스킬 cellxgene-census
🧬

cellxgene-census

낮은 위험 🌐 네트워크 접근

CELLxGENE Census 데이터 쿼리

또한 다음에서 사용할 수 있습니다: davila7

연구자들은 질병 연구 및 신약 개발을 위해 대규모 단일 세포 유전체학 데이터에 접근해야 합니다. 이 스킬은 CELLxGENE Census의 6,100만 개 세포에 대한 프로그래매틱 액세스를 제공하여 전체 데이터셋을 다운로드하지 않고도 집단 규모의 쿼리를 수행할 수 있습니다.

지원: Claude Codex Code(CC)
⚠️ 67 나쁨
1

스킬 ZIP 다운로드

2

Claude에서 업로드

설정 → 기능 → 스킬 → 스킬 업로드로 이동

3

토글을 켜고 사용 시작

테스트해 보기

"cellxgene-census" 사용 중입니다. COVID-19 환자의 폐 조직에서 모든 T 세포 찾기

예상 결과:

  • 기준과 일치하는 45,230개 세포를 찾았습니다:
  • 세포 유형: CD4-positive T cell (18,200), CD8-positive T cell (12,450), regulatory T cell (8,230), NK T cell (6,350)
  • 데이터셋: 12개 데이터셋이 데이터 제공
  • 주요 조직: lung (45,230), lymph node (12,100), spleen (8,450)

"cellxgene-census" 사용 중입니다. 뉴런에서 발현되는 유전자는 무엇인가요?

예상 결과:

  • 쿼리가 245개 데이터셋에서 210만 개의 뉴런 세포를 반환했습니다
  • 최고 발현 유전자 (평균 발현):
  • - SNAP25: 8.4
  • - SYP: 7.2
  • - MAP2: 6.8
  • - NEUROD1: 5.9
  • - ELavl3: 5.4

보안 감사

낮은 위험
v5 • 1/21/2026

All 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.

4
스캔된 파일
3,343
분석된 줄 수
1
발견 사항
5
총 감사 수

위험 요인

🌐 네트워크 접근 (1)
SKILL.md:13
감사자: claude 감사 이력 보기 →

품질 점수

41
아키텍처
90
유지보수성
87
콘텐츠
21
커뮤니티
90
보안
87
사양 준수

만들 수 있는 것

조직 내 세포 유형 탐색

Census를 쿼리하여 뇌나 폐와 같은 특정 조직에 존재하는 모든 세포 유형과 세포 유형 빈도를 발견합니다.

유전자 발현 마커 분석

세포 유형과 질병에 걸쳐 특정 유전자(CD4, CD8A, FOXP3)의 발현 수준을 쿼리하여 마커 유전자를 식별합니다.

세포 유형 분류기 학습

Census 데이터를 PyTorch와 함께 사용하여 세포 유형 분류 작업을 위한 머신러닝 모델을 학습합니다.

이 프롬프트를 사용해 보세요

기본 세포 쿼리 
CELLxGENE Census에서 [TISSUE] 조직의 [CELL_TYPE] 유형의 모든 세포를 찾으세요. 세포 수와 메타데이터를 반환하세요.
다중 유전자 발현 분석 
[DISEASE] 데이터셋의 모든 세포 유형에서 [GENE1], [GENE2], [GENE3]에 대한 유전자 발현을 쿼리하세요. 발현 패턴을 보여주세요.
조직 간 비교 
[TISSUE1], [TISSUE2], [TISSUE3] 조직에서 [CELL_TYPE] 세포를 비교하세요. 어떤 유전자가 차등 발현되나요?
머신러닝 데이터셋 생성 
[CELL_TYPE] 분류를 위해 Census에서 학습 데이터셋을 생성하세요. [COLUMNS] 메타데이터와 유전자 발현 데이터를 포함하세요.

모범 사례

  • 결과에서 중복 세포를 방지하기 위해 항상 is_primary_data == True로 필터링하세요
  • 재현 가능한 연구를 위해 census_version을 명시적으로 지정하세요
  • 메모리 문제를 방지하기 위해 대용량 데이터셋을 로드하기 전에 쿼리 크기를 추정하세요

피하기

  • 필터 없이 쿼리하지 마세요 - 항상 조직, 세포 유형 또는 질병 기준을 지정하세요
  • 모든 Census 데이터를 한 번에 로드하지 마세요 - 필터와 열 선택을 사용하여 데이터 전송을 줄이세요
  • is_primary_data 플래그를 무시하지 마세요 - 중복 세포 계산을 방지합니다

자주 묻는 질문

CELLxGENE Census란 무엇인가요?
CELLxGENE Census는 인간과 마우스의 6,100만 개 이상의 세포를 포함하는 표준화되고 버전이 지정된 단일 세포 유전체학 데이터 컬렉션입니다. 유전자 발현 매트릭스, 메타데이터 및 임베딩에 대한 프로그래매틱 액세스를 제공합니다.
scanpy 또는 scvi-tools와 어떻게 다른가요?
이 스킬은 외부 Census 데이터를 쿼리합니다. 자신의 로컬 데이터셋을 분석할 때는 scanpy 또는 scvi-tools를 사용하세요. Census는 참조 아틀라스 비교 및 집단 규모 쿼리에 이상적입니다.
어떤 생물체를 사용할 수 있나요?
Census는 Homo sapiens(인간) 및 Mus musculus(마우스)의 데이터를 포함합니다. organism='Homo sapiens' 또는 organism='Mus musculus'를 사용하여 쿼리하세요.
쿼리를 효과적으로 필터링하려면 어떻게 해야 하나요?
세포 메타데이터에는 obs_value_filter를, 유전자 메타데이터에는 var_value_filter를 사용하세요. 'and' 또는 'or'로 조건을 결합하세요. 여러 값에는 'in'을 사용하세요.
쿼리가 메모리에 비해 너무 크면 어떻게 하나요?
반복 배치 처리와 함께 axis_query() 메서드를 사용하세요. 이를 통해 사용 가능한 RAM을 초과하는 쿼리에 대해 out-of-core 처리가 가능합니다.
재현 가능한 결과를 보장하려면 어떻게 해야 하나요?
Census를 열 때 census_version='2023-07-25'와 같이 census_version 매개변수를 항상 지정하세요. 이렇게 하면 분석이 특정 데이터 릴리스에 고정됩니다.

개발자 세부 정보

작성자

K-Dense-AI

라이선스

Unknown

리포지토리

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/cellxgene-census

참조

main

파일 구조

📁 references/

📄 census_schema.md

📄 common_patterns.md

📄 SKILL.md