클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

DeepSpot-M 가상 공간전사체

H&E 병리 슬라이드 타일에서 약 1.9만 개 단백질 코딩 유전자의 공간 발현량을 예측하는 가상 공간전사체 스킬.

데이터·분석고급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

DeepSpot-M은 224x224 픽셀(약 20배율, 픽셀당 0.5μm) H&E 조직 이미지 타일 하나를 입력받아, 지정한 유전자들의 발현량을 log1p-CPM 단위로 예측하는 멀티모달 파운데이션 모델입니다. 이 스킬은 Claude가 다음을 대신 처리하도록 안내합니다.

  • deepspotm 설치, Hugging Face 게이트 가중치 접근 및 로그인 절차 안내
  • 타일 크기·배율 검증 코드 삽입(잘못된 크롭을 조용히 통과시키지 않음)
  • predict_genes 호출 시 HGNC 유전자 심볼 목록 처리와 결과 컬럼 라벨링
  • 5가지 유전자 임베딩 소스(evo2 / orthrus / prott5 / scgpt / apertus) 선택 가이드
  • histolab으로 전체 슬라이드를 타일링한 뒤 배치 추론 → 타일×유전자 행렬 → AnnData 조립까지의 전체 파이프라인

고정 패널이 아니라 유전자 심볼로 질의하는 구조라, 일반 공간전사체 어세이의 수백 개 패널을 훨씬 넘어서는 범위를 다룰 수 있습니다.

이런 분께 추천

  • 병리 슬라이드는 많은데 실제 공간전사체 실험 데이터는 없는 연구자
  • TCGA 같은 대규모 코호트에 발현 채널을 추가하려는 계산병리 연구팀
  • 형태학 기반 파이프라인에 유전자 발현 정보를 붙이고 싶은 개발자
  • 단, 비상업 연구 목적에 한합니다(코드 PolyForm NC, 가중치 CC-BY-NC-SA).

활용 예시

  1. 마커 유전자 지도: 종양 절편 전체를 타일링한 뒤 ["EPCAM", "CD3D", "PTPRC"]를 질의해 상피/면역 영역 공간 분포 히트맵을 생성.
  2. 코호트 아틀라스 구축: 수백 장의 슬라이드를 배치 추론으로 돌려 타일×유전자 행렬을 저장하고, AnnData로 묶어 하위 공간 분석에 투입.
  3. 임베딩 소스 비교: 동일 타일 세트를 scgpt와 prott5 소스로 각각 예측해 결과 일관성을 확인하고 분석 견고성을 검증.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/deepspot-m 폴더를 내 ~/.claude/skills/deepspot-m/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/deepspot-m ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 터미널을 열고 저장소를 클론합니다: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  2. 스킬 폴더를 Claude 스킬 디렉터리에 복사합니다: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/deepspot-m ~/.claude/skills/
  3. Python 3.10~3.13 환경을 준비하고, GPU를 쓸 경우 CUDA 버전에 맞는 PyTorch를 먼저 설치합니다.
  4. 모델 패키지를 설치합니다: uv pip install deepspotm==1.0.0 (또는 pip install deepspotm==1.0.0)
  5. https://huggingface.co/ratschlab/DeepSpotM 페이지에서 가중치 접근 권한을 신청하고 승인을 기다립니다.
  6. 승인 후 사용할 머신에서 huggingface-cli login을 실행해 토큰을 캐시합니다(머신당 1회).
  7. Claude Code를 재시작하고 "H&E 타일에서 DeepSpot-M으로 유전자 발현을 예측해줘"처럼 요청하면 스킬이 자동으로 호출됩니다.
  8. 사용 전 PolyForm Noncommercial 및 CC-BY-NC-SA 라이선스 조건을 확인하세요.
GitHub에서 원본 보기 ↗라이선스: MIT