Single-Cell RNA QC — Bio-Research Plugin
所属插件：Bio-Research · 来源：Anthropic knowledge-work-plugins · 兼容：Cowork + Claude Code
概述
Single-Cell RNA QC 是 Bio-Research 插件中最实用的计算技能。它实现了单细胞 RNA-seq 数据的自动化质量控制流程，遵循 scverse 最佳实践，支持 MAD（中位数绝对偏差）基础的过滤和全面的可视化输出。与手动 QC 不同，这个技能将标准流程脚本化，支持 .h5ad 和 .h5 格式，适合批量处理和探索性分析。
基本信息
| 属性 | 值 |
|---|---|
| 技能名称 | single-cell-rna-qc |
| 插件 | Bio-Research |
| 触发方式 | 上下文触发 |
| 用户可调用 | 是 |
| 官方源码 | GitHub |
触发短语
- "帮我做单细胞数据的 QC"
- "过滤低质量细胞"
- "评估这个 scRNA-seq 数据质量"
核心能力
1. 输入格式支持
| 格式 | 来源 | 处理方式 |
|---|---|---|
.h5ad | AnnData（scanpy/Python 工作流） | 直接加载 |
.h5 | 10X Genomics Cell Ranger 输出 | 自动检测并转换 |
2. QC 流程
Approach 1：完整 QC 流水线（推荐）
bash
python3 scripts/qc_analysis.py input.h5ad
# 或
python3 scripts/qc_analysis.py raw_feature_bc_matrix.h5自动执行：
- 加载数据（自动检测格式）
- 计算 QC 指标（基因数、UMI 数、线粒体比例）
- MAD 基础的异常值检测和过滤
- 生成可视化报告
Approach 2：自定义过滤
用户可指定自定义阈值，替代 MAD 默认值。
3. 可视化输出
| 图表类型 | 用途 |
|---|---|
| 小提琴图 | 过滤前后指标分布对比 |
| 散点图 | 基因数 vs UMI 数，异常值标记 |
| 条形图 | 过滤掉的细胞数量和原因 |
| PCA 图 | 过滤后的数据概览 |
使用场景
场景 1：标准 QC 流程
输入：
帮我做这个 10X 数据的 QC，文件是 raw_feature_bc_matrix.h5。输出：自动运行完整 QC 流水线，输出过滤后的数据和可视化报告。
关键价值：从手动写 scanpy 脚本到一句话运行，QC 流程标准化、可重复。
场景 2：自定义阈值过滤
输入：
用我的阈值做 QC：每个细胞至少 500 个基因，线粒体比例不超过 15%。输出：使用指定阈值的 QC 分析，对比默认阈值和自定义阈值的结果差异。