C✳CODEZ.WIN
🌐 日本語

ローカライズされた読書ガイド

scvi-tools目的、用途、および情報源

scvi-tools を使用した単一細胞解析のための深層学習。このスキルは、ユーザーが (1)データ統合とバッチ補正scVI/scANVI、(2) PeakVI を用いた ATAC-seq 解析、(3) totalVI を使用した CITE-seq マルチモーダル解析、(4) MultiVI を用いたマルチオーム RNA+ATAC 解析、(5)DestVIによる空間トランスクリプトミクスデコンボリューション、(6ラベル転送と参照マッピングscANVI/scArches、(7)veloVIによるRNA速度、または(8)深層学習に基づくシングルセル法。トリガーには、scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI、sysVI、scArches、変分オートエンコーダー、VAE、バッチ補正、データ統合、マルチモーダル、CITE-seq、マルチオーム、参照マッピング、潜在空間の言及が含まれます。

ソースを取得しました:

出典リポジトリ
anthropics/knowledge-work-plugins
SKILL.md
bio-research/skills/scvi-tools/SKILL.md
リポジトリの Star
34,049
リポジトリの最終更新
2026-10-30
能力分類
研究
最終収集時刻

ライセンス: ライセンスファイル未検証

ワークフローの抜粋は、Codezによる実行可能な指示ではなく、あくまでも参考資料です。このページを作成するために、サードパーティ製のスキルは実行されていません。

以下の目的とワークフローに関する記述は、上流工程に関する資料であり、読みやすいように整理・翻訳されています。これらは、別途ラベル付けされたCodez編集分析とは区別されます。

このスキルが何をするか

scvi-tools を使用した単一細胞解析のための深層学習。このスキルは、ユーザーが (1)データ統合とバッチ補正scVI/scANVI、(2) PeakVI を用いた ATAC-seq 解析、(3) totalVI を使用した CITE-seq マルチモーダル解析、(4) MultiVI を用いたマルチオーム RNA+ATAC 解析、(5)DestVIによる空間トランスクリプトミクスデコンボリューション、(6ラベル転送と参照マッピングscANVI/scArches、(7)veloVIによるRNA速度、または(8)深層学習に基づくシングルセル法。トリガーには、scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI、sysVI、scArches、変分オートエンコーダー、VAE、バッチ補正、データ統合、マルチモーダル、CITE-seq、マルチオーム、参照マッピング、潜在空間の言及が含まれます。

上流ワークフローの仕組み

このスキルの使い方

適切なワークフローを特定します。model/workflow以下の表を参照してください。詳細な手順とコードについては、対応する参照ファイルを参照してください。スクリプトを使用するにはscripts/共通コードの書き換えを避けるため、インストールまたはGPUの問題については、references/environment_setup.md

上流への航路 · L10 ↗

このスキルを使うタイミング

scvi-tools、scVI、scANVI、または関連モデルが言及されている場合 ディープラーニングベースのバッチ補正または統合が必要な場合 マルチモーダルデータ(CITE-seq、マルチオーム)を扱う場合 参照マッピングまたはラベル転送が必要な場合

上流への航路 · L18 ↗

scvi-tools ディープラーニングスキル

このスキルは、シングルセルゲノミクスにおける確率モデルの主要なフレームワークであるscvi-toolsを用いた、深層学習に基づくシングルセル解析のためのガイダンスを提供します。

上流への航路 · L6 ↗
上流への航路 · 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

要件とセットアップ

重要な要件

生のカウントが必要です: scvi-tools モデルには整数カウントデータが必要です HVG の選択: 使用2000-4000高度に可変な遺伝子

上流への航路 · L106 ↗

制限事項と品質チェック

このファイルからは、個別の制限に関する記述は選択されていません。これは、このスキルがあらゆる入力や環境において安全であることを意味するものではありません。ソースコード全体を確認し、ご自身で結果を検証してください。

まずは安全なトライアルから始めましょう

  1. サポートされているホストとリポジトリのインストール手順を確認してください。スキルディレクトリと、それに関連付けられているスクリプト、アセット、ドキュメントはまとめて保管してください。SKILL.md単独では依存関係を省略できる場合があります。
  2. エージェントに実際の入力、希望する出力、および受け入れ基準を指定してください。呼び出し構文と利用可能なツールはホストによって異なります。このサイトは、汎用的なインストールコマンドを前提としていません。
  3. 使い捨てプロジェクトまたはコピーで、元のワークフローを試してみてください。ファイル、リモートサービス、または課金対象リソースを変更する操作は、許可する前に必ず確認してください。
  4. 出力結果をソースの品質チェックおよび独自の要件と照らし合わせて検証してください。トリガーが成功したことやリポジトリのスター数が多いことだけでは、正しい結果とは言えません。

スキルフォーマットとディレクトリの仕様 ↗

詳細は出典元をご覧ください。

翻訳と範囲

この読書ガイドは、ピン留めされた上流からの抜粋を選りすぐっていますSKILL.md翻訳は補助的なものです。完全なマニュアルではなく、互換性テスト済みであることを保証するものでもありません。ご使用前に原文および参照ファイルをお読みください。

この紹介文は、下記に固定表示されているバージョンに関するものです。現在のリポジトリのアクティビティと収集時間は別途表示されます。

ピン留めされたソース
原文を読む ↗
ソースを取得しました
ソースコミット
2574e29377c7173d0cecffef29a6ecbd7f8ccb5d
ソースSHA-256
03a69b32b77db86afe5f87b75db2ae4c92b03b6e9e16e2c5e66cde2d4ad9c5bc
スキルカタログ全体に戻る