尧图网页设计 
单细胞 RNA-seq 完整工作流Scientific Agent Skills 的 Scanpy Cellxgene Census 技能实战指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills刚接触单细胞 RNA-seq 分析是否常被质控 → 标准化 → 降维 → 聚类 → 细胞类型注释这条长流程劝退Scientific Agent Skills 是一个专为 AI 代理打造的科学技能库覆盖 165 个科研技能其中Scanpy 技能与Cellxgene Census 技能恰好把单细胞 RNA-seq 的完整工作流拆解成了一套开箱即用的标准动作前者负责从质控到标注的全流程分析后者帮你从 2 亿 细胞的公共单细胞图谱中一键取数。两者配合新手也能让 AI 代理替你跑完一条可发表级的 scRNA-seq 流水线。 先认识一下Scientific Agent Skills 是什么Scientific Agent Skills 是由 K-Dense 开源的 Agent Skills 技能库全球已有 19 万 科研者在使用。它的定位很清晰把成熟科研工作流写成技能装进 Cursor、Claude Code、Codex、Pi 或任何支持开放 Agent Skills 标准的 AI 工具里让 AI 直接按专家经验执行多步骤任务。单细胞方向的核心资产就两个技能目录技能目录作用Scanpy 技能skills/scanpy/SKILL.md标准单细胞 RNA-seq 分析流水线QC、降维、聚类、差异表达、可视化Cellxgene Census 技能skills/cellxgene-census/SKILL.md编程式查询 CZ CELLxGENE Census 公共单细胞图谱AnnData 技能配套skills/anndata/理解 .h5ad 数据格式与输入输出 Cellxgene Census2 亿细胞的单细胞数据超市没有自己的测序数据Census 技能就是你的起点。它对接的CZ CELLxGENE Census是目前最大的公开单细胞数据集合2025-11-08 LTS 版本包含2.17 亿 细胞1.25 亿 去重后唯一细胞1,845 个数据集覆盖人、小鼠、狨猴、食蟹猴、黑猩猩标准化元数据细胞类型、组织、疾病、供体、测序平台技能文档把查询归纳为 8 种核心模式详见 skills/cellxgene-census/references/core_workflow_patterns.md新手只需记住三步钉住版本——分析前固定census_version保证结果可复现先探查后取数——用get_obs查元数据确认目标组织/细胞类型的细胞数量避免一口气把 10 万 细胞拉进内存小切片用 AnnData——get_anndata()按细胞类型 组织 基因过滤直接拿到 Scanpy 可用的对象。 一条黄金规则查询时永远加上is_primary_data True否则重复数据集会让同一批细胞被计入多次。 Scanpy 技能七步标准工作流 16 个即插即用脚本Scanpy 技能最亮眼的地方是它不鼓励你从零手写代码而是在 skills/scanpy/scripts/ 里内置了 16 个 CLI 脚本每个脚本读入.h5ad、输出.h5ad天然可以首尾相接。方案 A一条命令跑完全流程skills/scanpy/scripts/run_pipeline.py 把加载 → QC → 标准化 → 高变基因 → PCA → 批次整合→ UMAP → Leiden 聚类 → 标志基因串成一条命令还能通过 JSON 配置文件固化参数保证可复现python scripts/run_pipeline.py raw.h5ad -o processed.h5ad \ --resolution 0.5 --n-top-genes 2000 --scrublet方案 B分步执行随时检查步骤脚本产出1. 数据检查inspect_data.py矩阵形状、元数据、已算内容摘要2. 质量控qc_analysis.py线粒体比例、双细胞过滤Scrublet3. 标准化preprocess.py标准化 log1p 高变基因保留 raw 计数4. 降维reduce_dimensions.pyPCA 方差图 UMAP/t-SNE5. 批次整合batch_correct.pyHarmony / BBKNN / ComBat6. 聚类cluster.pyLeiden 聚类支持多分辨率对比7. 标志基因find_markers.py每簇排序基因 CSV 图8. 细胞类型注释annotate.py按 JSON 映射把簇标成细胞类型9. 任意出图plot.pydotplot / heatmap / violin / UMAP每一步背后的原理和参数质控阈值、n_top_genes、分辨率怎么选都写在参考文档里skills/scanpy/references/analysis_workflow.md 是完整七步详解skills/scanpy/references/api_reference.md 是函数速查skills/scanpy/references/plotting_guide.md 教你出发表级图。拿着 Census 取来的数据标准链路就变成python scripts/preprocess.py census_slice.h5ad -o norm.h5ad python scripts/reduce_dimensions.py norm.h5ad -o red.h5ad python scripts/cluster.py red.h5ad -o clu.h5ad --resolution 0.3 0.5 0.8 python scripts/find_markers.py clu.h5ad --groupby leiden python scripts/annotate.py clu.h5ad -o final.h5ad --mapping celltypes.json⚠️ 新手最常踩的 5 个坑技能文档已帮你排雷忘记保存原始计数——过滤基因前adata.raw adata否则后续基因表达图会失真直接复制默认质控阈值——先看线粒体比例和基因数分布图再决定过滤线用 Louvain 聚类——scanpy 1.12 已弃用请改用 Leiden并试 0.3~1.2 多个分辨率把rank_genes_groups的 p 值当严格差异表达——细胞不是独立样本跨条件比较应先用 pseudobulk.py 聚合再交给 pydeseq2Census 查询不锁版本 / 不估规模——先get_obs数细胞数超过 10 万改用 out-of-core 的axis_query()分块处理。版本要求也值得提前知道Scanpy 1.12 需要Python ≥3.12而 cellxgene-census 1.17 需要Python ≥3.10 且 3.13——技能文档里对两者都有明确的安装说明AI 代理会按文档自动处理环境。 快速上手把技能装到你的 AI 工具中即可。支持 npx / gh skill / Agent Plugins 等多种方式最简单的两步git clone https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills npx skills add K-Dense-AI/scientific-agent-skills然后把技能目录放进你的 skills 路径用自然语言下指令例如帮我从 Cellxgene Census 取人类肺部的 B 细胞和 T 细胞数据用 Scanpy 技能做标准单细胞工作流输出 UMAP 图和标志基因表。AI 会依据 skills/cellxgene-census/SKILL.md 完成取数再按 skills/scanpy/SKILL.md 的脚本链完成分析——这就是把 AI 代理变成 AI 科学家的实际体验。✅ 小结没有数据用 Cellxgene Census 技能从 2.17 亿细胞图谱中按组织/细胞类型/基因精准切片有数据10X、h5ad、甚至 Seurat 的 RDSScanpy 技能的 16 个脚本覆盖从质控到细胞类型注释的全部步骤怕记不住参数每个技能都带 SKILL.md references assets 模板AI 代理会替你查、替你配。完整技能清单见 README.md上手示例可参考 docs/examples.md。装上这两个技能你的 AI 代理今天就具备了单细胞 RNA-seq 全流程能力。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 单细胞 RNA-seq 完整工作流：Scientific Agent Skills 的 Scanpy + Cellxgene Census 技能实战指南
单细胞 RNA-seq 完整工作流Scientific Agent Skills 的 Scanpy Cellxgene Census 技能实战指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills刚接触单细胞 RNA-seq 分析是否常被质控 → 标准化 → 降维 → 聚类 → 细胞类型注释这条长流程劝退Scientific Agent Skills 是一个专为 AI 代理打造的科学技能库覆盖 165 个科研技能其中Scanpy 技能与Cellxgene Census 技能恰好把单细胞 RNA-seq 的完整工作流拆解成了一套开箱即用的标准动作前者负责从质控到标注的全流程分析后者帮你从 2 亿 细胞的公共单细胞图谱中一键取数。两者配合新手也能让 AI 代理替你跑完一条可发表级的 scRNA-seq 流水线。 先认识一下Scientific Agent Skills 是什么Scientific Agent Skills 是由 K-Dense 开源的 Agent Skills 技能库全球已有 19 万 科研者在使用。它的定位很清晰把成熟科研工作流写成技能装进 Cursor、Claude Code、Codex、Pi 或任何支持开放 Agent Skills 标准的 AI 工具里让 AI 直接按专家经验执行多步骤任务。单细胞方向的核心资产就两个技能目录技能目录作用Scanpy 技能skills/scanpy/SKILL.md标准单细胞 RNA-seq 分析流水线QC、降维、聚类、差异表达、可视化Cellxgene Census 技能skills/cellxgene-census/SKILL.md编程式查询 CZ CELLxGENE Census 公共单细胞图谱AnnData 技能配套skills/anndata/理解 .h5ad 数据格式与输入输出 Cellxgene Census2 亿细胞的单细胞数据超市没有自己的测序数据Census 技能就是你的起点。它对接的CZ CELLxGENE Census是目前最大的公开单细胞数据集合2025-11-08 LTS 版本包含2.17 亿 细胞1.25 亿 去重后唯一细胞1,845 个数据集覆盖人、小鼠、狨猴、食蟹猴、黑猩猩标准化元数据细胞类型、组织、疾病、供体、测序平台技能文档把查询归纳为 8 种核心模式详见 skills/cellxgene-census/references/core_workflow_patterns.md新手只需记住三步钉住版本——分析前固定census_version保证结果可复现先探查后取数——用get_obs查元数据确认目标组织/细胞类型的细胞数量避免一口气把 10 万 细胞拉进内存小切片用 AnnData——get_anndata()按细胞类型 组织 基因过滤直接拿到 Scanpy 可用的对象。 一条黄金规则查询时永远加上is_primary_data True否则重复数据集会让同一批细胞被计入多次。 Scanpy 技能七步标准工作流 16 个即插即用脚本Scanpy 技能最亮眼的地方是它不鼓励你从零手写代码而是在 skills/scanpy/scripts/ 里内置了 16 个 CLI 脚本每个脚本读入.h5ad、输出.h5ad天然可以首尾相接。方案 A一条命令跑完全流程skills/scanpy/scripts/run_pipeline.py 把加载 → QC → 标准化 → 高变基因 → PCA → 批次整合→ UMAP → Leiden 聚类 → 标志基因串成一条命令还能通过 JSON 配置文件固化参数保证可复现python scripts/run_pipeline.py raw.h5ad -o processed.h5ad \ --resolution 0.5 --n-top-genes 2000 --scrublet方案 B分步执行随时检查步骤脚本产出1. 数据检查inspect_data.py矩阵形状、元数据、已算内容摘要2. 质量控qc_analysis.py线粒体比例、双细胞过滤Scrublet3. 标准化preprocess.py标准化 log1p 高变基因保留 raw 计数4. 降维reduce_dimensions.pyPCA 方差图 UMAP/t-SNE5. 批次整合batch_correct.pyHarmony / BBKNN / ComBat6. 聚类cluster.pyLeiden 聚类支持多分辨率对比7. 标志基因find_markers.py每簇排序基因 CSV 图8. 细胞类型注释annotate.py按 JSON 映射把簇标成细胞类型9. 任意出图plot.pydotplot / heatmap / violin / UMAP每一步背后的原理和参数质控阈值、n_top_genes、分辨率怎么选都写在参考文档里skills/scanpy/references/analysis_workflow.md 是完整七步详解skills/scanpy/references/api_reference.md 是函数速查skills/scanpy/references/plotting_guide.md 教你出发表级图。拿着 Census 取来的数据标准链路就变成python scripts/preprocess.py census_slice.h5ad -o norm.h5ad python scripts/reduce_dimensions.py norm.h5ad -o red.h5ad python scripts/cluster.py red.h5ad -o clu.h5ad --resolution 0.3 0.5 0.8 python scripts/find_markers.py clu.h5ad --groupby leiden python scripts/annotate.py clu.h5ad -o final.h5ad --mapping celltypes.json⚠️ 新手最常踩的 5 个坑技能文档已帮你排雷忘记保存原始计数——过滤基因前adata.raw adata否则后续基因表达图会失真直接复制默认质控阈值——先看线粒体比例和基因数分布图再决定过滤线用 Louvain 聚类——scanpy 1.12 已弃用请改用 Leiden并试 0.3~1.2 多个分辨率把rank_genes_groups的 p 值当严格差异表达——细胞不是独立样本跨条件比较应先用 pseudobulk.py 聚合再交给 pydeseq2Census 查询不锁版本 / 不估规模——先get_obs数细胞数超过 10 万改用 out-of-core 的axis_query()分块处理。版本要求也值得提前知道Scanpy 1.12 需要Python ≥3.12而 cellxgene-census 1.17 需要Python ≥3.10 且 3.13——技能文档里对两者都有明确的安装说明AI 代理会按文档自动处理环境。 快速上手把技能装到你的 AI 工具中即可。支持 npx / gh skill / Agent Plugins 等多种方式最简单的两步git clone https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills npx skills add K-Dense-AI/scientific-agent-skills然后把技能目录放进你的 skills 路径用自然语言下指令例如帮我从 Cellxgene Census 取人类肺部的 B 细胞和 T 细胞数据用 Scanpy 技能做标准单细胞工作流输出 UMAP 图和标志基因表。AI 会依据 skills/cellxgene-census/SKILL.md 完成取数再按 skills/scanpy/SKILL.md 的脚本链完成分析——这就是把 AI 代理变成 AI 科学家的实际体验。✅ 小结没有数据用 Cellxgene Census 技能从 2.17 亿细胞图谱中按组织/细胞类型/基因精准切片有数据10X、h5ad、甚至 Seurat 的 RDSScanpy 技能的 16 个脚本覆盖从质控到细胞类型注释的全部步骤怕记不住参数每个技能都带 SKILL.md references assets 模板AI 代理会替你查、替你配。完整技能清单见 README.md上手示例可参考 docs/examples.md。装上这两个技能你的 AI 代理今天就具备了单细胞 RNA-seq 全流程能力。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考