标准单细胞RNA测序分析流程，用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析及可视化，适用于采用成熟工作流的探索性单细胞RNA测序分析。对于...

安装涵盖序列分析、RNA测序、单细胞分析、变异检测、宏基因组学、结构生物学等56个以上类别的425种生物信息学技能。在搭建生物信息学能力或执行需要尚未安装的特殊技能的生物信息学任务时使用。

使用可扩展算法（GRNBoost2、GENIE3）从基因表达数据中推断基因调控网络（GRNs）。在分析转录组数据（批量RNA测序、单细胞RNA测序）时使用，以识别转录因子与靶基因的关系及调控相互作用。支持大规模数据集的分布式计算。

NGS分析工具包。支持BAM转bigWig、质量控制（相关性、PCA、指纹图谱）、热图/轮廓图（TSS、峰位），用于ChIP-seq、RNA-seq、ATAC-seq的可视化。

访问NCBI GEO获取基因表达/基因组学数据。搜索/下载微阵列和RNA-seq数据集（GSE、GSM、GPL），获取SOFT/矩阵文件，用于转录组学和表达分析。

此技能适用于使用LaminDB——一种开源的生物学数据框架，可使数据具备可查询性、可追溯性、可重复性和FAIR原则。适用于管理生物学数据集（如单细胞RNA测序、空间转录组、流式细胞术等）、跟踪计算工作流、使用生物学本体论对数据进行整理与验证、构建数据湖仓，以及确保生物学研究中的数据溯源与可重复性。涵盖数据管理、注释、本体论（基因、细胞类型、疾病、组织）、模式验证、与工作流管理工具（Nextflow、Snakemake）及MLOps平台（Weights & Biases、MLflow）的集成，以及部署策略。

差异基因表达分析（Python DESeq2）。从批量RNA-seq计数中识别差异表达基因，使用Wald检验、FDR校正，生成火山图和MA图，用于RNA-seq分析。

标准单细胞RNA测序分析流程。适用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析和可视化。最适合采用成熟工作流程的探索性单细胞RNA测序分析。如需使用深度学习模型，请使用scvi-tools；如有关于数据格式的问题，请使用anndata。

使用 scVelo 进行 RNA 速度分析：根据未剪接/剪接 mRNA 的动力学估算细胞状态转变，推断轨迹方向，计算潜在时间，并在单细胞 RNA-seq 数据中识别驱动基因。与 Scanpy/scVI-tools 相辅相成，用于轨迹推断。