scvi-tools 단일세포 확률모델 도우미

무엇을 해주나

scvi-tools는 PyTorch 기반의 확률적 단일세포 분석 프레임워크입니다. 이 스킬은 Claude가 scvi-tools를 다룰 때 필요한 지식을 정리해 둡니다.

• 모델 선택 가이드: RNA-seq(scVI, scANVI, AUTOZI, VeloVI), ATAC-seq(PeakVI, PoissonVI, scBasset), 멀티모달(totalVI, MultiVI, MrVI, DIAGVI), 공간전사체(DestVI, Stereoscope, Tangram), 특수 모달리티(MethylVI, CytoVI, Solo, CellAssign)를 용도별로 매칭
• 네임스페이스 구분: 코어 모델은 scvi.model, 나머지는 scvi.external에 있다는 점을 명확히 알려 잘못된 임포트를 예방
• 표준 워크플로: setup_anndata → train → get_latent_representation/get_normalized_expression → scanpy 다운스트림까지 이어지는 코드 템플릿
• 불확실성 기반 차별발현: mode="change", delta 설정 등 확률적 DE 분석 방법
• 베스트 프랙티스: 원시 카운트 사용, 유전자 필터링, 공변량 등록, 모델 저장, GPU 가속

이런 분께 추천

• 단일세포 RNA-seq/ATAC-seq 데이터를 다루는 생물정보학 연구자·대학원생
• 여러 배치·연구 데이터를 통합해야 하는데 Harmony/scanpy 기본 기능만으로 부족한 분
• CITE-seq, multiome 같은 멀티모달 데이터를 확률모델로 결합하려는 분
• 표준 파이프라인(scanpy)만 필요한 초보자에게는 과할 수 있습니다

활용 예시

1. "여러 도너에서 얻은 scRNA-seq 데이터를 scVI로 배치 보정하고 UMAP까지 그려줘" → 유전자 필터링, setup_anndata에 batch/donor/percent_mito 등록, 학습, X_scVI 저장, sc.pp.neighbors(use_rep=...) 코드 생성
2. "CITE-seq 단백질+RNA 데이터를 함께 모델링하고 싶어" → totalVI(라벨이 있으면 totalANVI) 선택 근거와 scvi.model.TOTALVI 기반 스크립트 안내
3. "세포 타입 A와 B 간 차별발현을 불확실성까지 포함해 계산해줘" → model.differential_expression(mode="change", delta=0.25) 결과 해석 방법 설명

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