AIKraft/Skills/scvi-tools

scvi-tools

Адаптирует probabilistic-модели для анализа single-cell omics: scVI, scANVI, totalVI, MultiVI и дифференциальной экспрессии. Используется для генеративного моделирования, интеграции данных и оценки неопределенности; для препроцессинга применяйте scanpy.

KDK-Dense official Данные ★ 47.7k

Что делает навык

Адаптирует вероятностные модели (SCVI, SCANVI, TOTALVI и др.) для анализа одноядерных омиксных данных, обеспечивая генеративное моделирование, интеграцию данных и оценку неопределенности. Используется для нормализации, снижения размерности и дифференциальной экспрессии с сохранением исходных подсчетов.

Когда применять

  • Интеграция данных RNA-seq с учетом батчей и выборка латентных представлений.
  • Аннотация клеток с использованием частичных меток (SCANVI).
  • Мультимодальный анализ данных CITE-seq (RNA и белки) через TOTALVI.
  • Дифференциальная экспрессия генов на основе постериорных распределений модели.
  • Интеграция данных ATAC-seq и метилирования (PEAKVI, METHYLVI).

Как работает

  1. Подготовить AnnData/MuData объекты с уникальными идентификаторами, сырыми подсчетами и метаданными (batch, labels).
  2. Выполнить QC и отбор признаков (HVG) с сохранением слоя 'counts' для последующего использования.
  3. Зарегистрировать данные в модели через setup_anndata или setup_mudata, указав ключи батчей и слои.
  4. Обучить модель (например, SCVI) с контролем валидации, стабильности семян и смешивания батчей.
  5. Извлечь латентные представления, нормализованные выражения или результаты дифференциальной экспрессии.
  6. Сохранить модель, данные, порядок признаков, версии ПО и параметры обучения.

Примеры запросов агенту

Проведи интеграцию RNA-данных из файла rna_counts.h5ad с помощью SCVI, учитывая батч 'batch', и построй UMAP.
Выполни дифференциальную экспрессию между группами 'TypeA' и 'TypeB' в обученной модели SCVI с коррекцией на FDR 0.05.
Зарегистрируй мультимодальные данные CITE-seq в TOTALVI, обучи модель и извлеки латентное пространство для RNA и белка.

Что понадобится

  • Python 3.13, scvi-tools 1.5.1, scanpy 1.12.4, AnnData 0.13.4, PyTorch 2.14.1
  • Локальное окружение (uv venv), специфичная сборка PyTorch для GPU (при необходимости)
  • Дополнительные пакеты: igraph (для Leiden), scikit-misc (для HVG seurat_v3)

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «k-dense-ai-scvi-tools» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r k-dense-ai-scvi-tools/ ~/.claude/skills/k-dense-ai-scvi-tools/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.