Scanpy
Standardflöde för encells-RNA-seq från QC till markörgener
Installera
Innehåller skriptnpx 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.
- Utvecklare
- K-Dense Inc.
- Licens
- BSD-3-Clause
Följer det etablerade arbetsflödet i Scanpy: kvalitetskontroll, normalisering, PCA, UMAP eller t-SNE, Leiden-klustring, differentiellt uttryck och visualisering. Den hanterar också det besvärliga första steget att konvertera RDS-filer från Seurat eller SingleCellExperiment till h5ad innan övrig analys kan köras. Dask dokumenteras för datamängder som inte ryms i minnet, medan probabilistiska modeller hänvisas till andra verktyg.
Liknande färdigheter
PyDESeq2
FärdighetAnalyserar differentiellt uttryck i bulk-RNA-seq med Python
AnnData
Färdigheth5ad-datastrukturen bakom scverse för enkelcellsdata
scvi-tools
FärdighetProbabilistiska enkelcellsmodeller för korrigering och integrering
Kommentarer(0)
Logga in för att kommentera