用途：该技能面向 CRISPR-Cas9 功能基因组学筛选，分析 pooled 或 arrayed 的敲除、激活、干扰筛选数据，用于识别必需基因、合成致死互作和潜在治疗靶点。
主要能力：官方介绍提供 8 个阶段的工作流，包括：导入并处理 sgRNA 计数矩阵；质控与过滤；文库规模归一化（中位数比值法或总量法）与 log2 倍数变化计算；基因水平必需性打分，包含类 MAGeCK（RRA 或均值）与类 BAGEL（贝叶斯因子）两种思路；合成致死检测（比较野生型与突变型背景的必需性差异）；通路富集分析；结合 DepMap 进行药物靶点优先级评估；以及与表达和突变数据的整合。
使用方式：资料中给出的是 Python 实现示例，依赖 pandas、numpy，BAGEL 打分使用 scipy.stats.norm。输入为 MAGeCK 格式或通用 TSV 的 sgRNA 计数矩阵，需包含 sgRNA 与 Gene 两列，其余为各样本计数列；随后构建实验设计表（样本、条件、时间点、重复），先运行质控，再按最低读数与最低样本数过滤低计数 sgRNA，归一化，计算处理组与对照组的 log2 倍数变化，然后进行基因水平打分与后续富集分析。富集通过 ToolUniverse 的 Enrichr 接口提交基因列表并获取结果；依赖信息可通过 ToolUniverse 的 PubMed 检索间接查询。
适用场景：适用于全基因组筛选数据的下游分析，例如寻找核心必需基因、条件特异性必需基因、合成致死候选和治疗靶点候选。
限制：资料未给出确切的安装命令、依赖版本和可直接运行的完整工具封装；部分代码（如 Enrichr 结果获取流程）在提供内容中被截断。BAGEL 参考基因集在示例中为示例值（如 RPL5、POLR2A 等），并非通用标准集。ToolUniverse 未提供直接的 DepMap 工具，需用文献检索替代。合成致死示例要求同时具备野生型与突变型细胞的筛选数据，资料未给出真实运行结果或验证数据。