scanpy
تحليل بيانات تسلسل الحمض النووي الريبي من خلية واحدة
متاح أيضًا من: davila7
تنتج تقنية تسلسل الحمض النووي الريبي من خلية واحدة مجموعات بيانات معقدة تتطلب تحليلاً متخصصاً. توفر هذه المهارة سير عمل كامل للتحكم في الجودة، وتقليل الأبعاد، والتجميع، والتصور لبيانات التعبير الجيني من خلية واحدة.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "scanpy". قم بتحميل البيانات أحادية الخلية وإجراء التحكم في الجودة
النتيجة المتوقعة:
- تم تحميل 3245 خلية × 20000 جين
- مقاييس التحكم في الجودة: متوسط 1542 جين لكل خلية، 4.2٪ قراءات ميتوكوندريا
- بعد التصفية: 2987 خلية × 15432 جين (92٪ خلايا محفوظة)
- تم حفظ مخططات الكمان التحكم في الجودة في figures/qc_violin.pdf
استخدام "scanpy". قم بتشغيل سير عمل التجميع والتعليق التوضيحي الكامل
النتيجة المتوقعة:
- تم تحديد 12 مجموعة خلايا باستخدام خوارزمية Leiden
- تم إنشاء تصور UMAP ملون حسب المجموعة
- تم تحديد جينات العلامات العليا لكل مجموعة
- تم التعليق بأنواع الخلايا بناءً على التعبير المعروف لجينات العلامات
التدقيق الأمني
آمنAll 228 static findings are false positives. This is a legitimate scientific computing skill for single-cell RNA-seq analysis. The scanner incorrectly flagged: markdown inline code formatting (backticks), file I/O functions for data reading, directory creation operations, and git tree hashes as C2 indicators. No malicious patterns, network exfiltration, or command injection risks exist after human evaluation.
عوامل الخطر
📁 الوصول إلى نظام الملفات (2)
🌐 الوصول إلى الشبكة (1)
⚙️ الأوامر الخارجية (3)
درجة الجودة
ماذا يمكنك بناءه
تحليل استكشافي لـ scRNA-seq
تحليل مجموعات بيانات التعبير الجيني أحادي الخلية لتحديد أنواع الخلايا والحالات والتجمعات.
اكتشاف جينات العلامات
تحديد الجينات المعبر عنها بشكل مختلف بين التجمعات وتوصيف تجمعات الخلايا.
خطوط تصور البيانات
توليد مخططات UMAP و t-SNE وتقنيات تقليل الأبعاد الأخرى للنشر.
جرّب هذه الموجهات
قم بتحميل البيانات أحادية الخلية من data.h5ad وأظهر لي البنية الأساسية بما في ذلك أعداد الخلايا والجينات.
قم بإجراء التحكم في الجودة على مجموعتي البيانات، قم بتصفية الخلايا التي تحتوي على أقل من 200 جين أو أكثر من 5٪ من القراءات الميتوكوندريا، وأنشئ مخططات التحكم في الجودة.
قم بإجراء التجميع بدقة 0.5، وأنشئ تصور UMAP، وحدد جينات العلامات لكل مجموعة.
قم بتشغيل سير عمل scanpy الكامل: التحكم في الجودة والتطبيع والجينات المتغيرة عالية الأبعاد و PCA والجيران و UMAP وتجميع Leiden بدقة 0.8، واحفظ النتائج.
أفضل الممارسات
- احفظ دائماً القيم الخام قبل التصفية: adata.raw = adata
- تحقق من التجميع بفحص التعبير المعروف لجينات العلامات
- احفظ النتائج الوسيطة لتجنب إعادة تشغيل خطوط العمل الطويلة
تجنب
- تجاوز خطوات التحكم في الجودة قبل التحليل اللاحق
- استخدام دقة التجميع الافتراضية دون اختبار قيم متعددة
- عدم تصور البيانات قبل وبعد خطوات التصفية