DeepSpot-M 가상 공간전사체

무엇을 해주나

• H&E 병리 슬라이드의 224x224 픽셀 타일(약 20배율, 0.5µm/px)을 입력받아 유전자별 발현값(log1p-CPM)을 예측하는 DeepSpot-M 모델 사용법을 Claude가 정확히 안내합니다.
• 고정 패널이 아니라 HGNC 유전자 심볼로 질의하는 방식이라 약 19k 단백질 코딩 유전자 중 원하는 유전자만 골라 뽑을 수 있습니다.
• evo2, orthrus, prott5, scgpt, apertus 다섯 가지 유전자 임베딩 소스의 차이와 선택 기준을 정리해 줍니다.
• 타일 크기 검증 함수, ImportError를 친절한 안내 메시지로 바꾸는 지연 임포트 패턴, 슬라이드 전체 배치 추론 → AnnData 조립까지 실전 코드 패턴을 제공합니다.

이런 분께 추천

• 디지털 병리·공간전사체를 연구하는 계산생물학자 및 대학원생
• 공간 발현 어세이 없이 보관 슬라이드 코호트에서 발현 정보를 추정하고 싶은 연구팀
• 형태학 기반 병리 파이프라인에 발현 채널을 추가하려는 ML 엔지니어
• 주의: 비상업 라이선스이며 Hugging Face 게이트 승인과 PyTorch(가능하면 CUDA GPU)가 필요합니다.

활용 예시

1. "이 타일에서 EPCAM, CD3D 발현을 예측해줘" → image_processor로 전처리 후 predict_genes 호출 코드를 만들어 줍니다.
2. "histolab으로 슬라이드를 타일링한 뒤 전체 슬라이드 발현 맵을 만들어줘" → 타일 격자 좌표 유지, torch.stack 배치, 타일×유전자 행렬 결합, AnnData 저장까지의 루프를 작성해 줍니다.
3. "임베딩 소스를 scgpt와 prott5로 각각 돌려 결과를 비교하고 싶어" → 동일 타일에 대해 두 소스로 반복 실행하는 스크립트 구조를 제안합니다.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/deepspot-m/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

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.