scanpy
Analisar dados de RNA-seq de célula única
Auch verfügbar von: davila7
O sequenciamento de RNA de célula única gera conjuntos de dados complexos que requerem análise especializada. Esta habilidade fornece um fluxo de trabalho completo para controle de qualidade, redução de dimensionalidade, agrupamento e visualização de dados de expressão gênica de célula única.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "scanpy". Carregar meus dados de célula única e executar controle de qualidade
Erwartetes Ergebnis:
- Carregado 3.245 células x 20.000 genes
- Métricas de QC: média de 1.542 genes por célula, 4,2% de leituras mitocondriais
- Após filtragem: 2.987 células x 15.432 genes (92% das células retidas)
- Salvos plots violinos de QC em figures/qc_violin.pdf
Verwendung von "scanpy". Executar fluxo de trabalho completo de agrupamento e anotação
Erwartetes Ergebnis:
- Identificados 12 clusters de células usando o algoritmo de Leiden
- Gerada visualização UMAP colorida por cluster
- Principais genes marcadores identificados para cada cluster
- Tipos celulares anotados com base na expressão conhecida de marcadores
Sicherheitsaudit
SicherAll 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.
Risikofaktoren
📁 Dateisystemzugriff (2)
🌐 Netzwerkzugriff (1)
⚙️ Externe Befehle (3)
Qualitätsbewertung
Was du bauen kannst
Análise exploratória de scRNA-seq
Analisar conjuntos de dados de expressão gênica de célula única para identificar tipos, estados e populações celulares.
Descoberta de genes marcadores
Identificar genes diferencialmente expressos entre clusters e caracterizar populações celulares.
Pipelines de visualização
Gerar plots de UMAP, t-SNE e outras reduções de dimensionalidade para publicações.
Probiere diese Prompts
Carregar meus dados de célula única de data.h5ad e mostrar a estrutura básica, incluindo contagem de células e genes.
Executar controle de qualidade no meu conjunto de dados, filtrar células com menos de 200 genes ou mais de 5% de leituras mitocondriais, e gerar plots de QC.
Executar agrupamento na resolução 0.5, gerar visualização UMAP e identificar genes marcadores para cada cluster.
Executar um fluxo de trabalho completo do scanpy: QC, normalização, genes altamente variáveis, PCA, vizinhos, UMAP, agrupamento de Leiden na resolução 0.8, e salvar resultados.
Bewährte Verfahren
- Sempre salvar contagens brutas antes da filtragem: adata.raw = adata
- Validar o agrupamento verificando a expressão de genes marcadores conhecidos
- Salvar resultados intermediários para evitar re-executar fluxos de trabalho longos
Vermeiden
- Pular etapas de controle de qualidade antes da análise subsequente
- Usar resolução de agrupamento padrão sem testar múltiplos valores
- Não visualizar dados antes e depois das etapas de filtragem
Häufig gestellte Fragen
Quais formatos de arquivo o scanpy suporta?
Quantos vizinhos devo usar para UMAP?
Agrupamento Leiden vs Louvain?
Quantos PCs devo usar?
Qual é o limite mitocondrial?
Como anotar tipos celulares?
Entwicklerdetails
Autor
K-Dense-AILizenz
SD-3-Clause license
Repository
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/scanpyRef
main
Dateistruktur