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。

单细胞分析中注释矩阵的数据结构。在处理.h5ad文件或与scverse生态系统集成时使用。此为数据格式技能——分析流程请使用scanpy；概率模型请使用scvi-tools；群体规模查询请使用cellxgene-census。

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。

以编程方式查询CELLxGENE Census（6100万+细胞）。当您需要从最大规模的 curated 单细胞图谱中获取跨组织、疾病或细胞类型的表达数据时使用。适用于大规模群体查询和参考图谱比较。如需分析您自己的数据，请使用 scanpy 或 scvi-tools。

此技能适用于处理基因组区间数据（BED文件）的机器学习任务，可用于训练区域嵌入（Region2Vec、BEDspace）、单细胞ATAC-seq分析（scEmbed）、构建一致峰（universes）或任何基于机器学习的基因组区域分析。适用于BED文件集合、scATAC-seq数据、染色质可及性数据集以及基于区域的基因组特征学习。

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。

用于单细胞组学的深度生成模型。当需要概率性批次校正（scVI）、迁移学习、带不确定性差异表达分析或多模态整合（TOTALVI、MultiVI）时使用。最适合高级建模、批次效应和多模态数据。标准分析流程请使用scanpy。