scvelo

scvelo 技能概覽

scvelo 是一個用於單細胞 RNA-seq 資料中 RNA velocity 分析的 Python 技能。它可以幫你從未剪接與已剪接 mRNA 估計細胞狀態轉移、推斷軌跡方向、計算 latent time，並找出 driver genes。如果你是在做 scvelo for Data Analysis，而且需要比一般分群或 pseudotime 更有方向性判讀，這個技能會是很合適的選擇。

scvelo 技能是做什麼的

當你的問題重點是「細胞接下來會往哪裡走」，而不只是「細胞目前怎麼分群」時，就適合用 scvelo。它特別適合 snapshot 資料集：你想推斷發育進程、命運分支，或不依賴時間序列也能看出的譜系動態時，scvelo 會很有用。

最適合的使用者與專案

這個技能適合做單細胞生物學的研究人員與分析人員，尤其是已經在用 Scanpy 或 scvi-tools 的使用者。它最適合處理 RNA velocity 工作流程，例如分化、狀態轉換、latent time 排序，以及以 velocity 為基礎的視覺化分析。

scvelo 為什麼不一樣

和通用型提示詞相比，scvelo 提供的是一套以 RNA velocity 假設與必要輸入為核心的分析導向工作流程。這一點很重要，因為能不能成功，取決於前處理品質、spliced/unspliced 層是否齊全，以及資料集本身是否適合。好的 scvelo 指南應該幫你避免在資料無法支撐 velocity 的情況下硬做分析。

如何使用 scvelo 技能

先安裝並檢查對應檔案

先依照清單中的安裝路徑安裝這個技能，然後先閱讀主要技能檔。在這個 repository 裡，最適合的起點是 SKILL.md；沒有額外的 helper scripts 或 reference folders 需要跟著看。也就是說，技能本體就是工作流程指引、限制條件與使用模式的主要來源。

提供 scvelo 真正需要的輸入

要讓 scvelo 發揮作用，不能只說「幫我跑 RNA velocity」。請至少提供：

• 資料集類型與物種
• 是否已經有 spliced/unspliced counts
• 在 Scanpy 中的前處理狀態
• 分析目標：方向性、latent time、driver genes，或 fate mapping
• 已知的 batch、稀疏度，或 QC 問題

更好的提示詞會像這樣：「分析這個 pancreatic scRNA-seq AnnData object，裡面有 spliced/unspliced layers，請估計 RNA velocity、為分支譜系排序 driver genes，並說明哪些細胞看起來正朝各自命運承諾。」

採用實用的工作流程

可靠的 scvelo 指南通常會依照這個順序：

1. 檢查 layers 與細胞／基因 QC
2. 適當做 normalization 與 filtering
3. 建立 neighbors 與 moments
4. 估計 velocities
5. 檢查 velocity graph、latent time 與 driver genes
6. 對照已知生物學解讀結果

不要跳過資料檢查。在 scvelo 裡，輸入品質不佳常常會產生看起來合理、其實很誤導的方向性結果。

先讀懂工作流程相關章節

如果你正在判斷這個技能適不適合你，請優先看那些說明以下內容的章節：

• 什麼時候該使用 RNA velocity
• 前提條件與假設
• 標準工作流程
• 解讀限制

這些部分比快速掃過圖表或範例呼叫更有價值。它們也能幫你在花時間調參之前，先判斷資料集是否真的適合。

scvelo 技能 FAQ

scvelo 只適合進階使用者嗎？

不完全是，但它也不是零門檻。只要你已經熟悉 Scanpy 或單細胞工作流程，scvelo 就不難上手。初學者也能用，但前提是要了解 AnnData 結構、count layers，以及基本 QC。

scvelo 和一般提示詞有什麼不同？

一般提示詞可以概念性地描述 RNA velocity，但 scvelo 技能更適合真正做分析。它聚焦於實際工作流程、必要輸入，以及會影響結果可信度的解讀步驟。

什麼情況下不該用 scvelo？

如果你沒有 unspliced/spliced 資訊、資料非常淺，或只需要大致的分群摘要，就不該用 scvelo。若你的資料集無法支撐 velocity 假設，pseudotime 或 differential expression 分析通常會是更好的選擇。

scvelo 會取代 Scanpy 或 scvi-tools 嗎？

不會。scvelo 技能是它們的補充。實務上，你通常會先用 Scanpy 做前處理與視覺化，再用 scvelo 做 velocity 特定推斷與 latent-time 解讀。

如何改進 scvelo 技能

先從具體的生物學問題開始

最好的 scvelo 結果，通常來自清楚的目標：命運分支、分化方向、driver genes，或 latent ordering。「分析這個資料集」太模糊了。像「找出從 progenitor 到兩個終末狀態的可能轉換路徑」這種問題，會給模型更明確的任務。

提供前處理與品質脈絡

scvelo 最常失敗的原因，就是前處理細節太少或根本沒說。請告訴技能是否已經做過 filtering、normalization、highly variable gene selection，以及 neighbor graph construction。也要補充明顯問題，例如 counts 很稀疏、細胞狀態混雜，或 batch effects。

要求解讀，而不只是程式碼

有用的輸出應該要能說明 velocity 結果在生物學上代表什麼。請要求模型說明主要轉移、可信度界線，以及哪些 genes 支持推斷出的方向。這會讓 scvelo 技能更適合做決策，而不只是畫圖。

一次只針對一個具體輸出迭代

如果第一次結果太寬泛，就把範圍收窄。例如，接著可以要求：

• 某一條譜系中排名最高的 velocity driver genes
• 各 clusters 之間 latent time 的比較
• 檢查推斷方向是否符合已知 markers

這是把 scvelo for Data Analysis 做得更好的最快方法，而且不會把工作流程塞得太滿。