ToolUniverse: single-cell RNA-seq analysis - **name_fr:** ToolUniverse : analyse scRNA-seq - **tl_en:** Full scRNA-seq workflows with scanpy/anndata — QC, clustering, cell-type annotation, trajectories - **tl_fr:** Workflows scRNA-seq complets avec scanpy/anndata — QC, clustering, annotation de types cellulaires, trajectoires - **creator:** @mims-harvard - **type:** Agent skill - **url:** https://github.com/mims-harvard/tooluniverse - **cat:** Science - **kws:** scrna-seq, single cell, scanpy, anndata, genomics, clustering, umap, bioinformatics - **license:** Apache-2.0 **Description EN:** Curated by Skill Harbor — a complete single-cell RNA-seq analysis skill on scanpy/anndata: h5ad loading, QC gating (mito %, doublets with Scrublet/scDblFinder, ambient RNA, empty droplets), normalization, PCA/UMAP/t-SNE, Leiden/Louvain clustering, marker genes, cell-type annotation, pseudotime and trajectory analysis. Its signature habit: RULE ZERO — check for pre-computed results (executed notebooks, result CSVs, canonical scripts) before re-running anything, because re-analysis from raw data produces different numbers and costs 5-10× more. By @mims-harvard, listed here with credit to its creator. Honest caveats: research-grade bioinformatics — you need real scRNA-seq data and a Python environment with scanpy, anndata, umap-learn, leidenalg and friends installed; it runs inside the ToolUniverse plugin, so the plugin is a prerequisite, not optional; bulk RNA-seq or VCF work belongs to sibling skills. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un skill complet d'analyse scRNA-seq sur scanpy/anndata : chargement h5ad, QC (mito %, doublets avec Scrublet/scDblFinder, ARN ambiant, gouttelettes vides), normalisation, PCA/UMAP/t-SNE, clustering Leiden/Louvain, gènes marqueurs, annotation des types cellulaires, pseudotemps et analyse de trajectoires. Son réflexe signature : RÈGLE ZÉRO — chercher les résultats pré-calculés (notebooks exécutés, CSV de résultats, scripts canoniques) avant toute réanalyse, car repartir des données brutes donne des nombres différents et coûte 5 à 10× plus cher. Crédit : @mims-harvard. Bémols honnêtes : bioinformatique de niveau recherche — il faut de vraies données scRNA-seq et un environnement Python avec scanpy, anndata, umap-learn, leidenalg et compagnie ; il fonctionne dans le plugin ToolUniverse, qui est un prérequis, pas une option ; le RNA-seq bulk ou les VCF relèvent de skills frères. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: the ToolUniverse plugin installed first; Python 3.x with scanpy, anndata, leidenalg, umap-learn, harmonypy, gseapy, pandas, numpy, scipy, scikit-learn, statsmodels installed (pip install scanpy anndata leidenalg umap-learn harmonypy gseapy pandas numpy scipy scikit-learn statsmodels); your own scRNA-seq data (h5ad, 10X, or count matrices) Install "ToolUniverse: single-cell RNA-seq analysis" for me. Give my agent the full scRNA-seq workflow — QC gating, clustering, cell-type annotation, trajectories — with the Rule Zero habit of checking pre-computed results first Repository: https://github.com/mims-harvard/tooluniverse/blob/main/plugin/skills/tooluniverse-single-cell/SKILL.md 1. Fetch the SKILL.md file for the mims-harvard-tooluniverse-tooluniverse-single-cell skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "mims-harvard-tooluniverse-tooluniverse-single-cell". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. install the ToolUniverse plugin, pip install the Python packages, point the agent at my data folder). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : le plugin ToolUniverse installé en premier ; Python 3.x avec scanpy, anndata, leidenalg, umap-learn, harmonypy, gseapy, pandas, numpy, scipy, scikit-learn, statsmodels installés (pip install scanpy anndata leidenalg umap-learn harmonypy gseapy pandas numpy scipy scikit-learn statsmodels) ; vos propres données scRNA-seq (h5ad, 10X ou matrices de comptage) Installe-moi « ToolUniverse : analyse scRNA-seq ». Donne à mon agent le workflow scRNA-seq complet — QC, clustering, annotation des types cellulaires, trajectoires — avec le réflexe de la règle zéro (chercher d'abord les résultats pré-calculés) Dépôt : https://github.com/mims-harvard/tooluniverse/blob/main/plugin/skills/tooluniverse-single-cell/SKILL.md 1. Récupère le fichier SKILL.md du skill mims-harvard-tooluniverse-tooluniverse-single-cell depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « mims-harvard-tooluniverse-tooluniverse-single-cell ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. installer le plugin ToolUniverse, pip install des paquets Python, indiquer le dossier de mes données à l'agent). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

Full scRNA-seq workflows with scanpy/anndata — QC, clustering, cell-type annotation, trajectories - **tl_fr:** Workflows scRNA-seq complets avec scanpy/anndata — QC, clustering, annotation de types cellulaires, trajectoires - **creator:** @mims-harvard - **type:** Agent skill - **url:** https://github.com/mims-harvard/tooluniverse - **cat:** Science - **kws:** scrna-seq, single cell, scanpy, anndata, genomics, clustering, umap, bioinformatics - **license:** Apache-2.0 **Description EN:** Curated by Skill Harbor — a complete single-cell RNA-seq analysis skill on scanpy/anndata: h5ad loading, QC gating (mito %, doublets with Scrublet/scDblFinder, ambient RNA, empty droplets), normalization, PCA/UMAP/t-SNE, Leiden/Louvain clustering, marker genes, cell-type annotation, pseudotime and trajectory analysis. Its signature habit: RULE ZERO — check for pre-computed results (executed notebooks, result CSVs, canonical scripts) before re-running anything, because re-analysis from raw data produces different numbers and costs 5-10× more. By @mims-harvard, listed here with credit to its creator. Honest caveats: research-grade bioinformatics — you need real scRNA-seq data and a Python environment with scanpy, anndata, umap-learn, leidenalg and friends installed; it runs inside the ToolUniverse plugin, so the plugin is a prerequisite, not optional; bulk RNA-seq or VCF work belongs to sibling skills. Not verified. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un skill complet d'analyse scRNA-seq sur scanpy/anndata : chargement h5ad, QC (mito %, doublets avec Scrublet/scDblFinder, ARN ambiant, gouttelettes vides), normalisation, PCA/UMAP/t-SNE, clustering Leiden/Louvain, gènes marqueurs, annotation des types cellulaires, pseudotemps et analyse de trajectoires. Son réflexe signature : RÈGLE ZÉRO — chercher les résultats pré-calculés (notebooks exécutés, CSV de résultats, scripts canoniques) avant toute réanalyse, car repartir des données brutes donne des nombres différents et coûte 5 à 10× plus cher. Crédit : @mims-harvard. Bémols honnêtes : bioinformatique de niveau recherche — il faut de vraies données scRNA-seq et un environnement Python avec scanpy, anndata, umap-learn, leidenalg et compagnie ; il fonctionne dans le plugin ToolUniverse, qui est un prérequis, pas une option ; le RNA-seq bulk ou les VCF relèvent de skills frères. Non vérifié. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: the ToolUniverse plugin installed first; Python 3.x with scanpy, anndata, leidenalg, umap-learn, harmonypy, gseapy, pandas, numpy, scipy, scikit-learn, statsmodels installed (pip install scanpy anndata leidenalg umap-learn harmonypy gseapy pandas numpy scipy scikit-learn statsmodels); your own scRNA-seq data (h5ad, 10X, or count matrices) Install "ToolUniverse: single-cell RNA-seq analysis" for me. Give my agent the full scRNA-seq workflow — QC gating, clustering, cell-type annotation, trajectories — with the Rule Zero habit of checking pre-computed results first Repository: https://github.com/mims-harvard/tooluniverse/blob/main/plugin/skills/tooluniverse-single-cell/SKILL.md 1. Fetch the SKILL.md file for the mims-harvard-tooluniverse-tooluniverse-single-cell skill from the repository into a temporary folder and summarize what it does in one or two sentences. 2. Safety check: review the SKILL.md and scripts for anything suspicious (unexpected network calls, shell commands, credential harvesting). This repo should contain zero secrets in code, credentials only via the secure vault, allowed hosts declared in the SKILL.md. Verify that holds here; STOP on any red flag and tell me. 3. Install it as a skill: copy SKILL.md and its helper files into the agent's skills directory, in a folder named "mims-harvard-tooluniverse-tooluniverse-single-cell". 4. Verify with no network calls: frontmatter valid, files in place. 5. Report what was installed, where, and what I still need to do myself (e.g. install the ToolUniverse plugin, pip install the Python packages, point the agent at my data folder). GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Never require it unless it's in the prerequisites above. Rules: don't touch anything outside the temp folder and the install target. Never ask me to paste secrets in chat — credentials go through the secure vault or environment variables. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : le plugin ToolUniverse installé en premier ; Python 3.x avec scanpy, anndata, leidenalg, umap-learn, harmonypy, gseapy, pandas, numpy, scipy, scikit-learn, statsmodels installés (pip install scanpy anndata leidenalg umap-learn harmonypy gseapy pandas numpy scipy scikit-learn statsmodels) ; vos propres données scRNA-seq (h5ad, 10X ou matrices de comptage) Installe-moi « ToolUniverse : analyse scRNA-seq ». Donne à mon agent le workflow scRNA-seq complet — QC, clustering, annotation des types cellulaires, trajectoires — avec le réflexe de la règle zéro (chercher d'abord les résultats pré-calculés) Dépôt : https://github.com/mims-harvard/tooluniverse/blob/main/plugin/skills/tooluniverse-single-cell/SKILL.md 1. Récupère le fichier SKILL.md du skill mims-harvard-tooluniverse-tooluniverse-single-cell depuis le dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Contrôle de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, récolte d'identifiants). Ce dépôt ne doit contenir aucun secret dans le code ; les identifiants passent uniquement par le coffre sécurisé, les hôtes autorisés sont déclarés dans le SKILL.md. Vérifie que c'est bien le cas ; STOP sur le moindre signal d'alerte et préviens-moi. 3. Installe-le comme skill : copie SKILL.md et ses fichiers auxiliaires dans le répertoire des skills de l'agent, dans un dossier nommé « mims-harvard-tooluniverse-tooluniverse-single-cell ». 4. Vérifie sans aucun appel réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. installer le plugin ToolUniverse, pip install des paquets Python, indiquer le dossier de mes données à l'agent). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf si c'est dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Ne me demande jamais de coller des secrets dans le chat — les identifiants passent par le coffre sécurisé ou les variables d'environnement. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` ---

Version: