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 |

Apprentissage profond pour l'analyse monocellulaire à l'aide des outils scvi. Cette compétence doit être utilisée lorsque les utilisateurs ont besoin (1) d'intégration de données et de correction par lots avec scVI/scANVI, (2) d'analyse ATAC-seq avec PeakVI, (3) d'analyse multimodale CITE-seq avec totalVI, (4) d'analyse multiome RNA+ATAC avec MultiVI, (5) de déconvolution de la transcriptomique spatiale avec DestVI, (6) de transfert d'étiquettes et de cartographie de référence avec scANVI/scArches, (7) de vitesse d'ARN avec veloVI, ou (8) toute méthode unicellulaire basée sur l'apprentissage profond. Les déclencheurs incluent des mentions de scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, auto-encodeur variationnel, VAE, correction par lots, intégration de données, multimodal, CITE-seq, multiome, mappage de référence, espace latent. Source : anthropics/life-sciences.

Voir l'original