Claude Skill MartKhám phá skillSkill là gì?
 
← Về danh sách

DeepSpot-M — Phiên mã không gian ảo

Dự đoán biểu hiện gene không gian cho khoảng 19 nghìn gene mã hóa protein trực tiếp từ tile ảnh mô học H&E.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Kỹ năng này làm gì

DeepSpot-M là mô hình nền đa phương thức nhận một tile ảnh mô H&E kích thước 224x224 pixel (độ phóng đại ~20x, ~0.5 micron/pixel) và trả về mức biểu hiện gene theo đơn vị log1p-CPM. Kỹ năng hướng dẫn Claude:

  • Cài đặt deepspotm, xin quyền truy cập trọng số bị khóa trên Hugging Face và đăng nhập
  • Chèn đoạn kiểm tra kích thước/độ phóng đại của tile để không đưa crop sai vào mô hình
  • Gọi predict_genes với danh sách ký hiệu gene HGNC và gán nhãn cột kết quả đúng
  • Chọn một trong năm nguồn embedding gene: evo2, orthrus, prott5, scgpt, apertus
  • Chạy toàn slide: cắt tile bằng histolab → suy luận theo batch → ma trận tile x gene → đóng gói vào AnnData

Vì gene được truy vấn bằng ký hiệu chứ không phải panel cố định, phạm vi vượt xa vài trăm gene của các assay phiên mã không gian thông thường.

Phù hợp với ai

  • Nhà nghiên cứu có nhiều lam mô học nhưng không có dữ liệu phiên mã không gian thực nghiệm
  • Nhóm computational pathology muốn thêm kênh biểu hiện gene cho cohort lớn như TCGA
  • Lập trình viên muốn bổ sung thông tin gene vào pipeline chỉ dựa trên hình thái học
  • Lưu ý: chỉ dùng cho mục đích nghiên cứu phi thương mại (PolyForm NC + CC-BY-NC-SA).

Ví dụ sử dụng

  1. Bản đồ gene chỉ dấu: cắt tile toàn bộ lát cắt khối u rồi truy vấn ["EPCAM", "CD3D"] để dựng heatmap phân bố vùng biểu mô và vùng miễn dịch.
  2. Xây atlas cohort: chạy suy luận batch trên hàng trăm slide, lưu ma trận tile x gene kèm tọa độ và nạp vào AnnData cho phân tích không gian tiếp theo.
  3. So sánh nguồn embedding: chạy cùng bộ tile với scgpt và orthrus để kiểm tra tính ổn định của kết quả trước khi kết luận sinh học.

· · · Hướng dẫn cài đặt · · ·

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/deepspot-m từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/deepspot-m/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

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/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và clone kho: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  2. Sao chép thư mục kỹ năng: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/deepspot-m ~/.claude/skills/
  3. Chuẩn bị môi trường Python 3.10–3.13; nếu dùng GPU hãy cài PyTorch khớp phiên bản CUDA trước.
  4. Cài gói mô hình: uv pip install deepspotm==1.0.0 (hoặc pip install deepspotm==1.0.0).
  5. Vào https://huggingface.co/ratschlab/DeepSpotM và gửi yêu cầu truy cập trọng số, chờ được duyệt.
  6. Sau khi được duyệt, chạy huggingface-cli login trên máy sẽ tải trọng số (chỉ cần một lần mỗi máy).
  7. Khởi động lại Claude Code và yêu cầu ví dụ: "Dự đoán biểu hiện gene từ tile H&E bằng DeepSpot-M".
  8. Kiểm tra điều khoản giấy phép phi thương mại trước khi công bố hoặc phân phối kết quả.
Xem mã nguồn trên GitHub ↗Giấy phép: MIT