scvi-tools

SKILL.md

This skill provides guidance for deep learning-based single-cell analysis using scvi-tools, the leading framework for probabilistic models in single-cell genomics.

| Data Type | Model | Primary Use Case |

| scRNA-seq | scVI | Unsupervised integration, DE, imputation | | scRNA-seq + labels | scANVI | Label transfer, semi-supervised integration | | CITE-seq (RNA+protein) | totalVI | Multi-modal integration, protein denoising | | scATAC-seq | PeakVI | Chromatin accessibility analysis | | Multiome (RNA+ATAC) | MultiVI | Joint modality analysis |

Deep Learning für die Einzelzellanalyse mit scvi-tools. Diese Fähigkeit sollte verwendet werden, wenn Benutzer (1) Datenintegration und Stapelkorrektur mit scVI/scANVI, (2) ATAC-seq-Analyse mit PeakVI, (3) multimodale CITE-seq-Analyse mit totalVI, (4) Multiom-RNA+ATAC-Analyse mit MultiVI, (5) räumliche Transkriptomik-Entfaltung mit DestVI, (6) Etikettenübertragung und Referenzkartierung mit scANVI/scArches, (7) RNA-Geschwindigkeit mit veloVI oder (8) jede auf Deep Learning basierende Einzelzellenmethode. Zu den Auslösern gehören Erwähnungen von scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, Variational Autoencoder, VAE, Batch-Korrektur, Datenintegration, multimodal, CITE-seq, Multiome, Referenzzuordnung, latenter Raum. Quelle: anthropics/life-sciences.

Original anzeigen