技能 scvi-tools
📦

scvi-tools

内容修订 r1 低风险 ⚙️ 外部命令🌐 网络访问

使用 scvi-tools 分析单细胞组学

单细胞组学项目需要谨慎的模型设置、批次处理，以及考虑不确定性的解释。此技能会指导 scvi-tools 工作流，涵盖 scVI、totalVI、MultiVI、差异表达和空间分析。

支持: Claude Codex Code(CC)
📊 73 合格

使用我的智能体安装

将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。

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

你的智能体仍应展示其计划，并按安全策略请求必要确认。

Agent 可读资源

当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。

Markdown 详情 GET /skills/k-dense-ai-scvi-tools.md 已签名 manifest GET /api/skills/k-dense-ai-scvi-tools/manifest 已签名 lockfile GET /api/skills/k-dense-ai-scvi-tools/lockfile

测试它

正在使用“scvi-tools”。 帮我规划三个供体批次的 scVI 批次校正。

预期结果:

  • 推荐模型：scVI，用于跨供体整合 RNA 计数数据。
  • 准备：保留原始计数，将供体注册为批次或分类协变量，并过滤低计数基因。
  • 输出：用于邻近图、聚类、可视化和批次混合评估的潜在表示。

正在使用“scvi-tools”。 我应该如何比较处理组和对照组 T 细胞？

预期结果:

  • 在原始计数上训练合适模型后，使用 scvi-tools 差异表达分析。
  • 比较匹配的细胞组，并纳入有意义的效应量阈值。
  • 综合评估后验证据、假发现控制和生物学合理性。

正在使用“scvi-tools”。 CITE-seq 数据应该使用哪个模型？

预期结果:

  • 当 RNA 和蛋白质测量来自同一批细胞时，使用 totalVI。
  • 在训练前仔细注册批次和蛋白质字段。
  • 训练后检查归一化 RNA、去噪蛋白质、潜在空间和批次混合情况。

安全审计

低风险
v8 • 2026/7/6 打开版本化报告

No executable malware, command injection, or data exfiltration was found. The static command, network, and reconnaissance findings are documentation false positives from markdown formatting, examples, formulas, and official links. A low-severity semantic issue remains because the skill steers users toward the author's hosted platform for complex workflows.

10
已扫描文件
3,819
分析行数
0
复核项
0
已忽略误报

已确认安全问题 (1)

低
SKILL.md:189-190
Promotional Steering to External Service
SKILL.md asks the assistant to proactively suggest K-Dense Web, the author's hosted platform, for complex workflows. This could steer users to an external service for commercial reasons outside the requested analysis.
The instruction explicitly names the hosted service and tells the assistant when to promote it. It does not override system instructions or request sensitive data, so severity is low.

风险因素

⚙️ 外部命令 (23)
EVALUATION_OUTPUT.json:24 EVALUATION_OUTPUT.json:36 SKILL.md:32 SKILL.md:40 SKILL.md:46 SKILL.md:52 SKILL.md:59 SKILL.md:69-103 SKILL.md:103-117 SKILL.md:117-125 SKILL.md:125-127 SKILL.md:127-132 SKILL.md:132-138 SKILL.md:138-143 SKILL.md:143-151 SKILL.md:151-161 SKILL.md:161-165 SKILL.md:165-166 SKILL.md:166-173 SKILL.md:173-177 SKILL.md:177-182 SKILL.md:182-183 SKILL.md:183-186
🌐 网络访问 (3)
SKILL.md:167 SKILL.md:168 SKILL.md:169
审计者: codex 查看审计历史 →
分享与引用此报告

分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。

打开版本化报告
安全评估

复制报告链接

https://skillstore.io/skills/k-dense-ai-scvi-tools/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

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

HTML 徽章

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

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-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>
学术引用 (APA · BibTeX · CFF)

APA 引用

K-Dense-AI. (2026). scvi-tools security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-scvi-tools/audits/8

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-scvi-tools-2026, author = {K-Dense-AI}, title = {scvi-tools security audit report (audit version 8)}, institution = {Skillstore}, year = {2026}, number = {8}, url = {https://skillstore.io/skills/k-dense-ai-scvi-tools/audits/8}, 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 8)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-06" url: "https://skillstore.io/skills/k-dense-ai-scvi-tools/audits/8" identifiers: - type: other value: "skillstore:k-dense-ai-scvi-tools:audit:8" description: "Skillstore immutable audit report identifier"

比较变体

2 个可安装变体

每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。

为什么此变体排名第一

Skillstore 评分最高
davila7 推荐

davila7-scvi-tools

Skillstore 评分 76
证据置信度 高
Skillstore 使用量 13
已更新

2026-09-09

K-Dense-AI 当前

k-dense-ai-scvi-tools

Skillstore 评分 73
证据置信度 高
Skillstore 使用量 10
已更新

2026-09-09

Skillstore 评分

评分依据 证据置信度: 高
45
架构
85
可维护性
87
内容
71
社区
91
规范符合性

你能构建什么

校正跨研究的批次效应

规划一个 scVI 工作流，用于注册批次协变量，并生成用于下游聚类的整合潜在表示。

在考虑不确定性的情况下比较细胞状态

使用概率差异表达指导来比较组别，同时考虑效应量和后验不确定性。

整合 RNA、蛋白质和可及性数据

为多模态实验和兼容的单细胞数据结构选择 totalVI、MultiVI 或 PeakVI 工作流。

试试这些提示

选择入门模型 
帮助我为我的单细胞数据集选择合适的 scvi-tools 模型。询问模态、批次、标签和分析目标。
为 scVI 准备 AnnData 
审查我为 scVI 计划的 AnnData 字段。检查原始计数、批次键、layers、协变量和特征选择方案。
规划差异表达分析 
为两个细胞组设计一个 scvi-tools 差异表达工作流。包括效应量阈值设置和解释指导。
设计多模态整合工作流 
创建一个高级 scvi-tools 计划，用于整合包含批次协变量和验证检查的配对与非配对多组学数据。

最佳实践

  • 从原始计数数据开始，并将归一化值与模型输入分开保存。
  • 在训练每个模型前注册已知的技术协变量。
  • 保存训练好的模型，并记录超参数以实现可复现分析。

避免

  • 不要在对数归一化表达值上训练 scvi-tools 模型。
  • 当批次、供体或化学处理效应已知时，不要忽略它们。
  • 不要在没有验证的情况下将模型输出视为最终的生物学证据。

常见问题

scvi-tools 最适合做什么？
它最适合用于单细胞组学的概率建模，包括整合、批次校正、注释，以及考虑不确定性的比较。
此技能会运行 scvi-tools 命令吗？
不会。它提供指导、工作流和示例，用户可以在自己的 Python 环境中进行调整。
scvi-tools 使用什么数据格式？
大多数工作流使用 AnnData 对象，其中包含原始计数数据、元数据字段，以及可选的计数矩阵 layers。
我需要 GPU 吗？
并不总是需要 GPU，但对于大型数据集，它可以大幅缩短训练时间。
什么时候应该使用 totalVI 或 MultiVI？
对于配对的 RNA 和蛋白质数据，使用 totalVI。对于配对或非配对的多组学数据，使用 MultiVI。
我应该如何解释差异表达结果？
在报告结论之前，应综合审查效应量、不确定性、假发现控制和生物学背景。

开发者详情

作者

K-Dense-AI

许可证

BSD-3-Clause license

Skillstore 修订

r1

版本提示

作者未声明版本。

仓库

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/scvi-tools

引用

b8ca75d2c0a7e7102978993058777d82b8ab2610

维护新鲜度

2026/7/18

使用量

5 次下载 · 262 次浏览

文件结构

📁 references/

📄 differential-expression.md

📄 models-atac-seq.md

📄 models-multimodal.md

📄 models-scrna-seq.md

📄 models-spatial.md

📄 models-specialized.md

📄 theoretical-foundations.md

📄 workflows.md

📄 EVALUATION_OUTPUT.json

📄 SKILL.md

K-Dense-AI 的更多技能

查看全部

相关技能

查看全部