scvi-tools

# scvi-tools ## 概述 scvi-tools 是一个用于单细胞基因组学概率模型的综合 Python 框架。它基于 PyTorch 和 PyTorch Lightning 构建，提供使用变分推理的深度生成模型，用于分析多样化的单细胞数据模态。 ## 何时使用此技能 在以下情况使用此技能： - 分析单细胞 RNA-seq 数据（降维、批次校正、整合） - 处理单细胞 ATAC-seq 或染色质可及性数据 - 整合多模态数据（CITE-seq、multiome、配对/非配对数据集） - 分析空间转录组数据（去卷积、空间映射） - 对单细胞数据执行差异表达分析 - 进行细胞类型注释或迁移学习任务 - 处理专门的单细胞模态（甲基化、流式细胞术、RNA 速率） - 构建用于单细胞分析的自定义概率模型 ## 核心能力 scvi-tools 按数据模态组织模型： ### 1. 单细胞 RNA-seq 分析 用于表达分析、批次校正和整合的核心模型。参见 `references/models-scrna-seq.md`： - **scVI**: 无监督降维和批次校正 - **scANVI**: 半监督细胞类型注释和整合 - **AUTOZI**: 零膨胀检测和建模 - **VeloVI**: RNA 速率分析 - **contrastiveVI**: 扰动效应隔离 ### 2. 染色质可及性 (ATAC-seq) 用于分析单细胞染色质数据的模型。参见 `references/models-atac-seq.md`： - **PeakVI**: 基于峰值的 ATAC-seq 分析和整合 - **PoissonVI**: 定量片段计数建模 - **scBasset**: 具有基序分析的深度学习方法 ### 3. 多模态与多组学整合 多种数据类型的联合分析。参见 `references/models-multimodal.md`： - **totalVI**: CITE-seq 蛋白质和 RNA 联合建模 - **MultiVI**: 配对和非配对多组学整合 - **MrVI**: 多分辨率跨样本分析 ### 4. 空间转录组学 空间分辨转录组分析。参见 `references/models-spatial.md`： - **DestVI**: 多分辨率空间去卷积 - **Stereoscope**: 细胞类型去卷积 - **Tangram**: 空间映射和整合 - **scVIVA**: 细胞-环境关系分析 ### 5. 专业模态 其他专业分析工具。参见 `references/models-specialized.md`： - **MethylVI/MethylANVI**: 单细胞甲基化