Obo Foundry Ontologies (Grade A)Compétence data‑AI testée en matière de sécurité pour Claude AI. Grade A.

— (0)

Évalué par Daniel Nikulshyn·Mis à jour juillet 2026

Aperçu

La compétence OBO Foundry Ontologies donne accès à des ontologies biomédicales standardisées pertinentes pour la médecine vétérinaire, notamment VBO (race), UBERON (anatomie), HP/MP (phénotypes), ChEBI (substances chimiques) et NCBITaxon (taxonomie des espèces). Ces ontologies permettent un raisonnement structuré entre espèces, phénotypes, caractéristiques anatomiques et substances chimiques. Pour l'IA vétérinaire, elles offrent des cadres sémantiques formels pour la classification des races, la cartographie anatomique, les phénotypes de maladies héréditaires et l'annotation génétique interspécifique. Les ontologies sont utilisées pour normaliser les données vétérinaires avec des termes d'ontologie, exécuter des requêtes SPARQL sur des jeux de données liés, cartographier des variantes génétiques et permettre le raisonnement sur les maladies interspécifiques.

Fonctionnalités clés

Accès à VBO (Vertebrate Breed Ontology) avec 49 espèces et plus de 19 500 concepts de races
Intégration avec UBERON (Uber-Anatomy Ontology) pour l'anatomie multi‑espèces
HP/MP (Human/Mammalian Phenotype Ontologies) pour des manifestations de maladies standardisées
ChEBI (Chemical Entities of Biological Interest) pour les médicaments et composés à petite molécule
NCBITaxon (NCBI Taxonomy Ontology) pour la taxonomie des espèces

Tarifs

Modèle: Free
Catégorie: Compétences
Note: Pas encore d’avis

Cas d’usage

Standardisation des données vétérinaires

Utilisation des ontologies OBO Foundry pour standardiser les données vétérinaires avec des termes d'ontologie, permettant des comparaisons interspécifiques et un raisonnement.

Raisonnement sur les maladies interspécifiques

Permettre le raisonnement sur les maladies interspécifiques en cartographiant les variantes génétiques canines vers les gènes orthologues humains et en reliant les signes cliniques vétérinaires aux bases de données de maladies héréditaires.

Pour & contre

Pour

Permet une représentation des données standardisée entre médecine vétérinaire et humaine
Facilite le raisonnement et le mappage interspécifiques
Fournit des cadres sémantiques formels pour la classification des races et les phénotypes de maladies
Supporte les requêtes SPARQL sur des jeux de données liés

Contre

Nécessite une expertise en structure d'ontologie et relations sémantiques
Peut nécessiter des ressources informatiques importantes pour les requêtes à grande échelle

Avis

Connecte-toi pour laisser un avis.

Pas encore d’avis. Sois le premier !

Questions & réponses

Quelle expertise technique est nécessaire pour utiliser cette compétence efficacement ?

Les utilisateurs doivent être familiers des structures ontologiques et des relations sémantiques, et avoir suffisamment de ressources computationnelles pour gérer des requêtes à grande échelle, car la puissance de la compétence provient de grands ensembles de données liés.

Asked by Mei-Ling Wong · Feb 15, 2026

Puis-je exécuter des requêtes SPARQL sur ces ontologies pour une analyse inter-espèces ?

Oui, cette compétence soutient les requêtes SPARQL sur les ontologies OBO Foundry liées, permettant une inférence structurée et la cartographie des races, anatomie, phénotypes et composés chimiques entre espèces.

Asked by Vera Nováková · Jan 22, 2026

Quels ontologiques vétérinaires sont inclus et qu'est-ce qu'ils couvrent ?

Cette compétence inclut VBO avec 49 espèces et plus de 19 500 concepts de race, UBERON pour l'anatomie multi-espèces, HP/MP pour les termes de phénotype, ChEBI pour les composés chimiques, et NCBITaxon pour la taxonomie, couvrant un large éventail de données biomédicales vétérinaires.

Asked by Paloma Ruiz · Dec 19, 2025

Poser une question

Alternatives à Compétences

Using Git Worktrees (Grade A)Compétences

Création de workspaces isolés en sécurité pour le développement de fonctionnalités avec la skill Claude AI A+

— (0)

Free

Ga4 Bigquery Schema (Grade A)Compétences

Compétence de données-IA évaluée en termes de sécurité pour Claude AI. Grade A. Raisonnement de référence du schéma d'export de BigQuery pour GA4 — référence complète du champ, structures imbriquées, modèles de requête, et conseils de performance

— (0)

Free

Meta Capi (Grade A)Compétences

Compétence data‑AI sécurisée pour Claude AI. Grade A.

— (0)

Free

Callees (Grade A)Compétences

Compétence de développement testée en matière de sécurité pour Claude AI. Grade A. Liste ce qu'une fonction/méthode appelle (graphe d'appels direct)

— (0)

Free

Test Module Name (Grade A)Compétences

Module de test nommagent selon le modèle de test suivi

— (0)

Free

Board Of Directors (Grade A)Compétences

Compétence data‑ai vérifiée en matière de sécurité pour Claude AI. Grade A.

— (0)

Free

Advpl Mvc Avancado (Grade A)Compétences

Compétence de développement testée en sécurité pour Claude AI. Grade A. MVC avancé via PE (Pontos de Entrada) — ajouter des grilles personnalisées dans les écrans MVC standard (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU)

— (0)

Free

Docs Writer (Grade A)Compétences

Évaluation de sécurité pour la compétence devops de Claude AI. Grade A. **COMPÉTENCE DE CIRCUIT** — Maintient la précision et la fraîcheur de la documentation du dépôt à travers le site de docs, les fichiers de l'agent et le journal des modifications. LORSQUE : « mise à jour des docs »

— (0)

Free