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 |

使用 scvi-tools 進行單細胞分析的深度學習。當用戶需要 (1) 使用 scVI/scANVI 進行數據集成和批量校正、(2) 使用 PeakVI 進行 ATAC-seq 分析、(3) 使用 TotalVI 進行 CITE-seq 多模態分析、(4) 使用 MultiVI 進行多組 RNA+ATAC 分析、(5) 使用 DestVI 進行空間轉錄組解卷積、(6) 使用 scANVI/scArches 進行標籤轉移和參考映射、(7) 使用 veloVI 進行 RNA 速度或 (8) 任何基於深度學習的功能時，應使用此技能單細胞方法。觸發因素包括提及 scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI、sysVI、scArches、變分自動編碼器、VAE、批量校正、數據集成、多模態、CITE-seq、多組、參考映射、潛在空間。 來源：anthropics/life-sciences。

查看原文