📦

scvi-tools

Name: scvi-tools
Author: davila7

Inhaltsrevision r2 Sicher ⚙️ Externe Befehle🌐 Netzwerkzugriff

Single-Cell-Omics mit scvi-tools analysieren

Die Analyse von Single-Cell-Omics erfordert eine sorgfältige Modellauswahl, Vorverarbeitung und Interpretation. Diese Skill-Anleitung unterstützt scvi-tools-Workflows für Integration, differentielle Expression, Annotation und räumliche Analyse.

Unterstützt: Claude Codex Code(CC)

📊 76 Angemessen

Maintain this Skill? Claim it 📊 76 Angemessen

Mit meinem Agent installieren

Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.

Agent-Anfrage

Review the Skillstore skill "scvi-tools" from https://skillstore.io/skills/davila7-scvi-tools.md and its manifest at https://skillstore.io/api/skills/davila7-scvi-tools/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.

Agent-lesbare Ressourcen

Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.

Markdown-Detailseite GET /skills/davila7-scvi-tools.md Signiertes manifest GET /api/skills/davila7-scvi-tools/manifest Signiertes lockfile GET /api/skills/davila7-scvi-tools/lockfile

Testen

„scvi-tools“ wird verwendet. Ein Benutzer fragt, welches scvi-tools-Modell zu gepaarten RNA- und Protein-CITE-seq-Daten passt.

Erwartetes Ergebnis:

Die Skill-Anleitung empfiehlt totalVI, erklärt die erforderlichen RNA- und Proteinfelder und skizziert Schritte für Training, latente Extraktion und differentielle Analyse.

„scvi-tools“ wird verwendet. Ein Benutzer benötigt Hilfe bei der Analyse unausgewogener Zellgruppen für differentielle Expression.

Erwartetes Ergebnis:

Die Skill-Anleitung schlägt change mode, Effektgrößen-Schwellenwerte, ausreichende Posterior-Samples und eine vorsichtige Interpretation kleiner Gruppen vor.

„scvi-tools“ wird verwendet. Ein Benutzer möchte einen Abfragedatensatz auf einen Referenzatlas abbilden.

Erwartetes Ergebnis:

Die Skill-Anleitung beschreibt Transfer Learning im scArches-Stil, passende Einrichtungsfelder, Fine-Tuning-Optionen und Prüfungen für Label Transfer.

Sicherheitsaudit

Sicher

v9 • 23.7.2026 Versionsbericht öffnen

All 28 static findings are false positives caused by Markdown backticks, scientific terminology, fixed installation guidance, and official documentation links. No command injection, reconnaissance, data exfiltration, or prompt injection intent was found.

Gescannte Dateien

3,622

Analysierte Zeilen

Prüfelemente

Falschmeldungen ignoriert

Risikofaktoren

Das letzte abgeschlossene statische und semantische Audit erkannte keine bestätigten Sicherheitsbefunde. Dies beweist nicht, dass der Skill keine Nebenwirkungen hat.

Geprüft von: codex Audit-Verlauf anzeigen →

Diesen Bericht teilen & zitieren

Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.

Versionsbericht öffnen

Berichtslink kopieren

https://skillstore.io/skills/davila7-scvi-tools/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown-Badge

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-scvi-tools/security.svg)](https://skillstore.io/skills/davila7-scvi-tools?utm_source=security_passport_badge)

HTML-Badge

<a href="https://skillstore.io/skills/davila7-scvi-tools?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-scvi-tools/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Einbettungskarte

<iframe src="https://skillstore.io/embed/skills/davila7-scvi-tools.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Wissenschaftliche Zitate (APA · BibTeX · CFF)

APA-Zitat

davila7. (2026). scvi-tools security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-scvi-tools/audits/9

BibTeX-Zitat

@techreport{davila7-davila7-scvi-tools-2026,
  author = {davila7},
  title = {scvi-tools security audit report (audit version 9)},
  institution = {Skillstore},
  year = {2026},
  number = {9},
  url = {https://skillstore.io/skills/davila7-scvi-tools/audits/9},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "scvi-tools security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
  - name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-scvi-tools/audits/9"
identifiers:
  - type: other
    value: "skillstore:davila7-scvi-tools:audit:9"
    description: "Skillstore immutable audit report identifier"

Varianten vergleichen

2 installierbare Varianten

Jeder Autor bleibt ein eigener installierbarer Skill. Die empfohlene Variante wird nach Skillstore-Nachweisen bewertet.

Warum diese Variante zuerst steht

Höchster Skillstore-Score

Autor / Quelle Skillstore-Score Evidenzvertrauen Skillstore-Nutzung Aktualisiert

davila7 Empfohlen Aktuell

davila7-scvi-tools

Skillstore-Score 76

Evidenzvertrauen Hoch

Skillstore-Nutzung 16

Aktualisiert

2026-09-09

K-Dense-AI

k-dense-ai-scvi-tools

Skillstore-Score 73

Evidenzvertrauen Hoch

Skillstore-Nutzung 14

Aktualisiert

2026-09-09

Skillstore-Score

Warum dieser Score Evidenzvertrauen: Hoch

Architektur

Wartbarkeit

Inhalt

Gemeinschaft

Spezifikationskonformität

Was Sie erstellen können

Das richtige Modell auswählen

Vergleicht scvi-tools-Modelle für RNA, ATAC, Protein, Multiome, räumliche oder spezialisierte Single-Cell-Daten.

Reproduzierbare Workflows planen

Erstellt Analysepläne für Vorverarbeitung, Modelleinrichtung, Training, Integration, Visualisierung und Ergebnisspeicherung.

Modellausgaben interpretieren

Prüft latente Räume, normalisierte Expression, Ergebnisse differentieller Expression, Unsicherheit und Modellgrenzen.

Diese Prompts ausprobieren

Ein Modell auswählen

Ich habe [data modality]-Daten mit [batch structure] und möchte [analysis goal]. Empfiehl ein scvi-tools-Modell und die erforderlichen AnnData-Felder.

Einen Workflow planen

Entwirf einen scvi-tools-Workflow für [dataset description]. Beziehe Vorverarbeitung, Einrichtungsfelder, Modelltraining, Ausgaben und Qualitätsprüfungen ein.

Differentielle Expression prüfen

Prüfe meinen Plan für differentielle Expression für [groups], [cell types] und [batches]. Erkläre mode, delta, FDR-Ziel und Interpretationsrisiken.

Multimodale Integration entwerfen

Vergleiche totalVI, MultiVI, MrVI und räumliche Optionen für [study design]. Empfiehl eine Modellierungsstrategie, Validierungsprüfungen und einen Berichtsplan.

Bewährte Praktiken

Bewahre Rohzählwerte vor Normalisierung oder Merkmalsauswahl in einem dedizierten AnnData-Layer auf.
Registriere bekannte technische Kovariaten, Batches und Labels, bevor jedes Modell erstellt wird.
Speichere trainierte Modelle und annotierte AnnData-Ausgaben mit klaren Versions- und Datensatzmetadaten.

Vermeiden

Training auf log-normalisierten Werten, wenn ein Modell Rohzählwerte erwartet.
Bekannte Donor-, Batch- oder Chemieeffekte bei der Einrichtung ignorieren.
Rankings differentieller Expression verwenden, ohne Effektgrößen, Unsicherheit und Gruppengrößen zu prüfen.