cellxgene-census
الاستعلام عن أكثر من 61 مليون مجموعة بيانات جينومية أحادية الخلية
متاح أيضًا من: K-Dense-AI
يحتاج الباحثون إلى وصول فعال إلى بيانات أحادية الخلية على نطاق السكان لدراسات الجينوم. توفر هذه المهارة وصولاً مدعوماً بالذكاء الاصطناعي إلى CZ CELLxGENE Census مع أنماط استعلام محسّنة وأدلة تكامل للتحليل اللاحق.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "cellxgene-census". العثور على جميع أنواع الخلايا المناعية في نسيج الرئة وأعدادها
النتيجة المتوقعة:
- B cell: 45,230 cells across 3 datasets
- T cell: 67,890 cells across 5 datasets
- Macrophage: 23,450 cells across 4 datasets
- Dendritic cell: 12,100 cells across 2 datasets
- NK cell: 18,760 cells across 3 datasets
استخدام "cellxgene-census". أرني كيفية الاستعلام عن جينات العلامات في خلايا T لمرضى COVID-19
النتيجة المتوقعة:
- Use get_anndata with obs_value_filter for disease and cell type
- Filter by feature_name using var_value_filter for gene selection
- Include is_primary_data == True to avoid duplicate cells
- Retrieve cell_type, tissue_general, and donor_id metadata columns
استخدام "cellxgene-census". كيف أستخدم بيانات Census مع scanpy لتقليل الأبعاد
النتيجة المتوقعة:
- Load data with get_anndata using appropriate filters
- Apply scanpy normalization: sc.pp.normalize_total
- Run log transformation: sc.pp.log1p
- Compute PCA: sc.pp.pca
- Generate UMAP: sc.tl.umap and sc.pl.umap
التدقيق الأمني
آمنPure documentation skill containing only markdown files with Python code examples. Static scanner flagged documentation patterns (code block syntax, text strings) as security issues due to misinterpretation. All findings are false positives. No executable code, network calls, file system access, or environment variable access exists.
عوامل الخطر
⚙️ الأوامر الخارجية (200)
🌐 الوصول إلى الشبكة (1)
درجة الجودة
ماذا يمكنك بناءه
استكشاف أنواع الخلايا في الأنسجة
الاستعلام عن توزيعات أنواع الخلايا عبر الأنسجة باستخدام عوامل تصفية البيانات الوصفية ودوال التجميع
بناء مصنفات أنواع الخلايا
تدريب نماذج التعلم الآلي على بيانات Census باستخدام تكامل PyTorch لاكتشاف العلامات الحيوية
التحليل عبر مجموعات البيانات
دمج مجموعات بيانات متعددة للدراسات على نطاق السكان مع سير عمل scanpy
جرّب هذه الموجهات
Show me the unique cell types in the brain tissue from the Census. Use the cellxgene-census skill to query metadata with is_primary_data == True filter.
Query expression data for CD4, CD8A, and CD19 genes in T cells and B cells from lung tissue. Use cellxgene-census to retrieve AnnData objects.
Create a PyTorch dataloader using cellxgene-census experimental ml module to train a cell type classifier on liver cell data with 80-20 train-test split.
Show me how to use axis_query with out-of-core processing to iterate through brain cell expression data in chunks for memory-efficient analysis.
أفضل الممارسات
- دائماً قم بتضمين مرشح is_primary_data == True لتجنب عد الخلايا المكررة عبر مجموعات البيانات
- حدد census_version بشكل صريح للتحليلات القابلة للتكرار في سير عمل الإنتاج
- استخدم مدير السياق (with statement) للتنظيف التلقائي للموارد عند فتح Census
تجنب
- تحميل Census بالكامل بدون مرشحات يسبب فيضان الذاكرة
- تجاهل مصفوفة وجود مجموعة البيانات يؤدي إلى فقدان بيانات الجينات
- استخدام مرشحات النص الحر بدلاً من مصطلحات الأنطولوجيا يقلل من اتساق الاستعلام