1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | spatial-communication-gptomics-bioskills |
| 项目自述名称 | SKILL.md front matter name 字段为 bio-spatial-transcriptomics-spatial-communication；正文标题为 Spatial Cell-Cell Communication |
| 作者/维护者 | GPTomics Organization |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/spatial-transcriptomics/spatial-communication |
| 许可证 | MIT（数据来源：GitHub API，仓库级） |
| GitHub Stars / Forks | 所属合集仓库 bioSkills 整体 1,165 / 195（数据来源：GitHub API；⚠️ 为整个合集的数字，不代表本技能自身热度） |
| 最新版本 | 仓库整体最新 release 为 3.0（2026-02-14）；本子技能内容最近一次提交于 2026-06-28（数据来源：GitHub API commits，按该子目录路径查询） |
| 安装方式 | 复制 spatial-transcriptomics/spatial-communication/ 整个目录（含 SKILL.md、examples/、usage-guide.md）到 agent 的 skills 目录，或用仓库自带安装脚本按分类批量安装 |
2. 功能介绍与亮点
- 为空间转录组数据（Visium、Xenium、MERFISH、CosMx、Slide-seq）推断细胞间通讯：对发送方细胞类型的配体 mRNA 与接收方细胞类型的受体 mRNA 做共表达打分，可选地按空间距离加权，并对置换零假设做显著性检验。Python 侧提供 Squidpy
ligrec（CellPhoneDB 引擎，不感知空间距离）与 COMMOT（最优传输，距离感知）两条路径，并在决策表中给出 stLearn、CellChat-spatial（R）、NicheNet（R）、MISTy（R）等方法的适用与失效场景 - 核心论点一：配体-受体共表达分数是“共表达假说”，不是已验证的信号传导——文档给出从“裸共表达”到“扰动验证”的五级置信度阶梯，并明确指出该领域几乎从不触达最高两级
- 核心论点二：成像平台的转录本分割溢出（segmentation spillover）会在相邻两类细胞的交界处人为制造出看似真实的短距离配体-受体共现，是与空间数据特有的陷阱，需回查分割质量或用重分割矩阵复核
- 核心论点三：配体-受体数据库本身与算法一样能左右结果——CellPhoneDB、CellChatDB 等资源在内容与亚基处理上的差异会显著改变推断出的网络，两种工具“互相印证”往往只是共享了同一数据库
- 含 6 类方法对照表（空间机制/数据库/适用场景/失效场景）、10 行症状-成因-修复对照表、9 篇同行评审文献引用（Cang 2023 Nat Methods、Dimitrov 2022 Nat Commun、Mitchel 2026 Nat Genet 等）与一段可运行 Python 代码示例（
examples/ligrec_analysis.py）
3. 适用场景
所属分类：数据分析与可视化
面向需要为空间转录组数据推断细胞间通讯、并甄别推断结果是否可信的生物信息学分析者。典型场景：判断某个“细胞类型 A 通过通路 X 信号传导至 B”的结论是否只是共表达假说而非已验证信号；为 Visium 等容量平台的解卷积后细胞类型选择合适的配体-受体检验方法；排查一个边界处的短距离通讯“命中”是否实为转录本分割溢出的伪影；为分泌型与接触依赖型配体设置不同的信号作用距离，而非套用同一个全局半径。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库提供
install-claude.sh，标准 SKILL.md（YAML front matter + 指令正文）可直接安装 - Codex：原生支持——仓库同时提供
install-codex.sh - OpenClaw：原生支持——仓库提供专用
install-openclaw.sh，保留原始目录结构 - Hermes Agent：需适配——Hermes 官方生物信息学技能网关页面按名列出
spatial-communication，但明确说明这类技能“不是 Hermes 格式的技能”，只作为参考材料被引用，非原生 Hermes 技能格式
5. 推荐理由
空间细胞通讯分析是最容易把“计算结果”误读成“生物学发现”的子领域之一：一个配体-受体共表达分数被写成“A 信号传导至 B”的确定性陈述，而分割溢出这类空间数据特有的伪影又会在正确的位置伪造出看似支持这个陈述的证据。该技能系统化给出该选哪种方法（是否真的建模了空间距离）、该用哪个配体-受体数据库并如实报告版本、以及如何用置信度阶梯约束措辞，帮助 agent 在处理空间通讯分析时不把方法学副产品当成验证过的生物学结论。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 合集仓库整体约 1,165 stars 不代表本技能自身热度；LobeHub 独立市场页单独收录本技能（技能级独立第三方证据） |
| 可用性 | 9 | 依赖为标准科学计算/生信包（pip install squidpy scanpy anndata statsmodels commot），R 方案（CellChat v2、NicheNet）为可选项，无付费依赖；文档齐全含独立 usage-guide 与可运行示例脚本；最近一次提交为 2026-06-28 |
| 安全性 | 9 | 纯 Python 本地统计分析代码，无 shell 越权；示例脚本默认会从 omnipath 拉取公开配体-受体数据库（文档中明确标注“internet required”），属透明记录的公开数据获取而非用户数据外发，无需凭据；MIT 许可证明确；通读全文与示例脚本未见混淆逻辑或可疑指令 |
安全检查清单：①无 shell 命令执行，为标准科学计算库函数调用与统计检验代码 ②默认从 omnipath 拉取公开配体-受体数据库（文档明确标注），不涉及用户数据外发 ③无凭据或 API key 要求 ④通读未见可疑指令 ⑤GPTomics 为持续维护的组织账号，未见造假迹象 ⑥MIT 许可证清晰 ⑦最近提交 2026-06-28
7. 跟同类 Skills 相比的优势
| 维度 | 本技能（spatial-communication） | spatial-neighbors（同合集） | single-cell/cell-communication（同合集） |
|---|---|---|---|
| 定位 | 在空间坐标上推断细胞间配体-受体通讯，核心是甄别共表达假说与验证过的信号传导 | 构建本技能等下游方法都要调用的空间邻居图（kNN/Delaunay/半径），是上游基础设施 | 面向普通 scRNA-seq（无空间坐标）的配体-受体推断，以 LIANA 为共识框架整合 CellPhoneDB/CellChat/NicheNet |
| 空间信息 | 核心卖点——按距离加权或过滤通讯打分，并处理分割溢出等空间特有伪影 | 提供空间图但本身不做通讯推断 | 不使用空间坐标，无法区分邻近与非邻近细胞间的通讯 |
| 独有陷阱 | 分割溢出伪造短距离命中；秒级信号（分泌 vs 接触）需不同的距离阈值 | 图的构建参数（k 值、坐标类型）决定下游一切统计结果，但不涉及通讯推断本身 | 无空间陷阱，但存在数据库选择与方法一致性的经典陷阱（该技能的 Related Skills 与本技能互相引用） |
三者是互补而非替代关系：spatial-neighbors 提供空间图基础设施，spatial-communication 在此基础上做空间感知的通讯推断，而 single-cell/cell-communication 是同一分析问题在无空间坐标场景下的对应方案。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价；LobeHub 与 Hermes 官方网关均为收录性质的列表页，不构成使用评价。
9. 其他补充
SKILL.md 的“Related Skills”章节交叉引用同合集内的 spatial-transcriptomics/image-analysis（验证短距离命中是否为分割伪影的前置步骤）、spatial-neighbors（本技能距离感知方法所依赖的空间图）、spatial-statistics（回答“哪些类型共现”的邻域富集分析）、spatial-domains（标注发送方/接收方细胞类型）与 single-cell/cell-communication（非空间场景的基线方法与数据库选择），可见本技能承担该合集空间转录组分析流水线中“细胞间通讯推断”这一专项角色。
10. 安装使用方式
- 克隆或下载仓库子目录
spatial-transcriptomics/spatial-communication/ - 复制整个目录（含
SKILL.md、examples/、usage-guide.md）到 agent 的 skills 目录；也可用仓库自带安装脚本（如./install-claude.sh --categories "spatial-transcriptomics"）批量安装同分类全部技能 - 装依赖：
pip install squidpy scanpy anndata statsmodels commot（可选 R 方案：CellChat v2、NicheNet 需另行安装 Bioconductor 包） - 无需重启 agent，装好后自然语言描述需求（如“帮我用距离感知的方法推断这批 Xenium 数据里的细胞通讯，并检查是否有分割溢出污染”）即可触发
11. 注意事项
- squidpy
ligrec默认不建模空间距离（按细胞类型标签置换），不能直接当作“空间”通讯分析结果使用，需要距离感知的方法（COMMOT/stLearn）或预先按邻域限定细胞 - 短距离“命中”在相邻两类细胞的交界处出现时，应先排查转录本分割溢出，而非直接采信为信号传导证据
- Visium 等容量平台的一个 spot 是 1–10 个细胞的混合物，“细胞类型”是解卷积估计值，配体与受体可能同处一个 spot 而不涉及任何细胞间信号——应优先使用单细胞分辨率数据，或先解卷积再限定分析范围
- 仓库为社区维护的生信技能合集，非厂商官方出品，选用前建议核对示例代码与当前环境包版本