Lokalisierter Leseleitfaden

scvi-toolsZweck, Verwendung und Quelle

Deep Learning für die Einzelzellanalyse mit scvi-tools. Diese Fähigkeit sollte eingesetzt werden, wenn Benutzer (1) Datenintegration und Stapelkorrektur mitscVI/scANVI, (2) ATAC-seq-Analyse mit PeakVI, (3) CITE-seq multimodale Analyse mit totalVI, (4) Multiom-RNA+ATAC-Analyse mit MultiVI, (5) räumliche Transkriptom-Dekonvolution mit DestVI, (6) Labelübertragung und Referenzzuordnung mitscANVI/scArches, (7) RNA-Geschwindigkeit mit veloVI oder (8) Jede auf Deep Learning basierende Einzelzellmethode. Auslöser sind unter anderem Erwähnungen von scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, Variational Autoencoder, VAE, Batch-Korrektur, Datenintegration, Multimodalität, CITE-seq, Multiom, Referenzmapping und latentem Raum.

Quelle abgerufen: 2026-10-29

Quell-Repository: anthropics/knowledge-work-plugins
SKILL.md: bio-research/skills/scvi-tools/SKILL.md
Repository-Sterne: 34,049
Repository zuletzt aktualisiert: 2026-10-30
Fähigkeitskategorien: Forschung
Letzte Datenerfassung: 2026-10-31 10:38 UTC+08:00

Lizenz: Lizenzdatei: Prüfung ausstehend

Original SKILL.md

Die Workflow-Auszüge dienen als Lesehilfe und sind keine ausführbaren Anweisungen von Codez. Für die Erstellung dieser Seite wurde keine Drittanbieter-Skill verwendet.

Die folgenden Abschnitte zu Zweck und Arbeitsablauf sind vorgelagertes Material, das zur besseren Lesbarkeit aufbereitet und übersetzt wurde. Sie unterscheiden sich von der separat gekennzeichneten redaktionellen Analyse von Codez.

Was diese Fähigkeit bewirkt

Wie der vorgelagerte Workflow funktioniert

Wie man diese Fähigkeit anwendet

Identifizieren Sie den geeigneten Arbeitsablauf aus demmodel/workflowLesen Sie die zugehörigen Referenzdateien für detaillierte Schritte und Code. Verwenden Sie Skripte in den folgenden Tabellen.scripts/Um das erneute Schreiben von häufig verwendetem Code zu vermeiden, wenden Sie sich bei Installations- oder GPU-Problemen an [Kontaktinformationen einfügen].references/environment_setup.md

Aufwärtspassage · L10 ↗

Wann man diese Fähigkeit einsetzen sollte

Wenn scvi-tools, scVI, scANVI oder verwandte Modelle erwähnt werden; wenn eine Batch-Korrektur oder -Integration auf Basis von Deep Learning erforderlich ist; bei der Arbeit mit multimodalen Daten (CITE-seq, Multiome); wenn Referenzmapping oder Label-Transfer erforderlich ist.

Aufwärtspassage · L18 ↗

scvi-tools Deep Learning Skill

Diese Funktion bietet Anleitungen für die auf Deep Learning basierende Einzelzellanalyse mit scvi-tools, dem führenden Framework für probabilistische Modelle in der Einzelzellgenomik.

Aufwärtspassage · L6 ↗

Aufwärtspassage · bash ↗

# 1. Validate input data
python scripts/validate_adata.py raw.h5ad --batch-key batch --suggest

# 2. Prepare data (QC, HVG selection)
python scripts/prepare_data.py raw.h5ad prepared.h5ad --batch-key batch --n-hvgs 2000

# 3. Train model
python scripts/train_model.py prepared.h5ad results/ --model scvi --batch-key batch

# 4. Cluster and visualize
python scripts/cluster_embed.py results/adata_trained.h5ad results/ --resolution 0.8

# 5. Differential expression
python scripts/differential_expression.py results/model results/adata_clustered.h5ad results/de.csv --groupby leiden

Anforderungen und Einrichtung

Kritische Anforderungen

Erforderliche Rohdaten: scvi-tools-Modelle benötigen ganzzahlige Zähldaten. HVG-Auswahl: Verwenden Sie2000-4000hochvariable Gene

Aufwärtspassage · L106 ↗

Grenzwerte und Qualitätskontrollen

Aus dieser Datei wurde kein separater Grenzwertabschnitt ausgewählt. Dies bedeutet nicht, dass die Anwendung für jede Eingabe oder Umgebung geeignet ist. Überprüfen Sie den vollständigen Quellcode und validieren Sie Ihr Ergebnis selbst.

Beginnen Sie mit einem sicheren Testlauf

Prüfen Sie den unterstützten Host und die Installationsanweisungen für das Repository. Halten Sie das Skill-Verzeichnis und die darin enthaltenen Skripte, Assets und Dokumentationen zusammen;SKILL.mdEine Einzelperson kann Abhängigkeiten außer Acht lassen.
Geben Sie dem Agenten Ihre tatsächlichen Eingaben, die gewünschten Ausgaben und die Akzeptanzkriterien an. Aufrufsyntax und verfügbare Tools hängen vom Hostsystem ab; diese Website geht nicht von einem universellen Installationsbefehl aus.
Testen Sie den Quellworkflow in einem temporären Projekt oder auf einer Kopie. Überprüfen Sie Vorgänge, die Dateien, Remote-Dienste oder abrechnungsfähige Ressourcen ändern, bevor Sie diese zulassen.
Überprüfen Sie die Ausgabe anhand der Quellqualitätsprüfungen und Ihrer eigenen Anforderungen. Ein erfolgreicher Trigger oder eine hohe Anzahl von Sternen im Repository garantiert kein korrektes Ergebnis.

Spezifikation des Kompetenzformats und des Verzeichnisses ↗

Lesen Sie mehr dazu in der Quelle.

Übersetzung und Umfang

Dieser Leseleitfaden wählt Passagen aus dem markierten stromaufwärts gelegenen Abschnitt aus.SKILL.mdDie Übersetzung wurde unterstützt. Es handelt sich weder um ein vollständiges Handbuch noch um eine Garantie für geprüfte Kompatibilität. Lesen Sie vor der Verwendung das Original und die darin referenzierten Dateien.

Diese Einleitung bezieht sich auf die unten angepinnte Version; die aktuelle Repository-Aktivität und der Erfassungszeitpunkt werden separat angezeigt.

Angeheftete Quelle: Lesen Sie das Original ↗
Quelle abgerufen: 2026-10-29T09:32:23Z
Source-Commit: 2574e29377c7173d0cecffef29a6ecbd7f8ccb5d
Quelle SHA-256: 03a69b32b77db86afe5f87b75db2ae4c92b03b6e9e16e2c5e66cde2d4ad9c5bc

Zurück zum vollständigen Kompetenzkatalog