OpenClaw Medical Skills: The Largest Open-Source Medical AI Skill Library
摘要
OpenClaw Medical Skills是一个包含869个精选AI技能的开源医疗技能库，覆盖临床研究、基因组学、药物发现、生物信息学和医疗设备等全领域。该技能库专为OpenClaw/NanoClaw（基于Claude的个人AI助手框架）设计，能将通用AI代理转化为强大的医学与科研助手。每个技能都是独立模块，具备专业领域知识、数据库连接能力和临床相关输出功能。
一、项目概况
1.1 核心定位
OpenClaw Medical Skills定位为生物医学和临床研究领域的全方位AI技能集合。截至2026年3月，该项目已收录869个精选技能，涵盖从基础科研到临床应用的完整生态链。
该技能库的核心价值在于：
1.2 技术架构
安装方式
项目支持四种主要安装方法：
对于OpenClaw用户，技能从两个位置加载：
- 高优先级：<workspace>/skills/（每工作区，推荐）
- 低优先级：~/.openclaw/skills/（全局共享）
NanoClaw集成
NanoClaw用户需将技能复制到容器技能目录并重建容器：
bash
cp -r OpenClaw-Medical-Skills/skills/* /path/to/nanoclaw/container/skills/
./container/build.sh
二、技能分类体系
2.1 技能类别统计
| | |
|---|
| | |
| | |
| | |
| | 变异分析、测序QC、差异表达、通路、单细胞、表观遗传学 |
| | |
| | |
| | |
| | |
| 总计 | 869 | |
2.2 核心类别深度解析
2.2.1 医疗与临床（119个技能）
临床工具套件
- pubmed-search：PubMed文献检索，支持论文查找、研究检索和出版物发现
- medical-research-toolkit：查询14+生物医学数据库（ChEMBL、PubMed、ClinicalTrials.gov、OpenTargets等）
- clinical-reports：生成符合CARE指南的临床报告、诊断报告（影像/病理/实验室）、临床试验报告（ICH-E3、CSR）及患者文档（SOAP、病史记录、出院总结），符合HIPAA/FDA/ICH-GCP标准
药物安全与化学生物学
- tooluniverse-pharmacovigilance：分析FDA不良事件报告、药品标签警告和药物基因组学数据，计算PRR/ROR，识别严重不良事件
- tooluniverse-drug-drug-interaction：DDI预测与风险评估，分析CYP450/转运体机制、严重程度分类，支持多药分析（3种以上药物）
医学影像与病理学
- pydicom：处理DICOM医学影像文件，支持读取、写入、修改、提取像素数据
- histolab：数字病理学图像处理工具包，处理全幅切片图像（WSI），从HE或IHC染色组织提取切片
- pathml
2.2.2 科学数据库（43个技能）
基因组学与变异数据库
- clinvar-database：查询NCBI ClinVar变异临床意义，按基因/位置搜索，解释致病性分类
- cosmic-database：访问COSMIC癌症突变数据库，查询体细胞突变、癌症基因普查、突变特征、基因融合（需认证）
- ensembl-database：查询Ensembl基因组数据库REST API，支持250+物种的基因查找、序列检索、变异分析
蛋白质、通路与药物数据库
- alphafold-database：访问AlphaFold的2亿+AI预测蛋白质结构，按UniProt ID检索，下载PDB/mmCIF文件
- string-database：查询STRING API获取蛋白质-蛋白质相互作用（5900万蛋白质，200亿相互作用），网络分析、GO/KEGG富集
- chembl-database：查询ChEMBL生物活性分子和药物发现数据，按结构/性质搜索化合物，检索生物活性数据（IC50、Ki）
2.2.3 生物信息学（239个技能）
序列分析与比对
- bio-alignment-io：使用pysam和samtools读写SAM/BAM/CRAM比对文件
- bio-read-alignment-bwa-alignment
- bio-read-alignment-star-alignment：使用高速STAR比对器进行RNA-seq剪接感知比对
变异检测与注释
- bio-variant-calling
- bio-variant-annotation
- bio-vcf-statistics
差异表达与转录组学
- bio-de-deseq2-basics：DESeq2差异表达分析（设计矩阵、归一化因子、离散度）
- bio-differential-splicing
- bio-ribo-seq-translation-efficiency：从匹配的RNA-seq和Ribo-seq计算翻译效率比
单细胞与空间组学
- bio-single-cell-clustering：使用Scanpy/Seurat的Leiden/Louvain算法进行单细胞聚类
- bio-spatial-transcriptomics-spatial-domains：使用SpatialDE/BANKSY识别空间变异基因和组织域
- bio-single-cell-lineage-tracing：从带克隆条形码的scRNA-seq重建细胞谱系树
2.2.4 BioOS扩展套件（285个技能）
肿瘤学与精准医疗
- autonomous-oncology-Agent：自主肿瘤学研究代理（文献挖掘、试验匹配、生物标志物分析、治疗假说生成）
- precision-oncology-agent：精准肿瘤学（肿瘤分子图谱→可操作改变→治疗建议）
- tumor-clonal-evolution-agent：肿瘤克隆进化模型（系统发育树、克隆动力学、体细胞变异分支模式）
血液学与血液疾病
- myeloma-mrd-agent：多发性骨髓瘤微小残留病评估（流式细胞术和NGS数据）
- mpn-progression-monitor-agent
- hemoglobinopathy-analysis-agent：血红蛋白变异分析、镰状细胞病和地中海贫血基因型-表型评估
免疫学与细胞治疗
- cart-design-optimizer-agent：优化CAR-T细胞构建设计（scFv选择、连接子、共刺激结构域）
- tcr-repertoire-analysis-agent：TCR库分析（V(D)J使用、克隆型动力学、抗原特异性）
- immune-checkpoint-combination-agent
药物发现与设计
- agentd-drug-discovery：AgentD自主药物发现（靶点识别、先导化合物发现、ADMET优化）
- chemcrow-drug-discovery：ChemCrow药物发现工具包（网络搜索、Python、化学工具集成）
- protac-design-agent：PROTAC设计（E3连接酶配体选择、连接子优化、三元复合物建模）
三、关键技术能力
3.1 临床决策支持
OpenClaw Medical Skills提供全方位的临床决策支持能力：
临床试验匹配
- tooluniverse-clinical-trial-matching：患者-试验匹配，用于精准医疗和肿瘤学。根据分子资格、临床标准、生物标志物一致性和地理可行性对ClinicalTrials.gov的试验进行排名，生成试验匹配评分（0-100）
精准肿瘤学应用
- tooluniverse-precision-oncology：基于分子图谱为癌症患者提供可操作的治疗建议，解释肿瘤突变、识别FDA批准的疗法、临床试验和耐药机制
变异解读
- tooluniverse-variant-interpretation：从原始调用到ACMG分类建议的系统化临床变异解读，整合ClinVar、gnomAD、文献和群体数据库的证据
3.2 药物研发能力
药物重定位
- tooluniverse-drug-repurposing：使用基于靶点、基于化合物和疾病驱动的策略识别药物重定位候选，通过分析靶点、生物活性和安全性特征为已批准药物寻找新适应症
DDI预测
该技能库内置先进的药物-药物相互作用预测系统，支持：
3.3 基因组学分析
GWAS研究支持
项目提供完整的全基因组关联研究工具链：
- tooluniverse-gwas-trait-to-gene：使用GWAS目录（50万+关联）和Open Targets Genetics基因座到基因预测发现与疾病和性状相关的基因
- tooluniverse-gwas-drug-discovery：将GWAS信号转化为药物靶点和重定位机会，执行基因座到基因映射、成药性评估
- tooluniverse-gwas-finemapping：使用统计精细定位识别GWAS基因座的因果变异，计算因果变异识别的后验概率和可信区间
多组学整合
- tooluniverse-multi-omics-integration：整合转录组学、蛋白质组学、表观遗传学、基因组学和代谢组学用于系统生物学和精准医疗
- bio-multi-omics-mofa-integration：使用MOFA+进行多组学因子分析，发现跨模态的潜在因子
四、工作流与流程编排
4.1 ClawBio流程（21个技能）
生物信息学编排
- bio-orchestrator：元代理将生物信息学请求路由到专业子技能，处理文件类型检测（VCF、FASTQ、BAM、PDB、h5ad）、分析规划、报告生成和可重现性导出
- scrna-orchestrator：本地Scanpy流程，用于单细胞RNA-seq的QC、聚类、标记发现和双组差异表达（从原始计数.h5ad文件）
基因组学与血统分析
- gwas-lookup：跨9个基因组数据库的联合变异查询（GWAS目录、Open Targets、PheWeb（UKB、FinnGen、BBJ）、GTEx、eQTL目录等）
- claw-ancestry-pca：针对西蒙斯基因组多样性项目（345个样本，164个全球人群）的血统分解PCA
- equity-scorer：从VCF或血统数据计算HEIM多样性和公平性指标，生成杂合性、FST、PCA图和HEIM公平性评分及markdown报告
4.2 端到端工作流
项目提供20+完整的端到端分析流程：
| |
|---|
| bio-workflows-fastq-to-variants | |
| bio-workflows-rnaseq-to-de | RNA-seq → 比对 → 计数 → DESeq2差异表达 |
| bio-workflows-scrnaseq-pipeline | 单细胞RNA-seq端到端：Cell Ranger → Scanpy → 聚类 |
| bio-workflows-gwas-pipeline | GWAS：QC → 插补 → 关联 → 精细定位 → 注释 |
| bio-workflows-somatic-variant-pipeline | 肿瘤-正常体细胞变异检测（GATK Mutect2/Strelka2） |
| bio-workflows-multi-omics-pipeline | |
五、数据可视化与报告
5.1 科学可视化工具
生物信息学可视化
- bio-data-visualization-heatmaps-clustering：使用ComplexHeatmap或seaborn的层次聚类热图
- bio-data-visualization-circos-plots：使用Circos或pycirclize的环形基因组可视化
- bio-data-visualization-genome-browser-tracks：从BAM/BigWig生成基因组浏览器轨道和IGV会话
出版级图表
项目集成多个出版级可视化工具：
- matplotlib：用于完全自定义的低级绘图库，生成科学手稿和期刊的出版质量图表
- seaborn：与pandas集成的统计可视化，用于生物医学数据探索的箱线图、小提琴图、热图
- plotly：交互式可视化，用于探索性生物医学分析和演示的悬停信息、缩放、仪表板
5.2 报告生成系统
自动化报告
- bio-reporting-automated-qc-reports
- bio-reporting-jupyter-reports：创建带有可重现分析代码的Jupyter笔记本报告
- bio-reporting-quarto-reports：从分析代码构建Quarto多格式报告（HTML/PDF）
科研文档工具
- scientific-writing：使用两阶段流程编写科学手稿（章节大纲然后完整文本），覆盖研究论文的所有部分
- latex-posters：用LaTeX创建专业研究海报（beamerposter、tikzposter），多栏布局的会议海报
- scientific-slides：构建研究演示幻灯片（会议、研讨会、论文答辩），支持PowerPoint和LaTeX Beamer
六、实验室自动化与集成
6.1 实验室平台集成
Opentrons集成
- opentrons-integration：Flex/OT-2机器人实验室自动化平台，编写Protocol API v2协议，液体处理、硬件模块（加热振荡器、热循环仪）、实验室器具管理
电子实验室笔记本
- benchling-integration：Benchling研发平台集成，通过API访问注册表（DNA、蛋白质）、库存、ELN条目、工作流
- labarchive-integration：电子实验室笔记本API集成，访问笔记本、管理条目/附件、备份笔记本
6.2 仪器数据处理
- instrument-data-to-allotrope：将实验室仪器输出文件（PDF、CSV、Excel、TXT）转换为Allotrope简单模型（ASM）JSON格式，用于LIMS系统、数据湖和下游分析
七、AI代理与智能系统
7.1 BioOS扩展代理系统
肿瘤学代理
- autonomous-oncology-agent：自主肿瘤学研究代理，执行文献挖掘、试验匹配、生物标志物分析和治疗假说生成
- tumor-clonal-evolution-agent：肿瘤克隆进化模型，从体细胞变异构建系统发育树、克隆动力学和分支模式
- liquid-biopsy-analytics-agent：综合液体活检分析（ctDNA检测、MRD监测、治疗响应）
临床AI代理
- chatehr-clinician-assistant：EHR临床助手（病历摘要、结构化数据提取、临床决策支持）
- digital-twin-clinical-agent
- trialgpt-matching：TrialGPT患者-试验匹配，从临床病历评估资格
7.2 专业分析师角色
项目提供四种专业分析师角色：
- biologist-analyst：专家生物学家分析师角色，用于解读生物学实验、测序数据、细胞生物学分析和分子生物学研究
- chemist-analyst：专家化学家分析师角色，用于解读化学数据、合成路线、光谱结果、反应机制
- epidemiologist-analyst：专家流行病学家分析师角色，用于研究设计、队列分析、风险因素评估
- psychologist-analyst：专家心理学家分析师角色，用于行为数据分析、心理评估解释
八、项目生态与社区
8.1 开源贡献
该项目受益于多个优秀的开源项目：
- LLMs-Universal-Life-Science-and-Clinical-Skills-
等
8.2 技术栈与工具
核心Python库
- biopython：分子生物学的主要Python工具包（PubMed/NCBI查询、序列操作、文件解析）
- scanpy：单细胞RNA-seq分析（加载数据、QC、归一化、降维、聚类、标记基因）
- rdkit：化学信息学工具包（SMILES/SDF解析、描述符、指纹、亚结构搜索）
深度学习框架
- transformers：用于NLP、计算机视觉、音频的预训练transformer模型（文本生成、分类、生物医学NLP如BioBERT、ClinicalBERT）
- pytorch-lightning：用于生物医学AI的组织化PyTorch深度学习（多GPU训练、回调、日志记录）
九、应用场景与价值
9.1 临床应用场景
精准医疗
通过整合基因组数据、临床表型和治疗响应信息，该技能库可支持：
诊断辅助
利用医学影像分析、病理学AI和多组学整合能力：
9.2 科研应用价值
药物研发加速
基础研究支持
9.3 产业化前景
该技能库为生物医药企业提供：
- 研发效率提升
- 成本优化
- 知识管理
- 合规保障：内置FDA、HIPAA、ICH-GCP等合规标准
十、技术优势与创新点
10.1 模块化设计
每个技能都是独立的功能模块，具有以下特点:
独立性与可组合性
标准化接口
所有技能采用统一的JSON Schema定义:
json
{
"skill_id": "unique-identifier",
"inputs": {...},
"outputs": {...},
"dependencies": [...]
}
10.2 知识图谱增强
领域知识集成
技能库内置生物医学知识图谱,包含:
上下文感知推理
通过知识图谱实现:
10.3 持续学习机制
社区驱动更新
迭代优化
性能监控与反馈循环
10.4 开放性与互操作性
API接口
提供RESTful API,允许外部系统集成和调用技能:
标准化数据格式
支持多种标准数据格式(JSON, XML, CSV, TSV),便于与其他系统交换数据。
跨平台部署
支持多种运行环境:
- 本地部署(Windows/macOS/Linux)
- 云端服务(AWS/Azure/Google Cloud)
生态系统集成
无缝对接主流生物信息学工具:
10.5 安全性与合规性
数据隐私保护
权限管理
粤ICP备14082021号
免费POC，
零成本试错
