前言¶

做整合組學分析時，常見一步是把兩個矩陣（比如轉錄組和蛋白組，或者代謝組和蛋白組）放在一起看：兩組特徵之間相關性有多強，拼成一個矩陣後誰對方差的貢獻更大——後者直接決定了 PCA 第一主成分更偏向哪個組學。自己寫腳本算，容易在標準化、缺失值處理和協方差定義上出錯，腳本用完就丟，下次還得重寫。下面介紹的這個 Skill 把這件事做成一個可調用的託管執行器：輸入 JSON，返回結構化結果。

這是什麼¶

多組學整合 / Multi-omics integration，由社區開發者 user_f4fc8899 發佈在 SkillHub，當前版本 1.4.20，分類 data-analysis，來源 community，座標 @user_f4fc8899/bio-multi-omics-integration-integrated。它面向「兩組學矩陣」這一個具體場景，做兩件診斷性質的事：跨矩陣特徵的 Pearson 相關，以及拼接矩陣中各組學的方差貢獻。所謂「PCA 前診斷」，指的是在真正跑 PCA 之前先量化兩組數據的關係和各自權重，避免把一個被單一組學主導的結果誤讀成跨組學結論。

核心功能¶

按官方簡介，能力限定在以下兩點：

1、跨矩陣特徵 Pearson 相關：計算兩個矩陣之間特徵對的相關性，用來判斷兩組學測量的是不是同一批生物學信號。
2、拼接矩陣方差貢獻：把兩組學矩陣拼接後，評估每個組學對方差的貢獻，作爲 PCA 前的診斷指標。

安裝與啓用¶

該 Skill 託管在 SkillHub，不需要本地安裝上游工具鏈。按抓取資料，標籤爲 pricing_type=alipay、requires_api_key=false，即不要求 API key。官方入口：

SkillHub 頁面: 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
座標:        @user_f4fc8899/bio-multi-omics-integration-integrated

需要說明：本次抓取時官方頁面無法訪問，抓取資料中也沒有可直接複製的安裝命令，更沒有 Cursor / Codex CLI / Claude Code 各自的接入步驟。這些命令在覈實前不寫，請到上面的官方頁面按你的客戶端類型確認。

典型用法¶

官方簡介給出的調用契約是：註冊的託管執行器接收文檔化的 JSON 輸入，返回結構化內容，並在提供相應參數時返回 Markdown。執行器不運行上游本地工具鏈，也不操作第三方賬戶，交付物只有經過驗證的服務器響應。

也就是說調用流程是「準備 JSON 輸入 → 發給託管執行器 → 取回結構化 / Markdown 結果」，不需要在本地跑 R 或 Python 環境。具體字段名（矩陣的行列結構、缺失值如何表示、是否自動標準化）官方簡介沒有列出，使用前需查官方文檔，不要按經驗假設字段。

適用場景與注意¶

適合：手上只有兩組學矩陣、想快速得到相關性和方差貢獻診斷，且希望結果來自一個固定的託管執行器而非臨時腳本。

限制：

1、只處理兩組學，三組及以上不在範圍內。
2、輸出是診斷指標，不是下游建模（PCA 本身、聚類、迴歸都不包含）。
3、託管執行器不跑本地工具鏈，如果你的矩陣需要特定預處理（歸一化、批次校正），得先自行處理好再輸入。
4、截至抓取時間（2026-11-04），頁面顯示評分 100000、下載 984 次、安裝 0 次。100000 很可能是初始佔位分，安裝數爲 0 說明目前接入實例極少。選擇時以功能是否匹配爲準，不要以評分作依據。

結尾¶

這個 Skill 的價值在於把「兩組學矩陣的相關性 + 拼接方差貢獻」這兩步 PCA 前診斷固化成一個可複用的託管執行器，省掉臨時寫腳本和算錯的風險。如果你正好在做兩組學整合，可以從上面的官方地址進去確認輸入字段和客戶端接入方式。