single-cell-downstream-analysis

Umiejętność Claude'a zawierająca checklist do zaawansowanej analizy downstream danych single-cell RNA-seq w ekosystemie OmicVerse. Obejmuje scoring ścieżek metabolicznych za pomocą AUCell, identyfikację różnicowo wyrażonych genów w metakomórkach, predykcję odpowiedzi na leki (scDrug), odkrywanie regulonów transkrypcyjnych (SCENIC), wykrywanie programów genowych (cNMF) i detekcję społeczności (NOCD). Zawiera wzorce walidacji defensywnej, punkty kontrolne interpretacji wyników i wytyczne dotyczące zasobów obliczeniowych dla każdego modułu.

1. Przygotuj dane: upewnij się, że masz obiekt AnnData z wykonanym klastrowaniem i osadzeniem (np. UMAP lub PCA w adata.obsm). Jeśli planujesz używać AUCell, pobierz wcześniej kolekcje ścieżek (GO, KEGG lub własne) odpowiadające badanemu organizmowi.
2. Zweryfikuj warunki wstępne dla wybranego modułu: przed AUCell sprawdź, czy istnieje osadzenie; przed DEG w metakomórkach upewnij się, że adata.raw zawiera surowe liczby; przed SCENIC potwierdź, że dane nie są log-transformowane; przed scDrug sprawdź, czy masz adnotacje typu komórki.
3. Dla scoring ścieżek użyj ov.single.geneset_aucell dla jednej ścieżki lub ov.single.pathway_aucell dla wielu ścieżek. Do oceny całej biblioteki ścieżek zastosuj ov.single.pathway_aucell_enrichment z parametrem num_workers dla paralelizacji.
4. Zinterpretuj wyniki: wyniki AUCell to wartości podobne do ekspresji w zakresie 0–1; użyj sc.pl.embedding do wizualizacji wyników na osadzeniu. Sprawdź punkty kontrolne interpretacji dla każdego modułu, aby potwierdzić biologiczną sensowność wyników.
5. Eksportuj wyniki: każdy moduł zawiera opcjonalne kroki walidacji i eksportu; zapoznaj się z odpowiednią sekcją w README, aby dowiedzieć się, jakie dane zapisać dla dalszych analiz lub publikacji.