估计阅读时长: 10 分钟 https://github.com/rsharp-lang/athena 在这博客篇文章中的Idea来自于最近进行AI Agent的开发：希望可以有一个方便的框架，能够让我像写普通的R#程序包的方式，为大语言模型编写对应的工具包，实现AI Agent功能。经过了大概一天的摸索，搞定了这样子的AI Agent的框架。我将这个框架取名为雅典娜系统。关于这个系统的名称，我们首先来看看DeepSeek是怎么说的： “我现在正在开发一个和大语言模型助手相关的工具，这个工具可以完成通过自然语言聊天的方式调用相应的工具完成生信数据分析，我需要为这个项目取一个名称，要求这个项目的名称应该是符合下面的需求的：女孩英文名称，和智慧相关的，和科学相关的。为我列举一些候选名称” 根据你的需求（女孩英文名、智慧与科学相关），结合搜索结果中的历史文化名人和寓意，以下是推荐的候选名称及来源解析： 名字 寓意 关联 Athena 源自希腊神话的智慧女神，象征智慧与科学战略。 雅典娜不仅是智慧化身，也代表理性思维，适合强调数据分析与策略的项目。 Clara 拉丁语“明亮、清晰”，象征清晰的科学思维。 […]
[…] 对于基于ec number来生成层级数据，我们直接使用《酶EC编号结构解析》文章末尾所展示的层级数据生成函数来实现。 […]
[…] 在前面的一篇《基因组功能注释（EC Number）的向量化嵌入》博客文章中，针对所注释得到的微生物基因组代谢信息，进行基于TF-IDF的向量化嵌入之后。为了可视化向量化嵌入的效果，通过UMAP进行降维，然后基于降维的结果进行散点图可视化。通过散点图可视化可以发现向量化的嵌入结果可以比较好的将不同物种分类来源的微生物基因组区分开来。 […]
😲啊？
谢老师，写快点呀，在看着你更新文章呢。
[…] 最近的工作中我需要按照之前的这篇博客文章《基因组功能注释（EC Number）的向量化嵌入》中所描述的流程，将好几十万个微生物基因组的功能蛋白进行酶编号的比对注释，然后基于注释结果进行向量化嵌入然后进行数据可视化。通过R#脚本对这些微生物基因组的蛋白fasta序列的提取操作，最终得到了一个大约是58GB的蛋白序列。然后将这个比较大型的蛋白序列比对到自己所收集到的ec number注释的蛋白序列参考数据库之上。 […]