single-cell-rna-qc
Performs quality control on single-cell RNA-seq data (.h5ad or .h5 files) using scverse best practices with MAD-based filtering and comprehensive visualizations. Use when users request QC analysis, filtering low-quality cells, assessing data quality, or following scverse/scanpy
Installation
Pick a client and clone the repository into its skills directory.
Installation
About this skill
Performs quality control on single-cell RNA-seq data (.h5ad or .h5 files) using scverse best practices with MAD-based filtering and comprehensive visualizations. Use when users request QC analysis, filtering low-quality cells, assessing data quality, or following scverse/scanpy best practices for single-cell analysis.
How to use
Upewnij się, że masz zainstalowane wymagane biblioteki: anndata, scanpy, scipy, matplotlib, seaborn i numpy. Jeśli ich brakuje, zainstaluj je za pomocą pip.
Przygotuj plik wejściowy w formacie .h5ad (AnnData) lub .h5 (10X Genomics Cell Ranger). Plik powinien zawierać surowe dane sekwencjonowania RNA pojedynczych komórek.
Uruchom skrypt QC z linii poleceń, podając ścieżkę do pliku: python3 scripts/qc_analysis.py input.h5ad. Dla plików 10X Genomics użyj: python3 scripts/qc_analysis.py raw_feature_bc_matrix.h5.
Opcjonalnie dostosuj progi filtrowania za pomocą parametrów --mad-counts, --mad-genes i --mad-mt, aby zmienić czułość detekcji komórek niskiej jakości. Możesz też wskazać katalog wyjściowy parametrem --output-dir.
Poczekaj na zakończenie analizy. Skrypt automatycznie wykryje format pliku, załaduje dane, zastosuje filtrowanie MAD i wygeneruje wizualizacje diagnostyczne.
Sprawdź wyniki w katalogu wyjściowym — otrzymasz metryki jakości, wykresy oraz przefiltrowany zbiór danych gotowy do dalszych analiz.