C✳CODEZ.WIN
🌐 Русский

Локализованное руководство по чтению

scvi-toolsНазначение, использование и источник

Глубокое обучение для анализа отдельных клеток с использованием scvi-tools. Этот навык следует использовать, когда пользователям это необходимо (1интеграция данных и коррекция пакетных данных с помощьюscVI/scANVI, (2Анализ ATAC-seq с использованием PeakVI, (3) Мультимодальный анализ CITE-seq с использованием totalVI, (4) мультиомный РНК+ATAC анализ с помощью MultiVI, (5) деконволюция пространственной транскриптомики с помощью DestVI, (6) перенос меток и сопоставление ссылок сscANVI/scArches, (7Скорость РНК с помощью veloVI, или (8) любой метод анализа отдельных клеток на основе глубокого обучения. В качестве триггеров могут быть указаны упоминания scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, вариационного автокодировщика, VAE, пакетной коррекции, интеграции данных, мультимодального анализа, CITE-seq, мультиомного анализа, референсного картирования, латентного пространства.

Источник получен:

Репозиторий-источник
anthropics/knowledge-work-plugins
SKILL.md
bio-research/skills/scvi-tools/SKILL.md
Звёзды репозитория
34,049
Последнее обновление репозитория
2026-10-30
Категории Skills
Исследования
Время последнего сбора

Лицензия: Файл лицензии требует проверки

Приведенные фрагменты описания рабочих процессов являются вспомогательными средствами для чтения, а не исполняемыми инструкциями от Codez. Для создания этой страницы не использовались сторонние инструменты.

Приведённые ниже фрагменты, описывающие цели и рабочие процессы, представляют собой исходный материал, систематизированный и переведённый для удобства чтения. Они отличаются от отдельно обозначенного редакционного анализа Codez.

Что делает этот навык

Глубокое обучение для анализа отдельных клеток с использованием scvi-tools. Этот навык следует использовать, когда пользователям это необходимо (1интеграция данных и коррекция пакетных данных с помощьюscVI/scANVI, (2Анализ ATAC-seq с использованием PeakVI, (3) Мультимодальный анализ CITE-seq с использованием totalVI, (4) мультиомный РНК+ATAC анализ с помощью MultiVI, (5) деконволюция пространственной транскриптомики с помощью DestVI, (6) перенос меток и сопоставление ссылок сscANVI/scArches, (7Скорость РНК с помощью veloVI, или (8) любой метод анализа отдельных клеток на основе глубокого обучения. В качестве триггеров могут быть указаны упоминания scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, вариационного автокодировщика, VAE, пакетной коррекции, интеграции данных, мультимодального анализа, CITE-seq, мультиомного анализа, референсного картирования, латентного пространства.

Как работает рабочий процесс на вышестоящем уровне

Как использовать этот навык

Определите соответствующий рабочий процесс изmodel/workflowВ таблицах ниже см. соответствующие справочные файлы для получения подробных инструкций и кода. Используйте скрипты вscripts/Во избежание переписывания общего кода. По вопросам установки или проблем с графическим процессором обратитесь в соответствующую службу.references/environment_setup.md

проход вверх по течению · L10 ↗

Когда использовать этот навык

Когда упоминаются scvi-tools, scVI, scANVI или аналогичные модели; когда необходима коррекция или интеграция пакетов на основе глубокого обучения; при работе с мультимодальными данными (CITE-seq, мультиом); когда требуется сопоставление референсных последовательностей или перенос меток.

проход вверх по течению · L18 ↗

scvi-tools Навык глубокого обучения

Данный навык предоставляет рекомендации по анализу отдельных клеток на основе глубокого обучения с использованием scvi-tools, ведущей платформы для вероятностных моделей в геномике отдельных клеток.

проход вверх по течению · L6 ↗
проход вверх по течению · 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

Требования и настройка

Критические требования

Требуются исходные данные подсчета: для моделей scvi-tools требуются целочисленные данные подсчета. Выбор HVG: Использовать2000-4000гены с высокой изменчивостью

проход вверх по течению · L106 ↗

Ограничения и проверки качества

Из этого файла не был выбран отдельный фрагмент с ограничениями. Это не означает, что навык безопасен для любых входных данных или сред. Проверьте полный исходный код и подтвердите свой собственный результат.

Начните с безопасного пробного периода.

  1. Проверьте поддерживаемый хост и инструкции по установке репозитория. Храните каталог Skill, а также связанные с ним скрипты, ресурсы и документацию вместе;SKILL.mdВ одиночку можно опустить зависимости.
  2. Предоставьте агенту ваши реальные входные данные, желаемый результат и критерии приемки. Синтаксис вызова и доступные инструменты зависят от хоста; данный сайт не предполагает универсальной команды установки.
  3. Попробуйте запустить исходный рабочий процесс в тестовом проекте или в его копии. Перед тем как разрешить операции, изменяющие файлы, удаленные сервисы или оплачиваемые ресурсы, проверьте их.
  4. Проверьте выходные данные на соответствие исходным проверкам качества и вашим собственным требованиям. Успешный запуск или большое количество звезд в репозитории не гарантируют корректного результата.

Формат навыков и спецификация каталога ↗

Подробнее читайте в источнике.

Перевод и сфера применения

В этом руководстве по чтению представлены избранные отрывки из закрепленного текста выше по течению.SKILL.mdПеревод выполнен с помощью переводчика. Это не полное руководство и не гарантия проверенной совместимости. Перед использованием ознакомьтесь с оригиналом и указанными в нем файлами.

Данное введение относится к закрепленной ниже версии; текущая активность в репозитории и время сбора данных отображаются отдельно.

Закрепленный источник
Прочитайте оригинал ↗
Источник получен
Исходный коммит
2574e29377c7173d0cecffef29a6ecbd7f8ccb5d
Исходный SHA-256
03a69b32b77db86afe5f87b75db2ae4c92b03b6e9e16e2c5e66cde2d4ad9c5bc
Вернуться к полному каталогу навыков