cellxgene-census
استعلام بيانات CELLxGENE Census
متاح أيضًا من: davila7
يحتاج الباحثون إلى الوصول إلى بيانات الجينوم الخلوي الأحادي واسع النطاق لأبحاث الأمراض واكتشاف الأدوية. توفر هذه المهارة وصولاً برمجياً إلى 61 مليون خلية من CELLxGENE Census، مما يتيح استعلامات على نطاق السكان دون الحاجة إلى تنزيل مجموعات البيانات بالكامل.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "cellxgene-census". Find all T cells in lung tissue from COVID-19 patients
النتيجة المتوقعة:
- Found 45,230 cells matching criteria:
- Cell types: CD4-positive T cell (18,200), CD8-positive T cell (12,450), regulatory T cell (8,230), NK T cell (6,350)
- Datasets: 12 datasets contributed data
- Top tissues: lung (45,230), lymph node (12,100), spleen (8,450)
استخدام "cellxgene-census". What genes are expressed in neurons?
النتيجة المتوقعة:
- Query returned 2.1M neuron cells across 245 datasets
- Top expressed genes (mean expression):
- - SNAP25: 8.4
- - SYP: 7.2
- - MAP2: 6.8
- - NEUROD1: 5.9
- - ELavl3: 5.4
التدقيق الأمني
مخاطر منخفضةAll 228 static findings are FALSE POSITIVEs. The scanner detected patterns in markdown documentation that are not actual security vulnerabilities. External command detections are backticks in code blocks. C2 keyword detections are the substring 'C2' in 'CELLxGENE'. Cryptographic algorithm detections are documentation patterns. System reconnaissance detections are the word 'reconnaissance' in documentation text. The skill is safe for publication.
عوامل الخطر
🌐 الوصول إلى الشبكة (1)
درجة الجودة
ماذا يمكنك بناءه
استكشاف أنواع الخلايا في نسيج
استعلم Census لاكتشاف جميع أنواع الخلايا الموجودة في نسيج محدد مثل الدماغ أو الرئة، مع تكرارات أنواع الخلايا.
تحليل علامات تعبير الجينات
استعلم مستويات تعبير جينات محددة (CD4، CD8A، FOXP3) عبر أنواع الخلايا والأمراض لتحديد الجينات الواسمية.
تدريب مصنفات أنواع الخلايا
استخدم بيانات Census مع PyTorch لتدريب نماذج التعلم الآلي لمهام تصنيف أنواع الخلايا.
جرّب هذه الموجهات
اعثر على جميع الخلايا من نوع [CELL_TYPE] في نسيج [TISSUE] من CELLxGENE Census. أعد عدد الخلايا والبيانات الوصفية.
استعلم تعبير الجينات لـ [GENE1] و [GENE2] و [GENE3] عبر جميع أنواع الخلايا في مجموعة بيانات [DISEASE]. اعرض أنماط التعبير.
قارن خلايا [CELL_TYPE] عبر أنسجة [TISSUE1] و [TISSUE2] و [TISSUE3]. ما الجينات المعبر عنها بشكل مختلف؟
أنشئ مجموعة بيانات تدريبية من Census لتصنيف [CELL_TYPE]. قم بتضمين بيانات [COLUMNS] الوصفية وبيانات تعبير الجينات.
أفضل الممارسات
- قم دائماً بتصفية is_primary_data == True لتجنب الخلايا المكررة في النتائج
- حدد census_version صراحة لأبحاث قابلة للتكرار
- قدّر حجم الاستعلام قبل تحميل مجموعات البيانات الكبيرة لمنع مشاكل الذاكرة
تجنب
- لا تستعلم بدون فلاتر - حدد دائماً معايير النسيج أو نوع الخلية أو المرض
- لا تحمّل جميع بيانات Census دفعة واحدة - استخدم الفلاتر واختيار الأعمدة لتقليل نقل البيانات
- لا تتجاهل علامة is_primary_data - فهي تمنع حساب الخلايا المكررة
الأسئلة المتكررة
ما هو CELLxGENE Census؟
كيف يختلف هذا عن scanpy أو scvi-tools؟
ما الكائنات المتاحة؟
كيف أقوم بتصفية الاستعلامات بشكل فعال؟
ماذا لو كان استعلامي كبيراً جداً للذاكرة؟
كيف أضمن نتائج قابلة للتكرار؟
تفاصيل المطور
المؤلف
K-Dense-AIالترخيص
Unknown
المستودع
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/cellxgene-censusمرجع
main
بنية الملفات