CRISPR-Screen-Qualitätskontrolle (QC)
Ein gepoolter Screen gibt einen q-Wert pro Gen aus: Treffer / kein Treffer. Dieser Skalar ignoriert die Guide-Struktur innerhalb des Gens, sodass ein Gen, für das der Screen keine Power hatte, identisch aussieht wie ein Gen, das tatsächlich keinen Effekt hat. Dieses Skill rekonstruiert die Struktur – rein aus den Zählwerten, kalibriert an den Nicht-Ziel- / Negativkontrollen, nie aus einem Goldstandard – und qualifiziert jeden Nicht-Treffer mit einem benannten Grund (zu wenige nutzbare Guides, zu hohe Dispersion, Effekt unterhalb des Nullbands).
Auf dem Wang-2014-Leukämie-Dropout-Screen markiert es ~53 % der Goldstandard-Silent-Failures bei einer Falsch-Positiv-Rate von 3 %, und die Markierung ist nicht-redundant zum FDR (|ρ|≈0,29) – es erfasst, was der q-Wert übersieht. (Ehrlich: Der Wert liegt in der Lesbarkeit / Qualifikation, nicht in einer Wiederherstellungsgenauigkeitssteigerung.) Vollständige Methode, vorregistrierte Q1–Q4-Auswertung und Grenzen: docs/screen-power.md.
Installation
pip install karyon
Verwendung
Führen Sie die Referenzanalyse (den Demo-Screen) aus:
from karyon import screen_qc
screen_qc.run() # Standard seeds=50; gibt die Qualifikation + die Nicht-Redundanz-Prüfung aus
Qualifizieren Sie die Nicht-Treffer Ihres eigenen Screens (Zählwerte → Gründe):
from karyon import screen_qc as sq
null = sq.null_band(calib_lfcs, direction="deplete") # Nullband aus NT/NEG-Kontrollen
verdicts = sq.qualify(non_hit_genes, gene_guides, null=null) # GeneReliability pro Gen, mit Gründen
reliability_contracts(...) ist das zugrundeliegende contracts.ContractSet; jedes GeneReliability benennt, warum ein Nicht-Treffer (un)zuverlässig ist.
Komposition mit NVIDIA BioNeMo
Läuft nachgelagert zu einer beschleunigten Genomik-Pipeline (z. B. Parabricks → Guide-Zählungen → eine MAGeCK-artige Gen-Zusammenfassung): Das Modell/Die Pipeline ruft Treffer auf, dieses Skill qualifiziert die Nicht-Treffer, sodass der Agent „Gen X: kein Treffer, aber unter-powered (4 nutzbare Guides, Dispersion über Schwelle)“ anstelle eines bloßen „kein Effekt“ melden kann.
Umfang (ehrlich)
Qualifikation, nicht Genauigkeit: Es sagt Ihnen, welchen Nicht-Treffern Sie nicht trauen sollten, es bewertet Treffer nicht neu. Kalibriert auf Kontrollen, daher benötigt es einen Screen mit Nicht-Ziel- / Negativ-Kontroll-Guides.