scvi-tools

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 |

Глубокое обучение для анализа отдельных клеток с использованием scvi-инструментов. Этот навык следует использовать, когда пользователям необходимо (1) интеграция данных и пакетная коррекция с помощью scVI/scANVI, (2) анализ ATAC-seq с помощью PeakVI, (3) мультимодальный анализ CITE-seq с TotalVI, (4) анализ мультиомной РНК + ATAC с помощью MultiVI, (5) пространственная транскриптомная деконволюция с помощью DestVI, (6) перенос метки и эталонное картирование с помощью scANVI/scArches, (7) скорость РНК с veloVI или (8) любой одноклеточный метод, основанный на глубоком обучении. Триггеры включают упоминания о scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI, sysVI, scArches, вариационном автокодировщике, VAE, пакетной коррекции, интеграции данных, мультимодальном режиме, CITE-seq, мультиоме, эталонном отображении, скрытом пространстве. Источник: anthropics/life-sciences.