科研 Skill
nf-core-cellpainting流程
nfcore-cellpainting
当多通道细胞成像及处理条件需要生成形态特征用于比较时使用。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/cellpainting。
SKILL.md
Cell Painting细胞形态特征提取(nf-core/cellpainting)
识别数据与研究目标
从交付文件与报告中识别高内涵显微图像、plate/well/site/channel 映射、CellProfiler 配置和处理条件,核对通道与成像批次。
方法选择
按 cellprofiler_mode 区分 assay_development 的照明/单视野 QC 与 analysis 的完整特征提取及 CytoTable 转换。
先核对 版本约定。
| 核对项 | 固定范围 |
|---|---|
| 上游版本 | dev;6849844d1f7c841578a89caa5101d9537e7fa023 |
| 上游维护 | 开发版本;按当前代码实际实现的范围使用 |
| 本地运行 | 未进行真实分析运行;不能据本 Skill 文件声称实跑通过 |
| 引擎声明 | !>=25.10.4;还需核验 Java、容器和 profile |
根据数据确定参数
从通道、照明、细胞大小和板布局选择校正及分割设置,先在代表性视野检查边界;以独立孔或实验单位比较特征,不能用细胞数夸大生物重复。
| 决策与配置 | 处理要求 |
|---|---|
| 事实与缺口 | 先读现有文件和报告;不能据文件名猜实验类型、参考或样本关系;只补问无法核实且会改变分析的背景 |
| 参数来源 | 区分协议必需设置、数据估计、方法默认和研究选择;说明实际取值及理由,不要求用户填写专业参数 |
| 可执行配置 | 仅把已支持的选择映射为当前版本的原生字段;不支持的步骤另行交接,不虚构开关 |
| 阈值复核 | 默认值先评估适用性;依据质控、对照及敏感性检查调整,不能按显著结果数量调参 |
| 资料 | 使用时机 |
|---|---|
| 参数模式.json | 编写 params.json 时核对字段、类型、枚举及条件约束 |
| 输入模式-1.json | 准备 input 对应的样本表或输入文件时读取 |
仅在已授权且配置齐备时运行。
nextflow run nf-core/cellpainting -r 6849844d1f7c841578a89caa5101d9537e7fa023 -params-file params.json
模式文件的许可见 LICENSE。
质控与解释
检查照明校正、分割、图像失焦、边缘效应及 plate 批次,抽查对象和形态特征。
比较处理条件时,以独立孔或实际实验单位组织重复,不能把同一孔内的大量细胞当作独立生物学重复。保留空白、阴性与阳性对照的空间分布,识别板边和加样顺序造成的系统偏差。展示异常特征时回到对应原始视野核验,区分细胞数量变化与单细胞形态变化。
交付实际模式的 QC、形态特征及 Parquet 等产物;开发模式不承诺全量特征表,形态相似不直接证明相同药物机制。
所属插件
安装该插件会一并获得同领域的 22 个 Skill / MCP。
同插件的其他科研 Skill
- 医学影像深度学习模型开发在AI医学影像领域开展“CNN影像”任务时使用;根据输入、科学假设和运行环境,在医学影像深度学习下已保留的方法实现之间路由。
- 放射组学特征提取与建模在AI医学影像领域开展“特征提取”任务时使用;根据输入、科学假设和运行环境,在影像组学下已保留的方法实现之间路由。
- 放射影像-病理-组学融合在AI医学影像领域开展“影像组学融合”任务时使用;根据输入、科学假设和运行环境,在多模态影像融合下已保留的方法实现之间路由。
- 数字病理全切片分析在AI医学影像领域开展“全切片图像分析”任务时使用;根据输入、科学假设和运行环境,在数字病理AI下已保留的方法实现之间路由。
- 神经影像与电生理分析当用户需要分析fMRI、EEG或其他神经电生理数据,完成预处理、事件建模、连接性和受试者层统计时使用。
- Cellpose细胞与细胞核分割当用户需要在荧光或明场显微图像中使用Cellpose分割细胞或细胞核并提取形态指标时使用。
- nnU-Net医学影像分割当用户拥有标注医学影像并需要规划、训练或评估nnU-Net分割流程时使用。
- H&E虚拟空间转录组预测当用户需要用DeepSpot-M从H&E切片切块预测空间基因表达并评估适用性时使用。
- 临床多模态LLM评估当用户需要评估放射报告生成、医学视觉问答或临床多模态LLM的正确性、忠实度和安全性时使用。
- 三维医学影像配准与重采样当用户需要用SimpleITK对CT、MRI或显微体数据进行刚体、仿射或形变配准,并安全重采样影像与标签时使用。
- 生物显微图像处理与定量当用户需要对显微图像或ImageJ、CellProfiler输出进行强度、形态、细胞计数和组间统计分析时使用。
- DICOM影像处理与去标识当用户需要读取、检查、转换或安全去标识DICOM影像与元数据时使用。
- 癌症影像公共数据检索当用户需要按癌种、影像模态、临床或病理条件检索并下载可公开使用的癌症影像队列时使用。
- BIDS神经影像数据整理当用户需要组织、检查或转换符合BIDS规范的MRI、PET、EEG、MEG或其他神经影像研究数据时使用。
- 医学影像模型可信评估当用户需要审核医学影像模型的数据泄漏、外部验证、校准、不确定性、OOD、可解释性或模型文档时使用。
- 显微影像数据管理当用户需要整理、入库、检索、标注、共享或导出显微影像及其元数据时使用。
- 单颗粒跟踪与扩散分析当用户需要从视频显微图像定位颗粒、连接轨迹并计算MSD或扩散系数时使用。
- 细胞划痕面积与闭合率分析当用户提供细胞划痕实验图片、ImageJ/Fiji测量结果或已有分割,希望测算划痕空白面积、看伤口还剩多少、比较不同时间点愈合情况、计算闭合率或批量处理图片时使用;也用于划痕分析反复报错、耗时异常、识别区域不对和结果复核。支持scratch assay、wound healing assay;仅有疾病、基因或发表目标时先澄清实验与数据,不直接启动图像分析。
- 医学影像数据准备与质量检查开展医学图像分割、质量检查或影像模型评估时使用;不用于常规科研绘图。
- nf-core-liverctanalysis流程当肝脏 CT 数据需要分割或定量,而候选流程包含尚未实现该能力的历史模板时使用。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/liverctanalysis。
- nf-core-lsmquant流程当光片显微三维图像需要校正、对象识别或定量时使用。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/lsmquant。
常见问题
nf-core-cellpainting流程能做什么?
当多通道细胞成像及处理条件需要生成形态特征用于比较时使用。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/cellpainting。
如何安装nf-core-cellpainting流程?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「nf-core-cellpainting流程」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。
nf-core-cellpainting流程需要哪些权限?
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。
nf-core-cellpainting流程经过官方审核吗?
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。