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 进行单细胞分析的深度学习。当用户需要 (1) 使用 scVI/scANVI 进行数据集成和批量校正、(2) 使用 PeakVI 进行 ATAC-seq 分析、(3) 使用 TotalVI 进行 CITE-seq 多模态分析、(4) 使用 MultiVI 进行多组 RNA+ATAC 分析、(5) 使用 DestVI 进行空间转录组解卷积、(6) 使用 scANVI/scArches 进行标签转移和参考映射、(7) 使用 veloVI 进行 RNA 速度或 (8) 任何基于深度学习的功能时，应使用此技能单细胞方法。触发因素包括提及 scVI、scANVI、totalVI、PeakVI、MultiVI、DestVI、veloVI、sysVI、scArches、变分自动编码器、VAE、批量校正、数据集成、多模态、CITE-seq、多组、参考映射、潜在空间。 来源：anthropics/life-sciences。

查看原文