45+ 个 scRNA-seq 技能——到底该装哪个？
单细胞 RNA-seq 分析是 OpenClaw 生态中技能最丰富的领域之一。我们在三大仓库中找到了 45+ 个处理 scRNA-seq 的技能。覆盖面很广，但选择困难。
本指南帮你一步到位。每个分析步骤，直接告诉你装哪个。
先说结论——装这三个就够了
| 技能 | 做什么 | 安装命令 |
|---|---|---|
| scrna-orchestrator (ClawBio) | 端到端流水线：QC → 聚类 → 注释 → 报告 | clawhub install scrna-orchestrator |
| bio-single-cell-cell-annotation (FreedomIntelligence) | 自动细胞类型注释：CellTypist/SingleR/Azimuth 三引擎 | clawhub install bio-single-cell-cell-annotation |
| scvelo (K-Dense) | RNA velocity、发育轨迹、驱动基因 | clawhub install scvelo |
一个全能型 + 两个专项型，覆盖 80% 的 scRNA-seq 需求。
完整工作流：每一步的最佳选择
1. 数据加载
推荐：scanpy (K-Dense)
支持 10X MTX、h5ad、h5 和原始计数矩阵。大多数 scRNA-seq 技能的基础依赖。
clawhub install scanpy如果用 R 和 Seurat RDS 文件：bio-single-cell-data-io (FreedomIntelligence)。
2. 质控与过滤
推荐：scrna-orchestrator (ClawBio) — QC 是流水线的一部分
如果只要独立的 QC：scrna-qc (FreedomIntelligence) — 基于 MAD 的过滤，有前后对比图和 qc_summary.json。
3. Doublet 去除
推荐：bio-single-cell-doublet-detection (FreedomIntelligence)
三个引擎：Scrublet (Python)、DoubletFinder (R)、scDblFinder (R)。无需 API key。
4. 标准化、HVG、降维、聚类
推荐：scrna-orchestrator (ClawBio) — 一步搞定
标准化 → log1p → HVG → PCA（或 scVI latent）→ UMAP → Leiden 聚类。输出完整的 h5ad。
如果专门做 scVI 批次校正：配合 scrna-embedding (ClawBio)。
5. 细胞类型注释
推荐：bio-single-cell-cell-annotation (FreedomIntelligence)
三个注释引擎合一：
- CellTypist — 深度学习，100+ 组织预训练模型
- SingleR — 基于参考的相关性注释 (R)
- Azimuth — Seurat 参考映射
也值得试：universal-single-cell-annotator — 在标记基因和 CellTypist 基础上加 LLM 推理注释。
6. 批次整合
推荐：bio-single-cell-batch-integration (FreedomIntelligence)
支持 Harmony、scVI、Seurat CCA/RPCA、fastMNN。Python 和 R 双覆盖。
7. 轨迹推断与拟时序
推荐：scvelo (K-Dense)
基于剪接/未剪接 mRNA 动力学的 RNA velocity。动态模式准确估计潜在时间和驱动基因。
多方法对比：single-trajectory (FreedomIntelligence) — 一个技能跑 PAGA、Palantir、VIA 和 scVelo。
8. 细胞通讯
推荐：bio-single-cell-cell-communication (FreedomIntelligence)
CellChat + NicheNet + LIANA — 三大配受体推断框架合一。
9. Marker 基因与差异表达
推荐：bio-single-cell-markers-annotation (FreedomIntelligence)
Wilcoxon、t-test、DESeq2 聚类标记物检测。基因集评分用于功能注释。
scrna-orchestrator (ClawBio) 中也内置了这一步。
10. 高级/专项分析
| 任务 | 最佳技能 | 所属仓库 |
|---|---|---|
| scATAC-seq | bio-single-cell-scatac-analysis | FreedomIntelligence |
| CITE-seq / Multiome | bio-single-cell-multimodal-integration | FreedomIntelligence |
| Perturb-seq / CRISPR 筛选 | bio-single-cell-perturb-seq | FreedomIntelligence |
| 剪接分析 | bio-single-cell-splicing | FreedomIntelligence |
| 谱系追踪 | bio-single-cell-lineage-tracing | FreedomIntelligence |
| 基因调控网络推断 | arboreto | K-Dense |
| Atlas 级查询（6100万+细胞） | cellxgene-census | K-Dense |
| 空间+scRNA 整合 | single-to-spatial-mapping | FreedomIntelligence |
| T 细胞耗竭分析 | tcell-exhaustion-analysis-agent | FreedomIntelligence |
技能分布在哪？
| 仓库 | scRNA 技能数 | 优势 |
|---|---|---|
| K-Dense (15.7K⭐) | 8 | 核心工具：scanpy、scvelo、scvi-tools、cellxgene-census |
| FreedomIntelligence (1.5K⭐) | 30+ | 最全面：模块化 bio-single-cell-* 套件 + 专项 Agent |
| ClawBio (471⭐) | 2 | 最佳端到端：scrna-orchestrator + scrna-embedding，带可复现性 bundle |
以上所有技能均不需要 API key，全部使用标准 Python/R 包本地运行。
我们的建议
从 ClawBio 的 scrna-orchestrator 开始。它一个命令搞定标准流水线，还生成可复现性 bundle（commands.sh、environment.yml、SHA-256 校验）。当你需要深入——细胞注释、RNA velocity 或细胞通讯——再加 K-Dense 和 FreedomIntelligence 的专项技能。
记住：ClawBio 管流水线，K-Dense 管核心工具，FreedomIntelligence 管专项分析。
最后更新：2026 年 3 月 21 日。所有技能均在积极维护中，MIT 许可证。