Genomics

La skill hugging-science vous aide à trouver et utiliser des ressources d’IA scientifique issues du catalogue Hugging Science et de l’organisation Hugging Face `hugging-science`. Elle convient aux travaux en biologie, chimie, climat, génomique, science des matériaux, astronomie et domaines proches, lorsque vous avez besoin d’un dataset, d’un modèle, d’un Space ou d’un article de blog réellement exploitable ou citable. Utilisez-la pour des workflows d’usage de hugging-science et de guide hugging-science plutôt qu’une recherche générique.

dnanexus-integration est une compétence pratique pour les workflows de génomique cloud sur DNAnexus. Servez-vous-en pour créer des apps et applets, gérer les importations et exportations, exécuter des workflows et automatiser des pipelines avec dxpy. Le guide dnanexus-integration aide pour les tâches de développement backend impliquant des fichiers FASTQ, BAM et VCF, ainsi que la configuration spécifique à la plateforme et l’exécution des jobs.

scvi-tools est un framework Python pour l’analyse probabiliste de données single-cell. Utilisez ce skill scvi-tools pour la correction de batch, les embeddings latents, l’expression différentielle avec incertitude, le transfert d’apprentissage et l’intégration multimodale. Il convient particulièrement aux workflows single-cell RNA-seq, ATAC, CITE-seq, multiome et spatiaux, surtout pour des cas d’usage avancés en Machine Learning.

scvelo est une compétence Python dédiée à l’analyse de la vélocité ARN dans les données de séquençage RNA-seq à cellule unique. Utilisez-la pour estimer les transitions d’état cellulaire à partir des ARNm épissés et non épissés, inférer la direction des trajectoires, calculer le temps latent et identifier les gènes moteurs. Elle est particulièrement utile pour l’analyse de données avec scvelo lorsque vous avez besoin d’une information directionnelle au-delà du clustering standard ou du pseudotemps.

skill scanpy pour l’analyse de données RNA-seq single-cell en Python. Utilisez-le pour le contrôle qualité, la normalisation, la PCA, UMAP/t-SNE, le clustering, l’identification de gènes marqueurs, l’analyse de trajectoire et des graphiques de qualité publication. Idéal pour les workflows exploratoires de scRNA-seq centrés sur AnnData, avec des indications claires sur l’usage de scanpy et son installation.

pydeseq2 est une skill Python DESeq2 pour l’analyse différentielle de l’expression génique sur des données bulk RNA-seq. Utilisez-la pour comparer des conditions, ajuster des modèles à un ou plusieurs facteurs, appliquer des tests de Wald et une correction FDR, puis générer des graphiques volcano ou MA dans des workflows pandas et AnnData.

gget est une skill de bioinformatique pour accéder rapidement et de façon unifiée à plus de 20 bases de données génomiques et outils d’analyse depuis le CLI ou Python. Utilisez-la pour obtenir des informations sur les gènes, faire des recherches liées à BLAST, consulter des structures AlphaFold, des données d’expression, des associations avec des maladies et des analyses de type enrichment. Elle convient bien à l’exploration rapide et aux workflows d’analyse de données avec gget.

geniml est un skill dédié au machine learning sur intervalles génomiques à partir de fichiers BED, de sorties scATAC-seq et de données d’accessibilité de la chromatine. Utilisez-le pour Region2Vec, BEDspace, scEmbed, les consensus peaks et d’autres workflows de ML au niveau des régions. C’est un bon choix si vous avez besoin d’embeddings, de clustering ou d’aide au prétraitement pour des régions génomiques.

etetoolkit est une boîte à outils pour arbres phylogénétiques destinée aux workflows ETE. Utilisez la skill etetoolkit pour analyser, modifier, comparer, enraciner, élaguer et visualiser des arbres au format Newick, NHX, PhyloXML ou NeXML. Elle prend en charge la phylogénomique, l'analyse orthologie/paralogie, la taxonomie NCBI, ainsi que des sorties PDF ou SVG prêtes pour la publication.

depmap aide à analyser le Cancer Dependency Map pour les scores de dépendance des lignées cellulaires cancéreuses, la sensibilité aux médicaments et les profils d’effet génique. Utilisez-le pour repérer des vulnérabilités spécifiques au cancer, des interactions de létalité synthétique et valider des cibles thérapeutiques en oncologie grâce à un guide depmap reproductible pour l’analyse de données.

La skill deeptools aide à gérer les workflows d’analyse NGS dans deepTools : conversion BAM vers bigWig, contrôle qualité, comparaison d’échantillons, et heatmaps ou graphiques de profil pour ChIP-seq, RNA-seq, ATAC-seq et autres essais connexes. Utilisez-la comme guide deeptools pratique lorsque vous avez besoin d’analyses et de visualisations reproductibles en ligne de commande.