Single Cell

scvi-tools es un framework de Python para el análisis probabilístico de datos de célula única. Usa esta skill de scvi-tools para corrección de lotes, embeddings latentes, expresión diferencial con incertidumbre, transfer learning e integración multimodal. Encaja especialmente bien en flujos de trabajo de RNA-seq de célula única, ATAC, CITE-seq, multiome y espacial, sobre todo en casos de uso avanzados de Machine Learning.

scvelo es una skill en Python para el análisis de RNA velocity en datos de RNA-seq de célula única. Úsala para estimar transiciones entre estados celulares a partir de mRNA no empalmado y empalmado, inferir la dirección de las trayectorias, calcular tiempo latente e identificar genes impulsores. Es especialmente útil para scvelo en análisis de datos cuando necesitas direccionalidad más allá del clustering estándar o del pseudotiempo.

Skill de scanpy para el análisis de datos scRNA-seq de célula única en Python. Úsalo para QC, normalización, PCA, UMAP/t-SNE, clustering, descubrimiento de genes marcadores, análisis de trayectoria y gráficos listos para publicación. Es ideal para flujos exploratorios de scRNA-seq basados en AnnData, con uso claro de scanpy y guía de instalación.

geniml es una skill para aprendizaje automático con intervalos genómicos sobre archivos BED, salidas de scATAC-seq y datos de accesibilidad de cromatina. Úsala para Region2Vec, BEDspace, scEmbed, picos consenso y otros flujos de trabajo de ML a nivel de región. Es una buena opción cuando necesitas embeddings, clustering o guía de preprocesamiento para regiones genómicas.