Single Cell

scvi-tools é um framework em Python para análise probabilística de dados de célula única. Use esta skill do scvi-tools para correção de lote, embeddings latentes, expressão diferencial com incerteza, transfer learning e integração multimodal. Ela é uma ótima opção para fluxos de trabalho com single-cell RNA-seq, ATAC, CITE-seq, multiome e espacial, especialmente em casos de uso avançados de Machine Learning.

scvelo é um skill em Python para análise de RNA velocity em dados de RNA-seq de célula única. Use-o para estimar transições de estado celular a partir de mRNA não emendado e emendado, inferir a direção da trajetória, calcular tempo latente e identificar genes drivers. É especialmente útil para scvelo for Data Analysis quando você precisa de direção além de clustering padrão ou pseudotempo.

skill de scanpy para análise de dados de RNA-seq de célula única em Python. Use para QC, normalização, PCA, UMAP/t-SNE, clustering, descoberta de genes marcadores, análise de trajetória e gráficos com qualidade de publicação. É mais indicado para fluxos exploratórios de scRNA-seq centrados em AnnData, com orientações claras de uso e instalação do scanpy.

geniml é uma skill para aprendizado de máquina com intervalos genômicos em arquivos BED, saídas de scATAC-seq e dados de acessibilidade da cromatina. Use-a para Region2Vec, BEDspace, scEmbed, picos consenso e outros fluxos de ML em nível de região. É uma boa opção quando você precisa de embeddings, clusterização ou orientação de pré-processamento para regiões genômicas.