단일세포 RNA 시퀀싱은 전문적인 분석이 필요한 복잡한 데이터셋을 생성합니다. 이 스킬은 단일세포 유전자 발현 데이터의 품질 관리, 차원 축소, 클러스터링, 시각화를 위한 완전한 워크플로를 제공합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"scanpy" 사용 중입니다. Load my single-cell data and perform quality control
예상 결과:
- Loaded 3,245 cells x 20,000 genes
- QC metrics: mean 1,542 genes per cell, 4.2% mitochondrial reads
- After filtering: 2,987 cells x 15,432 genes (92% cells retained)
- Saved QC violin plots to figures/qc_violin.pdf
"scanpy" 사용 중입니다. Run complete clustering and annotation workflow
예상 결과:
- Identified 12 cell clusters using Leiden algorithm
- Generated UMAP visualization colored by cluster
- Top marker genes identified for each cluster
- Cell types annotated based on known marker expression
보안 감사
안전All 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.
위험 요인
📁 파일 시스템 액세스 (2)
🌐 네트워크 접근 (1)
품질 점수
만들 수 있는 것
탐색적 scRNA-seq 분석
단일세포 유전자 발현 데이터셋을 분석하여 세포 유형, 상태, 집단을 식별합니다.
마커 유전자 발견
클러스터 간 차등 발현 유전자를 식별하고 세포 집단을 특성화합니다.
시각화 파이프라인
출판을 위한 UMAP, t-SNE 및 기타 차원 축소 플롯을 생성합니다.
이 프롬프트를 사용해 보세요
Load my single-cell data from data.h5ad and show me the basic structure including cell and gene counts.
Run quality control on my dataset, filter cells with less than 200 genes or more than 5% mitochondrial reads, and generate QC plots.
Perform clustering at resolution 0.5, generate UMAP visualization, and identify marker genes for each cluster.
Run a complete scanpy workflow: QC, normalization, highly variable genes, PCA, neighbors, UMAP, Leiden clustering at resolution 0.8, and save results.
모범 사례
- 필터링 전에 원시 카운트를 항상 저장하세요: adata.raw = adata
- 알려진 마커 유전자 발현을 확인하여 클러스터링을 검증하세요
- 긴 워크플로를 다시 실행하지 않도록 중간 결과를 저장하세요
피하기
- 다운스트림 분석 전에 품질 관리 단계를 건너뜀
- 여러 값을 परीक्षण하지 않고 기본 클러스터링 해상도를 사용함
- 필터링 단계 전후의 데이터를 시각화하지 않음