🔬

scanpy

Name: scanpy
Author: davila7

آمن 📁 الوصول إلى نظام الملفات⚙️ الأوامر الخارجية🌐 الوصول إلى الشبكة

تحليل بيانات RNA-seq أحادية الخلية باستخدام scanpy

متاح أيضًا من: K-Dense-AI

يتطلب تحليل RNA-seq أحادي الخلية سير عمل معقد للتحكم في الجودة والتجميع والتصور. توفر هذه المهارة سير عمل scanpy كاملاً بما في ذلك إنشاء UMAP وتجميع Leiden وتحديد جينات markers وتطبيق تسميات أنواع الخلايا.

يدعم: Claude Codex Code(CC)

🥈 80 فضي

تنزيل ZIP المهارة

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

فعّل وابدأ الاستخدام

اختبرها

استخدام "scanpy". Load my single-cell data and run a complete analysis pipeline

النتيجة المتوقعة:

Loaded dataset: 3,500 cells × 20,000 genes
After QC filtering: 3,200 cells × 15,000 genes retained (91% cells, 75% genes)
Identified 8 clusters using Leiden clustering (resolution 0.5)
Top markers for Cluster 0: CD3D, CD3E, CD3G (T cell markers)
Top markers for Cluster 1: MS4A1, CD79A, CD79B (B cell markers)
UMAP visualization saved to figures/umap_leiden.pdf
Cell type annotations: CD4+ T cells, B cells, CD14+ Monocytes, NK cells, Dendritic cells

استخدام "scanpy". Perform quality control on my 10X dataset

النتيجة المتوقعة:

Loaded 10X dataset: 4,200 cells × 18,000 genes
QC summary: Mean genes per cell: 1,500, Mean mitochondrial %: 8.2
Filtered 180 low-quality cells (genes < 200)
Filtered 500 lowly expressed genes (cells < 3)
Final dataset: 4,020 cells × 17,500 genes
QC violin plots saved to figures/qc_after_violin.pdf

التدقيق الأمني

آمن

v5 • 1/17/2026

All 226 static findings are FALSE POSITIVES. The 'Ruby/shell backtick execution' alerts incorrectly flag markdown code formatting. 'Weak cryptographic algorithm' alerts match 'hash' in data structure context, not crypto. 'Python os file operations' are legitimate file I/O for output directories. 'Hardcoded URL' alerts point to official documentation. This is a pure bioinformatics data analysis toolkit with no malicious capabilities.

الملفات التي تم فحصها

1,933

الأسطر التي تم تحليلها

النتائج

إجمالي عمليات التدقيق

عوامل الخطر

📁 الوصول إلى نظام الملفات (2)

assets/analysis_template.py:260 scripts/qc_analysis.py:67

⚙️ الأوامر الخارجية (208)

🌐 الوصول إلى الشبكة (4)

skill-report.json:6 SKILL.md:367 SKILL.md:368 SKILL.md:369

تم تدقيقه بواسطة: claude عرض سجل التدقيق →

درجة الجودة

الهندسة المعمارية

100

قابلية الصيانة

المحتوى

المجتمع

100

الأمان

الامتثال للمواصفات

ماذا يمكنك بناءه

سير عمل تحليل أحادي الخلية

معالجة بيانات أحادية الخلية الخام من خلال خط أنابيب كامل من QC إلى تطبيق تسميات أنواع الخلايا

استكشاف التصور

توليد تضمينات UMAP وتصور التجموعات لمجموعات البيانات البيولوجية

اكتشاف جينات markers

تحديد والتحقق من صحة جينات markers لأنواع الخلايا باستخدام طرق الترتيب الإحصائي

جرّب هذه الموجهات

تحميل البيانات الأساسي

Load my single-cell RNA-seq data from {file_path.h5ad} using scanpy and show me the basic dataset summary including number of cells and genes

التحكم في الجودة

Perform quality control on my dataset: filter cells with fewer than {200} genes, remove cells with more than {5}% mitochondrial genes, and generate QC violin plots

تحليل التجميع

Run Leiden clustering on my data with resolution {0.5}, generate UMAP visualization, and identify the top 10 marker genes for each cluster using Wilcoxon test

تطبيق تسميات الخلايا

Help me annotate cell types in my clustered dataset. I have marker genes for T cells (CD3D, CD3E), B cells (MS4A1, CD79A), and monocytes (CD14, LYZ). Show gene expression on UMAP and assign cell type labels to each cluster

أفضل الممارسات

احفظ القيم الخام قبل التصفية باستخدام adata.raw = adata للحفاظ على البيانات الأصلية
تحقق من صحة تسميات أنواع الخلايا باستخدام multiple known markers قبل التحديد النهائي
أنشئ رسوم QC قبل وبعد التصفية لتقييم تأثير جودة البيانات

تجنب

تجاوز خطوات التحكم في الجودة يمكن أن يؤدي إلى مجموعات وهمية من الخلايا ذات الجودة المنخفضة
استخدام دقة تجميع واحدة قد يؤدي إلى تفويت بنية مجموعات الخلايا المهمة
الاعتماد فقط على التطبيق الآلي للتسميات دون التحقق اليدوي من جينات markers

الأسئلة المتكررة

ما الصيغ التي يدعمها scanpy؟

يدعم Scanpy صيغ h5ad (تنسيق AnnData) و 10X Genomics MTX أو HDF5 و CSV و loom وملفات النص.

كم عدد الخلايا المطلوبة للتحليل؟

على الرغم من أن أي رقم يعمل تقنيًا، إلا أن معظم التحليلات تتطلب على الأقل 100-500 خلية للحصول على نتائج تجميع ذات معنى.

هل يمكن لـ scanpy دمج مجموعات بيانات متعددة؟

يوفر Scanpy تصحيح الدُفعات الأساسي عبر ComBat. للتكامل المعقد، استخدم أدوات متخصصة مثل Harmony أو scVI.

هل بياناتي آمنة مع هذه المهارة؟

نعم. هذه المعالجة تعالج الملفات المحلية فقط ولا تقوم بأي اتصالات شبكة أو نقل بيانات خارجي.

لماذا مجموعاتي فارغة بعد التصفية؟

تحقق من عتبات QC الخاصة بك. قد يؤدي التصفية العدوانية إلى إزالة جميع الخلايا. استخدم رسوم violin لتصور التوزيعات قبل التصفية.

كيف يقارن scanpy بـ Seurat؟

Scanpy هو المكافئ Python لـ Seurat في R. كلاهما يوفر وظائف متشابهة؛ يعتمد الاختيار على تفضيل لغة البرمجة الخاصة بك.

تفاصيل المطور

المؤلف

davila7

الترخيص

MIT

المستودع

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/scanpy

مرجع

main

بنية الملفات

📁 assets/

📄 analysis_template.py

📁 references/

📄 api_reference.md

📄 plotting_guide.md

📄 standard_workflow.md

📁 scripts/

📄 qc_analysis.py

📄 SKILL.md