Анализ одноклеточных наборов данных AnnData
Рабочие процессы AnnData могут давать сбои из-за несогласованных метаданных, больших файлов и неясного выбора хранилища. Этот навык дает целевые рекомендации по структуре объектов, I/O, конкатенации и анализу с учетом памяти.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "anndata" from https://skillstore.io/skills/davila7-anndata.md and its manifest at https://skillstore.io/api/skills/davila7-anndata/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «anndata». Пользователь спрашивает, какой формат использовать для набора данных AnnData размером 100 GB, хранящегося в облачном хранилище.
Ожидаемый результат:
Ответ сравнивает H5AD и Zarr, рекомендует lazy access, объясняет компромиссы размера chunk и перечисляет проверки валидации перед записью результатов.
Использование «anndata». Пользователь спрашивает, почему добавленные метаданные образцов больше не соответствуют клеткам после фильтрации.
Ожидаемый результат:
Ответ определяет выравнивание индексов как вероятную проблему и рекомендует выполнять join по именам наблюдений с проверками уникальности.
Использование «anndata». Пользователь спрашивает, как объединить три батча секвенирования, сохранив метки источников.
Ожидаемый результат:
Ответ описывает план конкатенации с использованием меток батчей, согласованных имен переменных, выбора стратегии merge и проверок после merge.
All 60 static alerts are false positives caused by Markdown syntax, ordinary AnnData terminology, or explicit documentation examples. No hidden execution, credential access, reconnaissance, malicious network behavior, or prompt injection was found.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/davila7-anndata/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-anndata?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-anndata?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-anndata/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-anndata.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). anndata security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-anndata/audits/9@techreport{davila7-davila7-anndata-2026,
author = {davila7},
title = {anndata security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-anndata/audits/9},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "anndata security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-anndata/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-anndata:audit:9"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-anndata
2026-09-09
k-dense-ai-anndata
2026-09-09
Создавайте объекты AnnData, загружайте файлы 10X или H5AD, добавляйте метаданные и сохраняйте raw counts перед фильтрацией.
Выбирайте backed mode, разреженные матрицы, хранилище Zarr, chunking и сжатие для анализа при ограниченной памяти.
Конкатенируйте наборы данных с метками батчей, разрешайте конфликты индексов и документируйте выбор merge для воспроизводимости.
Объясни основные части объекта AnnData для нового проекта одноклеточного RNA-seq. Включи, что должно находиться в X, obs, var, layers, obsm и uns.
У меня есть большая аннотированная матрица, которая может превысить объем памяти. Порекомендуй формат хранения AnnData и шаблон доступа, включая H5AD, Zarr, backed mode и компромиссы сжатия.
Проверь мой план обновления метаданных AnnData. Объясни, как избежать несоответствия индексов наблюдений, дублирующихся имен и ошибок view-versus-copy перед добавлением внешних аннотаций.
Спроектируй воспроизводимый рабочий процесс для конкатенации нескольких батчей AnnData, сохранения меток батчей, выбора стратегий join и merge, оптимизации памяти и проверки объединенного объекта.
Автор
davila7Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/anndataСсылка
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Актуальность поддержки
29.07.2026
Использование
5 загрузок · 539 просмотров
Структура файлов
Создание исследовательских постеров в LaTeX
Исследовательские постеры сложно форматировать и проверять для печати в LaTeX. Этот навык предоставляет шаблоны, рекомендации по макету и проверки PDF для постеров, готовых к конференции.
Создавайте маркетинговый контент, готовый для SEO
Маркетинговым командам нужен понятный контент, который соответствует голосу бренда и поисковым целям. Этот навык предоставляет шаблоны, скрипты анализа и рекомендации по платформам для повторяемого производства контента.
Создание структурированных планов медицинского лечения
Клинические планы лечения часто оказываются непоследовательными, слишком объемными или сложными для проверки. Этот навык предоставляет специализированные шаблоны, измеримые цели, временные рамки и локальные средства контроля качества.
Создание структурированных клинических отчетов
Клиническим командам нужны понятные отчеты, соответствующие медицинским и регуляторным стандартам. Этот навык предоставляет шаблоны, чек-листы и рекомендации по валидации для описаний клинических случаев, диагностических отчетов, исследований и заметок о пациентах.
Анализ файлов научных данных
Файлы научных данных сложно исследовать, поскольку каждый формат по-разному хранит структуру и метаданные. Этот навык определяет форматы, оценивает качество данных и создает практические отчеты по разведочному анализу данных в формате markdown.
Запуск рабочих процессов молекулярного докинга DiffDock
Настройка молекулярного докинга часто завершается неудачей, поскольку сложно согласовать входные данные, параметры и оценки уверенности. Этот навык помогает выполнять рабочие процессы DiffDock от подготовки до анализа результатов.
Анализ Single-Cell RNA-seq с помощью Scanpy
от K-Dense-AI
Анализ single-cell RNA-seq требует множества взаимосвязанных решений по QC, нормализации, кластеризации и построению графиков. Этот навык предоставляет Claude, Codex и Claude Code структурированные рабочие процессы Scanpy, справочные рекомендации и переиспользуемые скрипты анализа.
Проводите биомедицинские исследования с Biomni
от K-Dense-AI
Задачи биомедицинских исследований часто требуют множества инструментов, наборов данных и этапов рассуждения. Этот навык помогает с настройкой Biomni, проектированием задач, конфигурацией провайдеров и подготовкой отчетов о результатах.
Обработка данных JSON, YAML и TOML
от 0xDarkMatter
Структурированные конфигурационные данные бывает сложно просматривать в файлах JSON, YAML и TOML. Этот навык помогает составлять запросы jq и yq для извлечения, фильтрации, преобразования и обновления данных.
Анализируйте терапевтические ML-наборы данных с PyTDC
от K-Dense-AI
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Подготовка заявлений о доступности данных для Nature
от Yuan1z0825
Авторам исследований часто нужны точные формулировки о доступности данных перед подачей рукописи. Этот навык помогает готовить заявления, сопоставлять наборы данных с путями доступа и проверять метаданные FAIR.
Проектирование надежных экспериментов с электронной почтой
от aaron-he-zhu
Тесты рассылок часто приводят к слабым выводам из-за недостаточной статистической мощности дизайна или одновременного изменения нескольких переменных. Этот навык создает строгие планы экспериментов и интерпретирует результаты с учетом неопределенности.