ATAC-seq Clustering Performance Interpretation
Trasforma le metriche di clustering scATAC-seq pubblicate in un confronto di metodi classificato
Promosso
Cosa fa
Una scheda metodo per estrarre i punteggi NMI, ARI e di purezza dalle tabelle di benchmark scATAC-seq a singola cellula, standardizzandoli in una matrice metodo-per-dataset e classificando le pipeline con statistiche riassuntive e gap quantificati. Si attiva quando stai decidendo quale metodo di clustering pubblicato o variante adottare, o se il tuo è competitivo. Pura guida, nessun script o dipendenza.
Rapporto di test
Alimentato con una tabella NMI a quattro metodi per cinque dataset con due celle mancanti e chiesto quale pipeline adottare. Entrambe le esecuzioni hanno scelto SnapATAC, ma la risposta guidata dalla skill ha aggiunto ciò che contava: ha mantenuto esplicite le celle NA e ha riportato le medie due volte, sui valori disponibili e sui tre dataset che ogni metodo condivideva, il che espone che la media grezza più alta (0.783) appartiene a un metodo che ha saltato i due dataset più difficili e conduce di soli 0.017 su terreno condiviso. Ha anche prodotto mediana, rango, vincitori per dataset, un controllo a campione di cinque celle rispetto alla fonte, e gap in termini assoluti e relativi (+0.124 NMI, +22% per kmers+PCA rispetto a motifs+PCA) — la risposta non assistita ha fornito medie, un vincitore e una avvertenza. L'ambito è ristretto, essenzialmente un benchmark pubblicato, e il frontmatter contiene una riga di provenienza errante che nomina uno script di raccolta metabolomica.
Testato il: 2026-07-28 · Claude Code 2.x (agent harness)
Installazione
git clone --depth 1 https://github.com/HolobiomicsLab/asb-skill-collections.git mkdir -p ~/.claude/skills cd asb-skill-collections && cp -r collections/epigenomics/v1/skills/atac-seq-clustering-performance-interpretation ~/.claude/skills/atac-seq-clustering-performance-interpretation
Comandi e prompt di esempio
/atac-seq-clustering-performance-interpretationTrasforma le metriche di clustering scATAC-seq pubblicate in un confronto di metodi classificato
Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):
Which published scATAC-seq clustering method should I adopt for this?Rank these ATAC-seq clustering methods across datasets using NMI and ARII have NMI and ARI numbers from a scATAC benchmark, which variant wins?