科研插件
空间组学
空间转录组、空间定位与空间多组学分析。
官方收录发布者 Codar安全审核通过v0.3.214 个 Skill
README
空间组学:Skill 导航与方法比较
本 README 按任务而不是按来源组织 Skill。表中的入口完成相同或相近任务, 但算法假设、输入格式、计算资源和输出不同;它们是选择关系,不是待删除副本。 除非表格明确说明,描述不构成跨数据集 benchmark,实际选择仍应结合数据与版本验证。
使用方法
- 先定位任务族,再按“重点比较”判断数据、目标和资源约束。
- 打开候选
SKILL.md核对命令、输入输出和陷阱;不要只凭工具名选择。 - 对模型类方法优先保留独立验证集或第二模型共识;对统计方法先核对假设。
空间映射与解卷积
共同目标:围绕“空间映射与解卷积”完成同一分析环节;以下入口保留不同算法、工具或工作流。
重点比较:比较 cell-type deconvolution、单细胞映射和空间邻域模型,关注 spot 分辨率及参考匹配。
本任务族共有 5 个独立入口、5 个名称。
| Skill | 技术路线/资源标签 | 适用范围与主要差异 |
|---|---|---|
空间转录组 | Python、单细胞 | Estimate cell type composition in spatial transcriptomics spots using reference-based deconvolution. Use cell2location, RCTD, SPOTlight, or Tangram to infer cell type proportions from scRNA-seq references. Use when esti… |
Cell2location替换 | 读取入口说明确认依赖与输入 | Cell2location skill scaffold; replace this scaffold with a tested implementation. |
参考基因为基础的去卷积方法估计空间转录组学斑点 | Python、单细胞 | Estimate cell type composition in spatial transcriptomics spots using reference-based deconvolution. Use cell2location, RCTD, SPOTlight, or Tangram to infer cell type proportions from scRNA-seq references. Use when esti… |
空间-解卷积 | R/Bioconductor、Python、单细胞 | Estimates per-spot cell type composition of spatial transcriptomics mixtures (Visium, Slide-seq, Stereo-seq) from an scRNA-seq reference with cell2location, RCTD, SPOTlight, stereoscope, SpatialDWLS, or reference-free S… |
Tangram-拓扑拼图技能框架 | 读取入口说明确认依赖与输入 | Tangram skill scaffold; replace this scaffold with a tested implementation. |
名称不同但语义近似的补充候选
以下分组由名称与描述中的稀有任务词识别,未自动合并。它们可能是别名、 包含关系或相邻步骤;使用前应以各自入口的输入输出边界为准。
候选组 1
参考基因为基础的去卷积方法估计空间转录组学斑点:Estimate cell type composition in spatial transcriptomics spots using reference-based deconvolution. Use cell2location, RCTD, SPOTlight, or Tangram to infer cell type proportions…空间转录组:Estimate cell type composition in spatial transcriptomics spots using reference-based deconvolution. Use cell2location, RCTD, SPOTlight, or Tangram to infer cell type proportions…
示例提示词
围绕《你的疾病、基因或组织微环境》寻找公共空间组学研究,比较切片、样本和空间坐标信息,提出可检验的定位问题。
包含的科研 Skills14 个
- 空间ATAC与空间表观组分析在空间组学领域开展“空间ATAC-seq”任务时使用;根据输入、科学假设和运行环境,在空间表观组学下已保留的方法实现之间路由。v0.1.1
- 空间转录组解卷积与细胞映射在空间组学领域开展“细胞定位”任务时使用;根据输入、科学假设和运行环境,在空间细胞定位下已保留的方法实现之间路由。v0.1.1
- 空间域识别在空间组学领域开展“空间域识别”任务时使用;根据输入、科学假设和运行环境,在空间转录组下已保留的方法实现之间路由。v0.1.1
- 空间代谢组与质谱成像分析在空间组学领域开展“空间代谢组”任务时使用;根据输入、科学假设和运行环境,在空间多组学下已保留的方法实现之间路由。v0.1.1
- 空间细胞通讯与微环境分析在空间组学领域开展“空间微环境”任务时使用;根据输入、科学假设和运行环境,在空间通讯下已保留的方法实现之间路由。v0.1.4
- nf-core-imcyto流程当成像质谱细胞术数据需要按标记通道分割细胞并提取特征时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/imcyto。v0.1.0
- nf-core-mcmicro流程当多轮或多通道组织图像需要拼接、配准与细胞定量时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/mcmicro。v0.1.0
- nf-core-molkart流程当Resolve Molecular Cartography 交付数据需要整理分子坐标与细胞表达时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/molkart。v0.1.0
- nf-core-panoramaseq流程当已确认原位阵列空间转录测序,需要将读段与空间位置关联时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/panoramaseq。v0.1.0
- nf-core-sopa流程当空间图像与分子坐标需要联合分割、聚合和分析时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/sopa。v0.1.0
- nf-core-spatialaxe流程当Xenium 或 Artera 交付数据需要检查空间细胞、分子与特征质量时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/spatialaxe。v0.1.0
- nf-core-spatialvi流程当Visium 计数与组织图像需要联合分析空间表达时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/spatialvi。v0.1.0
- 空间蛋白质组分析在空间组学领域开展“空间蛋白质组”任务时使用;根据输入、科学假设和运行环境,在空间多组学下已保留的方法实现之间路由。v0.1.1
- 空间转录组分析在空间组学领域开展“空间转录组”任务时使用;根据输入、科学假设和运行环境,在空间转录组下已保留的方法实现之间路由。v0.1.4
常见问题
空间组学能做什么?
空间转录组、空间定位与空间多组学分析。
如何安装空间组学?
在科搭 Codar 左侧点击「插件」,在「插件」页签搜索「空间组学」并安装;也可以把本页的安装提示词发给 Claude Code 或 Codex。
空间组学需要哪些权限?
该科研插件没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
空间组学经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。