# cellprofiler

Скилл для Claude Code запускает CellProfiler для подсчёта ядер и измерения флуоресценции. Анализирует 2D TIFF-снимки.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 464 установки · ★ 58036 у репозитория
- Автор: K-Dense-AI
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/cellprofiler/SKILL.md
- Обновлён: 2026-10-19
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/cellprofiler

## Что делает

Скилл готовит манифест изображений, запускает пакетный анализ в CellProfiler и проверяет результаты. Стартовый конвейер выделяет ядра, измеряет их площадь и интенсивность, сохраняет таблицы CSV и накладки границ для визуальной проверки. Есть отдельные команды для подготовки данных и сводки результатов.

Для основного анализа нужны Python 3.12+ с `numpy` и `tifffile`, а также отдельное приложение или контейнер CellProfiler 4.2.8. Входные снимки должны быть однослойными TIFF в оттенках серого, с целочисленными пикселями `uint8` или `uint16`; RGB, стеки и изображения с плавающей точкой помощник отклоняет. Камерные разрядность, экспозиция и окрашивание влияют на сопоставимость интенсивностей, поэтому снимки из разных условий требуют калибровки.

Начальный конвейер рассчитан на один ядерный канал и не выполняет коррекцию освещения или вычитание фона. Перед анализом серии нужно проверить накладки на пропуски, слияния и исключённые по краю объекты; подсчёт сам по себе не подтверждает правильность сегментации.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill cellprofiler -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/cellprofiler/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/cellprofiler/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill cellprofiler -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/cellprofiler/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill cellprofiler -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/cellprofiler/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills skills/cellprofiler
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/cellprofiler/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill cellprofiler -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/cellprofiler
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/cellprofiler/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill cellprofiler -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/cellprofiler/SKILL.md

## Когда брать
- подготовить манифест изображений для анализа
- подсчитать ядра на серии TIFF-снимков
- измерить площадь и флуоресценцию каждого ядра
- проверить сегментацию по сохранённым накладкам
- собрать таблицу результатов и QC-проверки

## Примеры запросов агенту
- Подготовь манифест для этих TIFF-снимков и запусти анализ ядер через CellProfiler.
- Проверь результаты CellProfiler: покажи число ядер и измерения интенсивности для каждого объекта.
- Посмотри на накладки сегментации и найди снимки с пропущенными или слитыми ядрами.

## Похожие
- [tooluniverse-image-analysis](https://affpapa.org/nevibecode/skills/tooluniverse-image-analysis.md) — скилл · 661 установка
- [OpenHCS](https://affpapa.org/nevibecode/mcp/openhcs.md) — MCP-сервер · ★ 7 у репозитория
- [OpenReadout](https://affpapa.org/nevibecode/mcp/openreadout.md) — MCP-сервер · ★ 15 у репозитория
- [scan-mcp](https://affpapa.org/nevibecode/mcp/scan-mcp.md) — MCP-сервер · ★ 6 у репозитория
- [reddapi](https://affpapa.org/nevibecode/skills/reddapi.md) — скилл · 16300 установок
- [figure-generation](https://affpapa.org/nevibecode/skills/figure-generation.md) — скилл · 2300 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 176 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
