綜合多組學疾病表徵，整合基因組學、轉錄組學、蛋白質組學、路徑和治療層，以實現系統級理解。產生詳細的多組學報告，包括定量置信度評分 (0-100)、跨層基因一致性分析、候選生物標記、治療機會和機制假設。在 8 個分析層使用 80 多個 ToolUniverse 工具。當使用者詢問疾病機制、多組學分析、疾病系統生物學、生物標記發現或從疾病角度識別治療標靶時使用。
透過命令列快速安裝 tooluniverse-multiomic-disease-characterization AI 技能到你的開發環境
來源：mims-harvard/tooluniverse。
Characterize diseases across multiple molecular layers (genomics, transcriptomics, proteomics, pathways) to provide systems-level understanding of disease mechanisms, identify therapeutic opportunities, and discover biomarker candidates.
| disease | Yes | Disease name, OMIM ID, EFO ID, or MONDO ID | Alzheimer disease, MONDO0004975 | | tissue | No | Tissue/organ of interest | brain, liver, blood | | focuslayers | No | Specific omics layers to emphasize | genomics, transcriptomics, pathways |
| 80-100 | Excellent | Comprehensive multi-omics coverage, high confidence, strong cross-layer concordance | | 60-79 | Good | Good coverage across most layers, some gaps | | 40-59 | Moderate | Moderate coverage, limited cross-layer integration | | 0-39 | Limited | Limited data, single-layer analysis dominates |
為搜尋與 AI 引用準備的穩定欄位與指令。
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-multiomic-disease-characterization綜合多組學疾病表徵，整合基因組學、轉錄組學、蛋白質組學、路徑和治療層，以實現系統級理解。產生詳細的多組學報告，包括定量置信度評分 (0-100)、跨層基因一致性分析、候選生物標記、治療機會和機制假設。在 8 個分析層使用 80 多個 ToolUniverse 工具。當使用者詢問疾病機制、多組學分析、疾病系統生物學、生物標記發現或從疾病角度識別治療標靶時使用。 來源：mims-harvard/tooluniverse。
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-multiomic-disease-characterization 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/mims-harvard/tooluniverse