Guia de leitura localizado
scvi-toolsFinalidade, utilização e fonte
Aprendizado profundo para análise de células individuais usando scvi-tools. Esta habilidade deve ser usada quando os usuários precisarem (1) integração de dados e correção em lote comscVI/scANVI, (2) Análise ATAC-seq com PeakVI, (3) Análise multimodal CITE-seq com totalVI, (4) Análise de RNA+ATAC multioma com MultiVI, (5) deconvolução de transcriptômica espacial com DestVI, (6) transferência de rótulos e mapeamento de referência comscANVI/scArches, (7) Velocidade do RNA com veloVI, ou (8) qualquer método de célula única baseado em aprendizado profundo. Os gatilhos incluem menções a scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, autoencoder variacional, VAE, correção em lote, integração de dados, multimodal, CITE-seq, multioma, mapeamento de referência, espaço latente.
Fonte recuperada:
- Repositório de origem
- anthropics/knowledge-work-plugins
- SKILL.md
bio-research/skills/scvi-tools/SKILL.md- Estrelas do repositório
- 34,049
- Atualização do repositório
- 2026-10-30
- Classificação de Habilidades
- Pesquisa
- Última coleta
Licença: Arquivo de licença pendente de verificação
Os trechos do fluxo de trabalho são auxiliares de leitura e não instruções executáveis do Codez. Nenhuma Skill de terceiros foi executada para gerar esta página.
Os trechos abaixo, que descrevem o propósito e o fluxo de trabalho, são material original, organizado e traduzido para facilitar a leitura. Eles são distintos da análise editorial da Codez, que possui uma etiqueta separada.
O que esta habilidade faz
Aprendizado profundo para análise de células individuais usando scvi-tools. Esta habilidade deve ser usada quando os usuários precisarem (1) integração de dados e correção em lote comscVI/scANVI, (2) Análise ATAC-seq com PeakVI, (3) Análise multimodal CITE-seq com totalVI, (4) Análise de RNA+ATAC multioma com MultiVI, (5) deconvolução de transcriptômica espacial com DestVI, (6) transferência de rótulos e mapeamento de referência comscANVI/scArches, (7) Velocidade do RNA com veloVI, ou (8) qualquer método de célula única baseado em aprendizado profundo. Os gatilhos incluem menções a scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, autoencoder variacional, VAE, correção em lote, integração de dados, multimodal, CITE-seq, multioma, mapeamento de referência, espaço latente.
Como funciona o fluxo de trabalho upstream
Como usar esta habilidade
Identifique o fluxo de trabalho apropriado a partir domodel/workflowTabelas abaixo. Leia o arquivo de referência correspondente para obter instruções detalhadas e código. Use scripts emscripts/Para evitar a reescrita de código comum. Para problemas de instalação ou com a GPU, consultereferences/environment_setup.md
Quando usar essa habilidade
Quando scvi-tools, scVI, scANVI ou modelos relacionados são mencionados; quando correção ou integração em lote baseada em aprendizado profundo é necessária; quando se trabalha com dados multimodais (CITE-seq, multiome); quando mapeamento de referência ou transferência de rótulos é necessário.
Passagem a montante · L18 ↗scvi-tools Habilidade de Aprendizado Profundo
Esta habilidade fornece orientações para a análise de células individuais baseada em aprendizado profundo usando o scvi-tools, a principal estrutura para modelos probabilísticos em genômica de células individuais.
Passagem a montante · 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 leidenRequisitos e configuração
Requisitos críticos
Contagens brutas necessárias: os modelos scvi-tools exigem dados de contagem inteiros. Seleção HVG: Usar2000-4000genes altamente variáveis
Passagem a montante · L106 ↗Limites e verificações de qualidade
Nenhuma passagem de limites separada foi selecionada deste arquivo. Isso não significa que a Skill seja segura para todas as entradas ou ambientes. Analise o código-fonte completo e valide seus próprios resultados.
Comece com um teste seguro.
- Verifique o host compatível e as instruções de instalação do repositório. Mantenha o diretório Skill e seus scripts, recursos e documentação referenciados juntos;SKILL.mdsozinho pode omitir dependências.
- Forneça ao agente suas entradas reais, a saída desejada e os critérios de aceitação. A sintaxe de invocação e as ferramentas disponíveis dependem do host; este site não pressupõe um comando de instalação universal.
- Teste o fluxo de trabalho original em um projeto descartável ou em uma cópia. Analise as operações que alteram arquivos, serviços remotos ou recursos faturáveis antes de permiti-las.
- Valide o resultado comparando-o com as verificações de qualidade da fonte e com seus próprios requisitos. Um gatilho bem-sucedido ou uma alta contagem de estrelas no repositório não garantem um resultado correto.
Leia mais na fonte.
Habilidades relacionadas
Tradução e escopo
Este guia de leitura seleciona trechos do texto fixado a montante.SKILL.mdA tradução foi feita com auxílio de ferramentas. Este não é um manual completo nem garante compatibilidade comprovada. Leia o original e os arquivos referenciados antes de usar.
Esta introdução refere-se à versão fixada abaixo; a atividade atual do repositório e o tempo de coleta são mostrados separadamente.
- Fonte fixada
- Leia o original ↗
- Fonte recuperada
- Commit de origem
2574e29377c7173d0cecffef29a6ecbd7f8ccb5d- Fonte SHA-256
03a69b32b77db86afe5f87b75db2ae4c92b03b6e9e16e2c5e66cde2d4ad9c5bc