Panduan membaca yang dilokalisasi
scvi-toolsTujuan, penggunaan, dan sumber
Pembelajaran mendalam untuk analisis sel tunggal menggunakan scvi-tools. Keterampilan ini harus digunakan ketika pengguna membutuhkan (1) integrasi data dan koreksi batch denganscVI/scANVI, (2) Analisis ATAC-seq dengan PeakVI, (3) Analisis multimodal CITE-seq dengan totalVI, (4) analisis multiome RNA+ATAC dengan MultiVI, (5) dekonvolusi transkriptomik spasial dengan DestVI, (6) transfer label dan pemetaan referensi denganscANVI/scArches, (7) Kecepatan RNA dengan veloVI, atau (8) metode sel tunggal berbasis pembelajaran mendalam apa pun. Pemicu mencakup penyebutan scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, autoencoder variasional, VAE, koreksi batch, integrasi data, multimodal, CITE-seq, multiome, pemetaan referensi, ruang laten.
Sumber diambil:
- Repositori sumber
- anthropics/knowledge-work-plugins
- SKILL.md
bio-research/skills/scvi-tools/SKILL.md- Bintang Repositori
- 34,049
- Pembaruan terakhir repositori
- 2026-10-30
- Klasifikasi Kemampuan
- Riset
- Waktu pengumpulan terbaru
Lisensi: File lisensi perlu diverifikasi
Cuplikan alur kerja adalah alat bantu baca, bukan instruksi yang dapat dieksekusi dari Codez. Tidak ada Skill pihak ketiga yang dijalankan untuk menghasilkan halaman ini.
Bagian yang menjelaskan tujuan dan alur kerja di bawah ini merupakan materi dari hulu, yang telah diorganisir dan diterjemahkan untuk dibaca. Bagian ini berbeda dari analisis editorial Codez yang diberi label secara terpisah.
Apa yang dilakukan oleh Skill ini?
Pembelajaran mendalam untuk analisis sel tunggal menggunakan scvi-tools. Keterampilan ini harus digunakan ketika pengguna membutuhkan (1) integrasi data dan koreksi batch denganscVI/scANVI, (2) Analisis ATAC-seq dengan PeakVI, (3) Analisis multimodal CITE-seq dengan totalVI, (4) analisis multiome RNA+ATAC dengan MultiVI, (5) dekonvolusi transkriptomik spasial dengan DestVI, (6) transfer label dan pemetaan referensi denganscANVI/scArches, (7) Kecepatan RNA dengan veloVI, atau (8) metode sel tunggal berbasis pembelajaran mendalam apa pun. Pemicu mencakup penyebutan scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, autoencoder variasional, VAE, koreksi batch, integrasi data, multimodal, CITE-seq, multiome, pemetaan referensi, ruang laten.
Bagaimana alur kerja hulu bekerja
Cara Menggunakan Keterampilan Ini
Identifikasi alur kerja yang sesuai darimodel/workflowLihat tabel di bawah ini. Baca file referensi yang sesuai untuk langkah-langkah dan kode terperinci. Gunakan skrip di dalam tabel.scripts/Untuk menghindari penulisan ulang kode umum, untuk masalah instalasi atau GPU, konsultasikan dengan pihak terkait.references/environment_setup.md
Kapan Menggunakan Keterampilan Ini?
Saat scvi-tools, scVI, scANVI, atau model terkait disebutkan; Saat koreksi atau integrasi batch berbasis deep learning diperlukan; Saat bekerja dengan data multimodal (CITE-seq, multiome); Saat pemetaan referensi atau transfer label diperlukan.
Jalur hulu · L18 ↗scvi-tools Keterampilan Pembelajaran Mendalam
Keterampilan ini memberikan panduan untuk analisis sel tunggal berbasis pembelajaran mendalam menggunakan scvi-tools, kerangka kerja terkemuka untuk model probabilistik dalam genomika sel tunggal.
Jalur hulu · L6 ↗# 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 leidenPersyaratan dan pengaturan
Persyaratan Penting
Jumlah mentah yang dibutuhkan: model scvi-tools membutuhkan data jumlah bilangan bulat. Pemilihan HVG: Gunakan2000-4000gen yang sangat bervariasi
Jalur hulu · L106 ↗Batasan dan pemeriksaan kualitas
Tidak ada bagian batasan terpisah yang dipilih dari file ini. Ini tidak berarti Keterampilan ini aman untuk setiap input atau lingkungan. Tinjau sumber lengkapnya dan validasi hasil Anda sendiri.
Mulailah dengan uji coba yang aman.
- Periksa host yang didukung dan petunjuk instalasi repositori. Simpan direktori Skill beserta skrip, aset, dan dokumentasi yang dirujuk di dalamnya secara bersamaan;SKILL.mdsendirian dapat menghilangkan dependensi.
- Berikan input sebenarnya, output yang diinginkan, dan kriteria penerimaan kepada agen. Sintaks pemanggilan dan alat yang tersedia bergantung pada host; situs ini tidak mengasumsikan perintah instalasi universal.
- Cobalah alur kerja sumber dalam proyek sementara atau pada salinannya. Tinjau operasi yang mengubah file, layanan jarak jauh, atau sumber daya yang dapat ditagih sebelum mengizinkannya.
- Validasi output terhadap pemeriksaan kualitas sumber dan persyaratan Anda sendiri. Pemicu yang berhasil atau jumlah bintang repositori yang tinggi tidak menjamin hasil yang benar.
Baca selengkapnya di sumber aslinya.
Keterampilan Terkait
Terjemahan dan ruang lingkup
Panduan membaca ini memilih bagian-bagian dari teks yang telah disematkan di bagian atas.SKILL.mdTerjemahan ini dibantu. Ini bukan manual lengkap atau klaim kompatibilitas yang telah diuji. Bacalah dokumen asli dan file referensinya sebelum digunakan.
Pendahuluan ini mengacu pada versi yang disematkan di bawah ini; aktivitas repositori saat ini dan waktu pengumpulan ditampilkan secara terpisah.
- Sumber yang disematkan
- Baca teks aslinya ↗
- Sumber diambil
- Komit sumber
2574e29377c7173d0cecffef29a6ecbd7f8ccb5d- Sumber SHA-256
03a69b32b77db86afe5f87b75db2ae4c92b03b6e9e16e2c5e66cde2d4ad9c5bc