scvi-tools

scvi-tools ist ein spezialisierter Skill aus Anthropics offenem Repository knowledge-work-plugins und dem darin enthaltenen bio-research-Plugin. Er macht die wichtigsten probabilistischen Deep-Learning-Modelle des scvi-tools-Ökosystems als wiederholbaren Analyseleitfaden zugänglich. Die offizielle SKILL.md beschreibt die Auswahl zwischen scVI, scANVI, totalVI, PeakVI, MultiVI, DestVI, veloVI und sysVI abhängig vom Datentyp und der wissenschaftlichen Fragestellung. Die Einordnung in diesem Katalog folgt dieser Primärquelle sowie der offiziellen scvi-tools-Dokumentation. Das Repository ist unter Apache-2.0 veröffentlicht. GitHub-Sterne werden für diesen Skill nicht gespeichert, weil das Skill-Modell dafür kein Feld besitzt; die Popularität des übergeordneten Repositorys ist deshalb kein Qualitätsnachweis für den einzelnen Skill.

Wofür der Skill gedacht ist

Laut Anbieter unterstützt der Skill Forschende bei tiefenlernenden Einzelzellmethoden, wenn Datensätze integriert, Batch-Effekte korrigiert, Zelltypen übertragen oder mehrere Modalitäten gemeinsam modelliert werden sollen. Für unüberwachtes scRNA-seq empfiehlt die Modellübersicht scVI für Integration, differentielle Expression und latente Repräsentationen. Sind Zelllabels vorhanden, dient scANVI der semi-supervidierten Integration und dem Labeltransfer. totalVI ist auf CITE-seq mit RNA- und Proteinmessungen ausgerichtet, PeakVI auf scATAC-seq, MultiVI auf gemeinsame RNA- und ATAC-Multiome sowie DestVI auf die Dekonvolution räumlicher Transkriptomik mit einer scRNA-Referenz. veloVI adressiert RNA-Geschwindigkeiten und transkriptionelle Dynamik, während sysVI für systemweite oder technologieübergreifende Batch-Effekte vorgesehen ist. scArches wird im Skill-Kontext für das Zuordnen neuer Daten zu vortrainierten Referenzen genannt.

Arbeitsweise und Datenvoraussetzungen

Der Workflow beginnt mit der Prüfung und Vorbereitung eines AnnData-Datensatzes. Eine zentrale fachliche Grenze ist, dass scvi-tools-Modelle Rohzählwerte als Integerdaten benötigen. Normalisierte Werte dürfen nicht versehentlich an die Stelle der Counts treten; die offizielle Anleitung empfiehlt, die Rohdaten vor der Normalisierung in einer Layer-Struktur zu sichern und diese bei der Einrichtung des Modells anzugeben. Für die Integration soll ein passender batch_key gesetzt werden, damit das Modell technische oder biologische Gruppen unterscheiden kann. Die Auswahl hochvariabler Gene wird als wichtiger Vorbereitungsschritt behandelt. Der Skill verweist auf die offizielle Dokumentation für die genaue API, aktuelle Versionsdetails und modellspezifische Voraussetzungen, statt eine einzelne, unveränderliche Parameterkombination zu versprechen.

Vom Datensatz zur Interpretation

Die mitgelieferten Workflow-Hinweise decken Validierung, Vorbereitung, Modelltraining, Einbettung, Clustering, differentielle Expression, Labeltransfer und Datensatzintegration ab. Damit entsteht kein automatischer Beweis biologischer Wahrheit. Ein latenter Raum kann Batch-Strukturen reduzieren, aber auch echte biologische Unterschiede abschwächen, wenn Metadaten, Design oder Modellwahl ungeeignet sind. Ergebnisse sollten mit bekannten Markern, unabhängigen Qualitätskontrollen und der eigenen Studienfrage geprüft werden. Bei räumlicher Dekonvolution, Protein-Denoising, RNA-Velocity oder Referenzmapping sind die Eigenschaften der Referenzdaten besonders entscheidend. Laut Anbieter soll der Ablauf vor einem produktiven Einsatz in der eigenen Umgebung validiert werden.

Grenzen, Sicherheit und Betrieb

Der Skill liefert Analyseanleitungen und verweist auf Python-basierte Werkzeuge; er ersetzt keine statistische Beratung, keine Laborvalidierung und keine Prüfung der Rohdatenqualität. Benötigte Pakete, Hardware, GPU-Treiber und Modellversionen müssen zur eigenen Umgebung passen. Sensible Omics-Daten sollten nur in einem dafür freigegebenen Arbeitsbereich verarbeitet werden. Wer einen gehosteten Claude-Client nutzt, muss zusätzlich prüfen, welche Eingaben an den jeweiligen Modellanbieter übertragen werden; lokale Python-Berechnung und die Datenverarbeitung des verbundenen Assistenten sind nicht dasselbe. Unbekannte Dateien, Metadaten oder automatisch erzeugte Prompts dürfen nicht ungeprüft als vertrauenswürdige Analyseanweisung behandelt werden. Der Skill ist besonders nützlich für Bioinformatik-Teams, Core Facilities und Forschende, die Modellwahl und wiederkehrende Vorbereitungsschritte dokumentierbarer machen wollen. Er ist weniger geeignet, wenn ausschließlich Bulk-RNA-seq, rein explorative Visualisierung oder eine vollständig validierte Spezialpipeline ohne Anpassungsbedarf gefragt ist.