depmap

depmap 技能概览

depmap 是用来做什么的

depmap 技能帮助你借助 Cancer Dependency Map 处理细胞系数据中的实际肿瘤学问题：哪些基因是必需的、哪些依赖关系具有癌种选择性，以及哪些特征可以预测药物敏感性或 gene effect。若你在 Data Analysis 里需要用 depmap，这个技能的目标不是把问题停留在一个模糊提示上，而是把生物学问题转化为可复现的查询计划。

适合谁使用

如果你在验证靶点、寻找 synthetic lethal 配对、比较不同突变分组，或者想把 CRISPR dependency 信号和药物响应联系起来，就很适合用 depmap 技能。它更适合研究人员、分析师，以及那些需要结构化 DepMap 解读，而不是泛泛做文献检索的 agent。

为什么它有用

它的核心价值在于支持决策：depmap 帮你把“这个基因有没有意思？”推进到“这个基因在特定癌症背景下是否具有选择性必需性，证据是什么？”尤其当你需要区分广泛的 pan-essential 基因和情境特异性脆弱性时，它会很有帮助。

如何使用 depmap 技能

安装 depmap

使用 npx skills add K-Dense-AI/claude-scientific-skills --skill depmap 安装 depmap 技能。安装完成后，先确认该技能已经在你的 workspace 中可用，再把它用于分析或 prompt routing。

从正确的输入开始

要把 depmap 用好，输入里最好包含具体的生物学问题、一个基因或基因集、疾病背景，以及你关心的过滤条件。更好的输入例如：“Use depmap to test whether KRAS-mutant lung adenocarcinoma lines show dependency on SLC1A5, and summarize gene effect patterns and likely caveats.” 像“analyze cancer genes”这种输入就太模糊了。

按正确顺序读取文件

先看 SKILL.md，理解它预期的工作流；如果仓库里还有关联示例或相邻上下文，再继续查看。实际使用中，最有价值的阅读路径通常是：先看总览，再看何时使用该技能、核心概念，以及 dependency score 的解读，这样就不会把 essentiality 和 expression 或 correlation 混为一谈。

放进分析工作流里使用

把 depmap 当作“查询 + 解读”技能，而不是独立的答案引擎。先定义问题，再确定相关的数据集类型，然后要求输出简洁的结果：最强依赖、亚组差异、方向性，以及可能的混杂因素，例如 lineage effect 或广泛 essential gene。这样 depmap 的结果才更适合后续 Data Analysis 使用。

depmap 技能常见问题

depmap 只适合肿瘤学工作吗？

是的，主要是。depmap 围绕癌细胞系和依赖性数据设计，因此最适合用于肿瘤靶点验证、脆弱性发现以及相关假设检验，而不是通用生物医学检索。

depmap 和普通 prompt 有什么不同？

普通 prompt 可能只是概括 DepMap 概念，而 depmap 技能的目标是围绕 dependency scores、突变背景和解读方式引导你完成一套结构化分析流程。和不带上下文地让模型“查一下 DepMap”相比，这通常能产出更清晰、更可执行的结果。

depmap 对新手友好吗？

如果你能说出一个基因、一个癌种，或者一个响应问题，它对新手是可以用的。真正的限制不在技能本身，而在输入质量：如果你没有说明生物学背景，depmap 就很难可靠地缩小结果范围。

什么时候不该用 depmap？

当你需要患者级证据、wet-lab 验证，或者非癌症生物学问题时，不要用 depmap。如果你的问题依赖某个 DepMap 中并未体现的非常特定的外部数据集，它也不是好选择。

如何改进 depmap 技能

给技能一个清晰的分析框架

最好的 depmap 结果来自明确了基因、背景和决策目标的问题。请把具体基因或通路、癌种亚型，以及你关心的是 essentiality、synthetic lethality 还是 drug sensitivity 都写清楚。例如：“Compare dependency of POLR2A across ovarian, lung, and colorectal lines, and flag whether the signal looks lineage-driven or mutation-linked.”

让输出更可解释

请直接要求你真正会用到的输出：排序后的候选项、亚组对比、关键 caveat，以及简短建议。如果你只要求“results”，答案可能会过于宽泛，不适合 depmap for Data Analysis；如果你要求“top dependencies in BRAF-mutant melanoma with brief interpretation and known confounders”，得到的就会是更接近决策场景的读数。

在第一次结果基础上继续迭代

如果第一轮 depmap 答案太宽泛，就按 lineage、alteration type 或 assay type 收窄；如果太窄，就扩展到相邻基因或相关谱系。最实用的迭代方式是：先做 broad screen，再看 subgroup，然后结合 essentiality 和 selectivity 做解释。