scanpy skill 是什么、怎么安装使用：让智能体跑单细胞 RNA-seq 分析流程（质控、聚类、UMAP、标记基因）

本文根据 K-Dense-AI/scientific-agent-skills 仓库里该技能的 SKILL.md 与仓库 README 整理，资料核对于 2026-10-11。所在仓库 K-Dense-AI/scientific-agent-skills 在 GitHub 约 4.8 万 Star（同日数据）。技能内容会随仓库更新，以仓库为准。

这个 Skill 做什么

单细胞转录组分析的标准流程步骤固定，但每一步都有容易用错的地方：拿归一化之后的数据当原始计数、聚类参数随手一填、把探索性的标记基因当成定论。scanpy 技能把这条流程和它的前提条件一起交给智能体。description：执行 Scanpy 单细胞 RNA-seq 的质控、归一化、高变基因选择、PCA / UMAP / t-SNE、聚类、探索性的标记基因排序、伪批量数据准备、可视化，以及把 Seurat 或 SingleCellExperiment 的 RDS 文件转换为 h5ad；适用于成熟的探索性单细胞流程，要求明确计数和表达量的来源。scvi-tools 模型和 AnnData 格式细节由配套的其他技能覆盖。

SKILL.md 的要点：

• 版本基线：写明所针对的 Scanpy 版本和核对日期，并说明这一版要求 Python 3.12 以上。它还坦白了一点：技能里的合成数据测试验证的是数据与接口的约定，不代表生物学上的正确性。
• 安装：用 uv 安装带 leiden 附加依赖的版本，脚本里明确选用 igraph 实现的聚类；想复现就把版本钉死。超大数据集可以配合 Dask，需要 GPU 加速则另用 rapids-singlecell。
• R 对象：输入是 Seurat 等 R 原生对象时，先用 R 工具转成 .h5ad。
• 表示与推断的约定：这是最长的一节，规定每一步该用哪一层数据（原始计数还是归一化后的表达量），以及哪些结论只能算探索性的。

目录里有二十多个文件：分析模板、细胞类型映射和基因特征的示例配置，标准流程、绘图指南、R 互操作等参考文件，以及查看数据、聚类、找标记基因、批次校正、注释、格式转换、绘图等脚本。

怎么安装

仓库 README 的安装方式是 skills CLI。这个库有一百七十多个技能，建议用 CLI 文档里的 --skill 参数只装需要的：

bash
npx skills add K-Dense-AI/scientific-agent-skills --skill scanpy

也可以把整个仓库克隆到 ~/.agents/skills/scientific-agent-skills（用户级）或项目的 .agents/skills/ 下。

仓库整体介绍和其他安装方式，详见本站《Scientific Agent Skills 是什么、怎么安装使用：K-Dense 的科研 Skill 库（生信、化学、数据分析、科研写作）》。

Scanpy 及其依赖要另外装进你的 Python 环境。

怎么用

• 「对 pbmc.h5ad 做标准流程：质控、归一化、选高变基因、降维、Leiden 聚类，画 UMAP」。
• 「先检查这个文件里存的是原始计数还是处理过的数据，再决定从哪一步开始」。
• 「把同事给的 Seurat 的 .rds 文件转成 h5ad」。

适合谁 / 局限

适合刚接触单细胞分析的生物学研究生，以及想把重复流程自动化的生信工程师。局限：细胞类型注释、差异分析结论这类需要生物学判断的环节，它只能给出探索性的结果，发表前必须由懂这个体系的人复核；数据大时对内存要求高；参数没有放之四海皆准的取值，需要结合数据调整。

注意事项

• 许可：该技能标注 BSD-3-Clause，所在仓库整体为 MIT。
• 在本机运行 Python 脚本，compatibility 写明本地分析不需要凭据和网络；R 对象转换需要另装 R。
• 人类样本的测序数据可能受伦理与数据管理规定约束，交给云端模型处理前确认合规。