Scanpy
Standaard RNA-seq-workflow voor losse cellen, van QC tot markers
Installeren
Bevat scriptsnpx skills add K-Dense-AI/scientific-agent-skills
scRNA-seq analysis: QC, normalization, UMAP/PCA, clustering, marker genes, or converting an RDS object to h5ad.
- Auteur
- K-Dense Inc.
- Licentie
- BSD-3-Clause
Volgt de gebruikelijke Scanpy-workflow: kwaliteitscontrole, normalisatie, PCA, UMAP of t-SNE, Leiden-clustering, differentiële expressie en visualisatie. Verwerkt ook de lastige eerste stap waarbij Seurat- of SingleCellExperiment-RDS-bestanden naar h5ad worden geconverteerd voordat de analyse kan beginnen. Dask wordt beschreven voor datasets die niet in het geheugen passen; voor probabilistische modellen wordt naar andere oplossingen verwezen.
Vergelijkbare skills
PyDESeq2
SkillVoert bulk-RNA-seq-differentieanalyse uit in Python
AnnData
SkillDe h5ad-datastructuur onder de scverse-stack voor single-cell
scvi-tools
SkillProbabilistische single-cell-modellen voor batchcorrectie
Reacties(0)
Log in om te reageren