

すべてのモジュールがすべての Python バージョンまたは依存関係セットをサポートするとは限りません。一部のオプションの科学的依存関係は、コアパッケージよりも狭いバージョンサポートを持ちます。

クイック例

遺伝子を検索:

gget search -s human brca1 dna repair -o brca1-search.json

遺伝子メタデータを取得:

gget info ENSG00000012048 -o brca1-info.json

配列を取得:

gget seq ENSG00000012048 -o brca1-seq.fa

小さな BLAST クエリを実行:

gget blast "MEEPQSDPSVEPPLSQETFSDLWKLLPEN" -l 10 -o blast-results.json

Python の例:

import gget

genes = gget.search(["BRCA1", "DNA repair"], species="human")
info = gget.info(["ENSG00000012048"])
sequence = gget.seq("ENSG00000012048")

再現性ログ

科学的な出力については、クエリを再現するのに十分なメタデータを含めます。

| 日付 | gget バージョン | モジュール | クエリ | 種/アセンブリ | 出力 | 注記 |
| --- | --- | --- | --- | --- | --- | --- |
| 2026-05-11 | `gget --version` | search | `BRCA1 DNA repair` | human | `brca1-search.json` | 実行前にドキュメントを確認 |

以下も記録します:

  • Python バージョンと環境マネージャー。
  • gget setup を通してインストールされたオプションの依存関係。
  • クエリによって返されたデータベース固有の識別子。
  • 出力が JSON、CSV、FASTA、または DataFrame エクスポートのいずれであるか。
  • gget のアップグレードで解決された障害。

レビューチェックリスト

  • インストールされた gget バージョンをアップグレードまたは確認したか?
  • 引数を使用する前に現在のアップストリームモジュールドキュメントを確認したか?
  • 種またはアセンブリは明示的か?
  • Ensembl/UniProt プレフィックスを含む識別子は正確に保存されているか?
  • 結果は臨床解釈ではなくデータベース出力としてラベル付けされているか?
  • 保存されたコマンドまたは Python スニペットからクエリを再現できるか?
  • オプションの依存関係は隔離された環境にインストールされているか?

参考文献

Source repo
affaan-m/ECC
Skill path
docs/ja-JP/skills/scientific-pkg-gget/SKILL.md
Commit SHA
4e973d3eaf92
Repository license
MIT
Data collected