科研 Skill
分泌蛋白活性推断
codar-single-cell-virtual-cell-skill-52156de0f22e
当用户需要从接收细胞的响应程序反推可能的分泌配体或细胞因子,并整合发送细胞表达、受体和空间证据时使用。
SKILL.md
分泌蛋白活性推断
先由智能体检查已有文件并判断是否有接收细胞响应和样本设计,不要求用户认识工具或填写专业参数。缺失且改变设计的事实用普通语言补问;缺少数据时说明需要什么,不编造活性或响应。宽泛研究目标不自动授权上传或大规模下载。
定义发送端和接收端
需要细胞类型、供体与条件、发送和接收群、表达矩阵、接收侧差异基因、配体—受体及配体—靶基因网络。先确认比较发生在接收细胞内,而不是由细胞组成变化制造。
推断过程
- 在每个供体或样本内建立接收细胞响应程序,定义合适的表达背景基因。
- 用 NicheNet 或相似模型按配体解释靶基因程序的能力排序。
- 过滤发送群不表达的配体、接收群缺少受体或受体复合体不完整的候选。
- 比较多个供体的方向和排名;有空间数据时增加物理邻近约束。
- 对高度相关的配体家族保留竞争候选,并列出能区分它们的实验。
质量与解释
检查网络版本、每群细胞和供体数、差异基因阈值、组成偏倚和背景选择。活性分数是先验网络与表达的推断,不能代替蛋白分泌量、受体激活或因果实验。
交付
已有 NicheNet 结果时,按绘图输入契约运行 render_results.py,自动输出活性排名、靶基因潜力热图及可用的表达证据图。该脚本复用原生结果,不执行配体活性推断;从表达开始时仍须按已核验版本运行 NicheNet,不能将绘图成功报告成推断已执行。
输出候选分泌因子、活性分数、支持靶基因、发送/接收群、跨供体一致性和验证优先级。
用户要求完整分析时,完成推断后直接生成配体活性排名图、配体–靶基因热图及发送端配体/接收端受体表达支持图,不停在矩阵或等待第二次绘图指令。已有结果对象先核验并复用。候选按当前响应基因、背景和跨供体支持选择;不能固定复用示例分子,也不能强造不同数据集的差异。有多条件及足够供体时增加供体级效应图,样本不足则保留描述性结果。表达、活性和调控潜力分别标注,不能混称通讯概率。
每图交付 PNG 和 PDF/SVG、源表、绘图代码及图注,实际打开检查。用图集清单记录已生成、不适用或失败及原因;缺少靶基因网络时明确缺失,不以表达热图冒充靶基因推断。没有药敏、临床结局或空间坐标时不仿造相应关联图。
原生响应程序执行
多供体多条件且有真实计数时使用 run_multinichenet.R,要求 multinichenetr 2.1.0 及其完整 Bioconductor 依赖。输入为 SingleCellExperiment,明确 sample_key/donor_key/condition_key/cell_type_key、count_assay、lr_network/ligand_target_matrix 与 network_version;contrasts 的每项为 group 和 reference 条件列表,对比参考均值。重复供体必须进入 covariates 设计;每条件至少3供体,技术重复先按设计处理。它执行原生 sample pseudobulk/edgeR、配体活性和条件优先级并导出结果包;原生优先级不是显著性概率。统一方法入口会接续出图,依赖或设计检查失败时不得改用细胞级检验绕过。
MultiNicheNet还输出分条件/接收群/上调或下调响应的配体活性、靶基因权重及逐供体表达支持;不同响应方向不能合并为同一矩阵单元。已有该脚本产出的原生对象可设置reuse_bundle指向原结果包,核验对象、表达、先验摘要及原生分析参数一致后只重新导出与出图。仅有外部来源未知的RDS不能跳过核验。
有表达矩阵、发送/接收群、明确响应基因集及版本化先验时,运行 run_nichenet.R。它读取基因×细胞 expression 与 metadata 的 RDS、LR 先验和 ligand-target 矩阵,原生执行 NicheNet 活性与靶基因关联,保留对象和来源。配置需包含 dataset/research_question/input/lr_network/ligand_target_matrix/gene_set/gene_set_definition/receiver/network_version/expression_scale;发送群由 senders 指定。依赖 nichenetr 2.2.1.1、jsonlite、digest、Matrix。输出目录必须在 Git 外且不存在。
由主通讯 skill 的多方法入口执行时自动接续结果包绘图;单独执行时发现已安装主通讯组件 05-single-cell-virtual-cell-b08-t04 的 render_result_bundle.py 后直接生成配体排序、靶基因热图和机制关联网络,不等用户补绘图指令。未安装时给出明确依赖失败并保留原生对象。方法注册中的 CellCall、MultiNicheNet、FlowSig 等使用各自原生实现与输入要求,不能用 NicheNet 的结果冒充。
FlowSig 分支通过主通讯组件的 run_flowsig.py(固定 flowsig 0.5.5、独立 Python 环境)执行。需要两个真实条件、control、按条件对应的原生 CellChat 结果及实际 GEM;gem_mode=reuse 必须记录上游 GEM 来源,或 gem_mode=native_nmf 从明确 counts 层拟合。它重新构建 inflow/module/outflow 并执行原生 bootstrap、类型约束和边筛选,自动出分层网络、频率热图与逐供体模块载荷。旧 H5AD 中的网络结果不参与本次推断。
FlowSig 使用原生未按细胞总和闭合的 GEM,检查各条件变异和矩阵条件数;默认排除每条件不足10个可辨识变异细胞或相对标准差过低的变量,保存排除记录。进入模型前按全队列每变量一个标准差作数值缩放,绝不逐条件归一化,原始矩阵和缩放值保留。数值警告触发失败,不降低门槛凑图。边频率不是 P,模块间未定向边用无箭头虚线,三供体配对数据也不能把细胞 bootstrap 当成供体层因果验证。macOS 环境需要可用 OpenMP;若 Accelerate 报矩阵运算警告,使用同版本经核验的 OpenBLAS 构建并重跑数值检查,不屏蔽警告。
CellCall 的 LR–TF 原生整合通过主通讯 skill 的稳定 ID 05-single-cell-virtual-cell-b08-t04 定位该主通讯 Skill 内的 run_cellcall.R,由主入口自动执行到图集。具体状态、版本和入口以该 skill 的唯一方法契约为准;CellCallEXT 为独立软件,不能用 CellCall 的 extended 数据库参数代替。LR 分数没有原生联合 P/FDR 时只描述原生正分数筛选;不同单位的 LR 与 TF 权重分开保存,机制图不得混合为统一流量。
默认图件交付
分泌蛋白活性推断的现有绘图入口调用图件交付内核,为实际结果保存PNG、SVG、PDF,关闭背景主次网格,保留该分析的数据线与科学参照;逐图查看交付记录和最终预览,失败不得报告成功。
所属插件
安装该插件会一并获得同领域的 39 个 Skill / MCP。
同插件的其他科研 Skill
- 单细胞CNV推断当用户需要从 scRNA-seq 或 scDNA-seq 推断细胞拷贝数轮廓与克隆结构,并评估恶性细胞判定对正常参考的依赖时使用。
- scRNA-seq预处理在单细胞与虚拟细胞领域开展“scRNA-seq预处理”任务时使用;根据输入、科学假设和运行环境,在单细胞数据处理下已保留的方法实现之间路由。
- scATAC-seq预处理在单细胞与虚拟细胞领域开展“scATAC预处理”任务时使用;根据输入、科学假设和运行环境,在单细胞数据处理下已保留的方法实现之间路由。
- 单细胞多组学预处理与整合在单细胞与虚拟细胞领域开展“多组学预处理”任务时使用;根据输入、科学假设和运行环境,在单细胞数据处理下已保留的方法实现之间路由。
- 单细胞批次整合在单细胞与虚拟细胞领域开展“单细胞处理”任务时使用;根据输入、科学假设和运行环境,在单细胞数据处理下已保留的方法实现之间路由。
- 双细胞检测在单细胞与虚拟细胞领域开展“双细胞检测”任务时使用;根据输入、科学假设和运行环境,在单细胞质量控制下已保留的方法实现之间路由。
- 环境RNA污染校正在单细胞与虚拟细胞领域开展“旁细胞校正”任务时使用;根据输入、科学假设和运行环境,在单细胞质量控制下已保留的方法实现之间路由。
- 线粒体比例质控在单细胞与虚拟细胞领域开展“线粒体过滤”任务时使用;根据输入、科学假设和运行环境,在单细胞质量控制下已保留的方法实现之间路由。
- 单细胞降维与聚类在单细胞与虚拟细胞领域开展“PCA-细胞聚类分析”任务时使用;根据输入、科学假设和运行环境,在细胞聚类分析下已保留的方法实现之间路由。
- 单细胞类型注释与参考映射在单细胞与虚拟细胞领域开展“参考映射-细胞类型注释”任务时使用;根据输入、科学假设和运行环境,在细胞类型注释下已保留的方法实现之间路由。
- 细胞状态与周期评分在单细胞与虚拟细胞领域开展“细胞状态评分-细胞状态分析”任务时使用;根据输入、科学假设和运行环境,在细胞状态分析下已保留的方法实现之间路由。
- RNA速度与细胞命运推断在单细胞与虚拟细胞领域开展“scVelo-轨迹与命运分析”任务时使用;根据输入、科学假设和运行环境,在轨迹与命运分析下已保留的方法实现之间路由。
- 单细胞轨迹与伪时间分析在单细胞与虚拟细胞领域开展“轨迹与命运分析”任务时使用;根据输入、科学假设和运行环境,在轨迹与命运分析下已保留的方法实现之间路由。
- 单细胞细胞通讯分析在单细胞与虚拟细胞领域开展“细胞通讯分析”任务时使用;根据输入、科学假设和运行环境,在细胞通讯分析下已保留的方法实现之间路由。
- Perturb-seq扰动分析在单细胞与虚拟细胞领域开展“扰动与虚拟细胞”任务时使用;根据输入、科学假设和运行环境,在扰动与虚拟细胞下已保留的方法实现之间路由。
- 虚拟敲除与扰动预测在单细胞与虚拟细胞领域开展“虚拟扰动”任务时使用;根据输入、科学假设和运行环境,在扰动与虚拟细胞下已保留的方法实现之间路由。
- 单细胞药物响应模拟在单细胞与虚拟细胞领域开展“药物响应模拟”任务时使用;根据输入、科学假设和运行环境,在扰动与虚拟细胞下已保留的方法实现之间路由。
- CITE-seq分析在单细胞与虚拟细胞领域开展“CITE-seq-单细胞多组学”任务时使用;根据输入、科学假设和运行环境,在单细胞多组学下已保留的方法实现之间路由。
- 单细胞转座元件表达分析当用户需要在单细胞 RNA 数据中估计转座元件家族或位点表达,并显式处理重复序列多重比对和基因重叠时使用。
- 代谢物介导的细胞通讯分析当用户需要从单细胞表达和代谢信息推断代谢物、酶、转运体与受体介导的细胞间通讯时使用。
- 单细胞调控网络分析当用户需要从单细胞 RNA、ATAC 或多组学数据构建带 motif、可及性和扰动支持的 TF-regulon 调控网络时使用。
- 单细胞跨队列整合与元分析当用户需要联合多个研究或队列的单细胞数据,评估细胞类型、状态和差异信号的跨研究一致性与异质性时使用。
- scVI单细胞概率建模当用户需要使用 scVI、scANVI 或 totalVI 对单细胞计数进行概率表征、半监督标签迁移或 RNA-蛋白联合建模时使用。
- 单细胞差异丰度分析当用户需要比较条件间离散细胞群或连续邻域的丰度变化,以供体为重复并处理组成数据的相互依赖时使用。
常见问题
分泌蛋白活性推断能做什么?
当用户需要从接收细胞的响应程序反推可能的分泌配体或细胞因子,并整合发送细胞表达、受体和空间证据时使用。
如何安装分泌蛋白活性推断?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「分泌蛋白活性推断」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
分泌蛋白活性推断需要哪些权限?
该科研 Skill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。
分泌蛋白活性推断经过官方审核吗?
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。