Single Cell

scvi-tools 是一個用於機率式單細胞分析的 Python 框架。這個 scvi-tools 技能可用於批次校正、潛在嵌入、帶不確定性估計的差異表現分析、遷移學習，以及多模態整合。它特別適合單細胞 RNA-seq、ATAC、CITE-seq、multiome 與空間流程，尤其是進階 Machine Learning 使用情境。

scvelo 是一個用於單細胞 RNA-seq 資料中 RNA velocity 分析的 Python 技能。可用來根據未剪接與已剪接 mRNA 估計細胞狀態轉換、推斷軌跡方向、計算潛在時間，並找出驅動基因。當你需要超越一般分群或偽時間、進一步掌握方向性時，這個 skill 尤其適合用於 scvelo for Data Analysis。

用於 Python 中 scanpy 單細胞 RNA-seq 資料分析的技能。可用來進行 QC、正規化、PCA、UMAP/t-SNE、分群、標記基因探索、軌跡分析，以及產出適合發表的圖表。最適合以 AnnData 為核心、以探索性 scRNA-seq 工作流程為主的情境，並提供清楚的 scanpy 使用與安裝指引。

geniml 是一個用於 BED 檔、scATAC-seq 輸出與染色質可及性資料的基因組區間機器學習技能。適合用來處理 Region2Vec、BEDspace、scEmbed、共識 peaks，以及其他以區域為單位的 ML 工作流程。當你需要基因組區域的 embeddings、clustering，或前處理建議時，這個技能相當合適。