작성자 K-Dense-AI
hugging-science 스킬은 Hugging Science 카탈로그와 `hugging-science` Hugging Face org에서 과학 AI 리소스를 찾고 활용하는 데 도움을 줍니다. 생물학, 화학, 기후, 유전체학, 소재, 천문학 등에서 실제로 실행하거나 인용할 수 있는 데이터셋, 모델, Space, 블로그 글이 필요할 때 잘 맞습니다. 일반 검색보다 hugging-science 사용법과 hugging-science 가이드 워크플로를 따라갈 때 활용하세요.
작성자 K-Dense-AI
dnanexus-integration은 DNAnexus 클라우드 유전체학 작업에 유용한 실전형 스킬입니다. 앱과 applet을 만들고, 업로드와 다운로드를 관리하며, dxpy로 워크플로를 실행하고 파이프라인을 자동화하는 데 사용할 수 있습니다. dnanexus-integration 가이드는 FASTQ, BAM, VCF 파일은 물론 플랫폼별 설정과 작업 실행이 포함된 Backend Development 업무에 도움이 됩니다.
작성자 K-Dense-AI
scvi-tools는 확률적 단일세포 분석을 위한 Python 프레임워크입니다. 이 scvi-tools 스킬은 배치 보정, 잠재 임베딩, 불확실성을 반영한 차등 발현 분석, 전이 학습, 멀티모달 통합에 유용합니다. 특히 single-cell RNA-seq, ATAC, CITE-seq, multiome, spatial 워크플로에 잘 맞으며, 고급 Machine Learning 활용 사례에서 강점이 있습니다.
작성자 K-Dense-AI
scvelo는 단일세포 RNA-seq 데이터의 RNA velocity 분석을 위한 Python 기술입니다. 이를 사용해 unspliced 및 spliced mRNA로부터 세포 상태 전이를 추정하고, 궤적 방향을 유추하며, latent time을 계산하고, driver gene을 식별할 수 있습니다. 표준 클러스터링이나 pseudotime만으로는 방향성이 부족할 때, scvelo를 활용한 데이터 분석에 특히 유용합니다.
작성자 K-Dense-AI
Python에서 단일세포 RNA-seq 데이터를 분석하는 scanpy 스킬입니다. QC, 정규화, PCA, UMAP/t-SNE, 군집화, 마커 유전자 탐색, 궤적 분석, 출판용 품질의 플롯에 활용하세요. AnnData를 중심으로 구성된 탐색적 scRNA-seq 워크플로에 가장 적합하며, scanpy 사용법과 설치 안내도 함께 제공합니다.
작성자 K-Dense-AI
pydeseq2는 bulk RNA-seq 차등 발현 분석을 위한 Python DESeq2 스킬입니다. 조건 비교, 단일/다중 요인 설계 적합, Wald 검정과 FDR 보정 적용, pandas 및 AnnData 워크플로우에서 volcano/MA plot 생성에 활용할 수 있습니다.
작성자 K-Dense-AI
gget은 CLI 또는 Python에서 20개 이상의 유전체 데이터베이스와 분석 도구에 빠르고 통합적으로 접근할 수 있는 생물정보학 스킬입니다. 유전자 정보, BLAST 관련 조회, AlphaFold 구조, 발현 데이터, 질병 연관성, enrichment 스타일 분석에 활용할 수 있습니다. 빠른 탐색과 gget 기반 데이터 분석 워크플로에 잘 맞습니다.
작성자 K-Dense-AI
geniml은 BED 파일, scATAC-seq 출력, 그리고 염색질 접근성 데이터에 대한 유전체 구간 머신러닝용 스킬입니다. Region2Vec, BEDspace, scEmbed, consensus peaks 등 구간 수준 ML 워크플로에 활용할 수 있습니다. 유전체 구간의 임베딩, 클러스터링, 전처리 가이드가 필요할 때 적합합니다.
작성자 K-Dense-AI
etetoolkit은 ETE 워크플로우를 위한 계통수 툴킷입니다. etetoolkit 스킬을 사용하면 Newick, NHX, PhyloXML, NeXML 형식의 트리를 파싱, 편집, 비교, 루팅, 가지치기, 시각화할 수 있습니다. 또한 phylogenomics, orthology/paralogy 분석, NCBI taxonomy, 출판용 PDF 또는 SVG 출력도 지원합니다.
작성자 K-Dense-AI
depmap은 암 의존성 지도(Cancer Dependency Map)를 분석해 암 세포주 유전자 의존성 점수, 약물 민감도, 유전자 효과 프로필을 파악하는 데 도움을 줍니다. 이를 통해 암 특이적 취약점과 합성 치사 상호작용을 식별하고, 재현 가능한 depmap 가이드를 바탕으로 종양학 약물 타깃을 검증할 수 있습니다.
작성자 K-Dense-AI
deeptools 스킬은 deepTools 기반 NGS 분석 워크플로를 도와줍니다. BAM을 bigWig로 변환하고, QC를 수행하고, 샘플을 비교하며, ChIP-seq, RNA-seq, ATAC-seq 및 관련 실험의 히트맵이나 프로파일 플롯을 만드는 데 유용합니다. 재현 가능한 명령줄 분석과 시각화가 필요할 때 실용적인 deeptools 가이드로 활용하세요.
