前言¶

做整合组学分析时，常见一步是把两个矩阵（比如转录组和蛋白组，或者代谢组和蛋白组）放在一起看：两组特征之间相关性有多强，拼成一个矩阵后谁对方差的贡献更大——后者直接决定了 PCA 第一主成分更偏向哪个组学。自己写脚本算，容易在标准化、缺失值处理和协方差定义上出错，脚本用完就丢，下次还得重写。下面介绍的这个 Skill 把这件事做成一个可调用的托管执行器：输入 JSON，返回结构化结果。

这是什么¶

多组学整合 / Multi-omics integration，由社区开发者 user_f4fc8899 发布在 SkillHub，当前版本 1.4.20，分类 data-analysis，来源 community，坐标 @user_f4fc8899/bio-multi-omics-integration-integrated。它面向「两组学矩阵」这一个具体场景，做两件诊断性质的事：跨矩阵特征的 Pearson 相关，以及拼接矩阵中各组学的方差贡献。所谓「PCA 前诊断」，指的是在真正跑 PCA 之前先量化两组数据的关系和各自权重，避免把一个被单一组学主导的结果误读成跨组学结论。

核心功能¶

按官方简介，能力限定在以下两点：

1、跨矩阵特征 Pearson 相关：计算两个矩阵之间特征对的相关性，用来判断两组学测量的是不是同一批生物学信号。
2、拼接矩阵方差贡献：把两组学矩阵拼接后，评估每个组学对方差的贡献，作为 PCA 前的诊断指标。

安装与启用¶

该 Skill 托管在 SkillHub，不需要本地安装上游工具链。按抓取资料，标签为 pricing_type=alipay、requires_api_key=false，即不要求 API key。官方入口：

SkillHub 页面: https://www.skillhub.cn/skills/user_f4fc8899/bio-multi-omics-integration-integrated
API 地址:    https://api.skillhub.cn/user_f4fc8899/bio-multi-omics-integration-integrated
坐标:        @user_f4fc8899/bio-multi-omics-integration-integrated

需要说明：本次抓取时官方页面无法访问，抓取资料中也没有可直接复制的安装命令，更没有 Cursor / Codex CLI / Claude Code 各自的接入步骤。这些命令在核实前不写，请到上面的官方页面按你的客户端类型确认。

典型用法¶

官方简介给出的调用契约是：注册的托管执行器接收文档化的 JSON 输入，返回结构化内容，并在提供相应参数时返回 Markdown。执行器不运行上游本地工具链，也不操作第三方账户，交付物只有经过验证的服务器响应。

也就是说调用流程是「准备 JSON 输入 → 发给托管执行器 → 取回结构化 / Markdown 结果」，不需要在本地跑 R 或 Python 环境。具体字段名（矩阵的行列结构、缺失值如何表示、是否自动标准化）官方简介没有列出，使用前需查官方文档，不要按经验假设字段。

适用场景与注意¶

适合：手上只有两组学矩阵、想快速得到相关性和方差贡献诊断，且希望结果来自一个固定的托管执行器而非临时脚本。

限制：

1、只处理两组学，三组及以上不在范围内。
2、输出是诊断指标，不是下游建模（PCA 本身、聚类、回归都不包含）。
3、托管执行器不跑本地工具链，如果你的矩阵需要特定预处理（归一化、批次校正），得先自行处理好再输入。
4、截至抓取时间（2026-11-04），页面显示评分 100000、下载 984 次、安装 0 次。100000 很可能是初始占位分，安装数为 0 说明目前接入实例极少。选择时以功能是否匹配为准，不要以评分作依据。

结尾¶

这个 Skill 的价值在于把「两组学矩阵的相关性 + 拼接方差贡献」这两步 PCA 前诊断固化成一个可复用的托管执行器，省掉临时写脚本和算错的风险。如果你正好在做两组学整合，可以从上面的官方地址进去确认输入字段和客户端接入方式。