第 1 步 · sa.scanpy
选择组学分析路径
发给 Agent 的任务
用 scanpy 检查 h5ad/counts 数据，完成 QC、归一化、降维、聚类和 marker 探索，并说明何时需要 scvi-tools 做批次校正。建议产出
QC 报告细胞簇marker 表
life-science
我要分析组学、细胞或临床生物医学数据
覆盖单细胞、bulk RNA-seq、通路富集、医学影像/临床记录和公共生物数据库查询，把领域工具链接到可发表结果。
适合谁
湿实验和干实验交叉团队单细胞或转录组研究者临床/生物医学数据分析者
准备这些材料
FASTQ、counts、h5ad 或基因列表样本分组和批次信息研究假设或疾病背景目标图表或 marker
会调用的 Skills
sa.scanpysa.scvi-toolssa.bulk-rnaseqsa.pathway-enrichmentsa.cellxgene-census
开始前
先安装这个工作流需要的 Skills
选择你的系统和 Agent，复制命令到终端运行。安装完成后，再把下方提示词交给 Agent。
curl -sSL https://paperskills.com/scripts/paperskills-install.sh | bash -s -- \
--tool codex \
--skills sa.scanpy,sa.scvi-tools,sa.bulk-rnaseq,sa.pathway-enrichment,sa.cellxgene-census \
--registry https://paperskills.com/api/registry推荐工作流
查看 Skill
第 2 步 · sa.bulk-rnaseq
从 reads 到差异表达
发给 Agent 的任务
用 bulk-rnaseq 为这些 FASTQ/counts 设计从质控、比对/定量到差异表达的可复现流程，并标出关键 QC 阈值。建议产出
RNA-seq 流程QC 阈值差异表达表
第 3 步 · sa.pathway-enrichment
解释通路和生物学意义
发给 Agent 的任务
用 pathway-enrichment 对差异基因或 marker 做 ORA/GSEA，解释通路、背景集、多重校正和可发表图表。建议产出
富集结果通路解释发表图建议
scanpy
标准单细胞 RNA-seq 分析流程。用于 QC、归一化、降维 (PCA/UMAP/t-SNE)、聚类、差异表达和可视化。最适合使用已建立的工作流程进行探索性 scRNA-seq 分析。对于深度学习模型，请使用 scvi-tools；对于数据格式问题，请使用 anndata。
查看 Skillscvi-tools
单细胞组学的深度生成模型。当您需要概率批量校正 (scVI)、迁移学习、不确定性差异表达或多模态积分（TOTALVI、MultiVI）时使用。最适合高级建模、批量效果、多模式数据。对于标准分析管道，请使用 scanpy。
查看 Skillbulk-rnaseq
端到端 bulk RNA-seq 编排技能：从原始 FASTQ 到 QC/修剪、比对与定量（STAR、Salmon、featureCounts）、基因级 counts 矩阵，再交给差异表达（pydeseq2）、通路/GSEA 富集和发表级图表。用于完整、可复现的 bulk RNA-seq 差异表达工作流；单细胞 RNA-seq 请使用 scanpy。
查看 Skillpathway-enrichment
对基因列表或排序基因数据运行通路和基因集富集分析并解释结果。用于差异表达基因、CRISPR 筛选命中、cluster marker、蛋白质组学命中等，覆盖 ORA/Enrichr/Fisher/超几何检验、GSEA/preranked、ssGSEA/GSVA、gseapy、g:Profiler、MSigDB、GO、KEGG、Reactome、WikiPathways，以及基因 ID 映射、背景集选择、多重检验校正和发表级表格/图。
查看 Skillcellxgene-census
以编程方式查询 CELLxGENE 普查（61M+ 单元）。当您需要来自最大的精选单细胞图谱的跨组织、疾病或细胞类型的表达数据时使用。最适合人口规模查询、参考图集比较。要分析您自己的数据，请使用 scanpy 或 scvi-tools。
查看 Skill