scvelo

scvelo 技能概览

scvelo 是一个用于单细胞 RNA-seq 数据 RNA velocity 分析的 Python 技能。它可以帮助你根据未剪接和已剪接 mRNA 估计细胞状态转变、推断轨迹方向、计算 latent time，并识别 driver genes。如果你在做 scvelo for Data Analysis，并且需要比标准聚类或 pseudotime 更强的方向性判断，这个技能非常适合。

scvelo 技能的用途

当你的问题是“细胞将走向哪里”，而不只是“它们如何分组”时，就该用 scvelo 技能。它最适合 snapshot 数据集：你想在没有时间序列的情况下，推断发育进程、命运分支或谱系动态。

适合的用户与项目

这个技能适合从事单细胞生物学研究的研究人员和分析人员，尤其是使用 Scanpy 或 scvi-tools 的用户。它在涉及分化、状态转变、latent time 排序，以及基于 velocity 的可视化时最有价值。

scvelo 的不同之处

和通用提示词相比，scvelo 提供的是以 RNA velocity 假设和输入要求为核心的分析工作流。这一点很重要，因为能否成功，取决于预处理质量、spliced/unspliced 层是否齐全，以及数据集是否适合做 velocity。好的 scvelo 指南应该帮助你避免在数据根本支撑不了 velocity 时强行使用它。

如何使用 scvelo 技能

安装并检查正确的文件

先使用该技能列出的安装路径，然后优先阅读主技能文件。在这个仓库里，最合适的起点是 SKILL.md；这里没有需要额外跟随的 helper scripts 或参考文件夹。也就是说，技能正文本身就是工作流指导、限制条件和使用模式的主要来源。

提供 scvelo 真正需要的输入

想让 scvelo 发挥作用，不能只说“运行 RNA velocity”。你还需要提供：

• 数据集类型和物种
• 是否已经有 spliced/unspliced 计数
• 在 Scanpy 中的预处理状态
• 分析目标：方向性、latent time、driver genes，还是 fate mapping
• 已知的 batch、稀疏性或 QC 问题

更好的提示词例如：“分析这个胰腺 scRNA-seq AnnData object，其中包含 spliced/unspliced layers，估计 RNA velocity，为分支谱系中的 driver genes 排名，并解释哪些细胞看起来正在走向各自的命运终点。”

按实用工作流执行

一套可靠的 scvelo 指南通常会按这个顺序进行：

1. 检查 layers 和细胞/基因 QC
2. 正确进行归一化和过滤
3. 构建 neighbors 和 moments
4. 估计 velocities
5. 检查 velocity graph、latent time 和 driver genes
6. 结合已知生物学解释结果

不要跳过数据检查。在 scvelo 里，输入质量不佳常常会生成看起来很合理、实则误导性的方向性结果。

先读工作流相关章节

如果你在判断这个技能是否合适，重点看解释以下内容的章节：

• 何时使用 RNA velocity
• 前提条件和假设
• 标准工作流
• 结果解释的限制

这些部分比快速扫一眼图示或示例调用更能说明问题。它们也能帮助你在调参数之前先判断数据集是否真的适合。

scvelo 技能 FAQ

scvelo 只适合高级用户吗？

不完全是，但它也不是“零门槛”。如果你已经在使用 Scanpy 或单细胞工作流，scvelo 会比较容易上手。初学者也能用，但前提是理解 AnnData 结构、计数层，以及基本 QC。

scvelo 和普通提示词有什么区别？

普通提示词可以概念性地解释 RNA velocity，而 scvelo 技能更适合真正执行分析。它围绕实际工作流、所需输入和解释步骤展开，而这些都会影响结果是否可信。

什么时候不该用 scvelo？

如果你没有 unspliced/spliced 信息、数据过浅，或者只需要一个宽泛的聚类总结，就不要用 scvelo。若你的数据集无法支撑 velocity 假设，那么 pseudotime 或差异表达分析可能更合适。

scvelo 会替代 Scanpy 或 scvi-tools 吗？

不会。scvelo 技能是对它们的补充。实际使用中，通常先用 Scanpy 做预处理和可视化，再用 scvelo 做 velocity 相关推断和 latent-time 解释。

如何改进 scvelo 技能

从一个生物学上具体的问题开始

scvelo 最好的结果来自明确的目标：命运分支、分化方向、driver genes，还是 latent ordering。“分析这个数据集”太笼统了。“识别从祖细胞到两个终末状态的可能转变路径”则能给模型更清晰的目标。

提供预处理和质量背景

scvelo 最常见的失败模式，就是预处理细节不充分或缺失。告诉技能你是否已经完成过滤、归一化、highly variable gene 选择和 neighbor graph 构建。也要说明显而易见的问题，比如计数稀疏、细胞状态混杂或 batch effect。

要求解释，而不只是代码

有用的输出应该解释 velocity 结果在生物学上意味着什么。请它说明主要转变、置信边界，以及哪些基因支持了推断出的方向。这样 scvelo 技能才更适合用于决策，而不只是出图。

每次迭代只追问一个具体输出

如果第一次结果太宽泛，就把问题收窄。例如，下一步可以要求：

• 某一条谱系中排名前列的 velocity driver genes
• 各个 clusters 的 latent time 对比
• 检查推断方向是否与已知 markers 一致

这是在不过载工作流的前提下，提升 scvelo for Data Analysis 效果的最快方法。