单聚类分析

runCASSIA 函数分析单个标记基因聚类以识别细胞类型。 请注意，CASSIA 设计用于同时处理多个聚类，此函数专为只有一个聚类需要分析的用户设计。

示例

有关模型设置和建议的详细信息，请参阅 如何选择模型和提供商 部分。

示例代码

import CASSIA

# 参数
model = "anthropic/claude-sonnet-4.6"  # 使用的模型
temperature = 0
marker_list = ["CD3D", "CD3E", "CD2", "TRAC"]
tissue = "blood"
species = "human"
additional_info = None
provider = "openrouter"  # 或 "openai", "anthropic"

# 运行分析
result, conversation_history, _ = CASSIA.runCASSIA(
    model=model,
    temperature=temperature,
    marker_list=marker_list,
    tissue=tissue,
    species=species,
    additional_info=additional_info,
    provider=provider,
    validator_involvement="v1",
    reasoning="medium"  # 可选: "high", "medium", "low" 用于兼容模型
)

# 查看结构化输出
print(result['main_cell_type'])
print(result['sub_cell_types'])

# 查看对话历史
print(conversation_history)
Python

参数详情

• model: 用于分析的 LLM 模型。有关选项，请参阅 安装 CASSIA。
• temperature: 控制模型输出的随机性（0 = 确定性，1 = 创造性）。默认为 0。
• marker_list: 单个聚类的标记基因名称列表。
• tissue: 样本的组织来源。
• species: 样本的物种（例如，"human"，"mouse"）。
• additional_info: （可选）关于实验或样本的额外上下文。
• provider: 使用的 API 提供商（"openrouter"、"openai"、"anthropic"）。
• validator_involvement: 验证严格程度（"v1" 为中等，"v0" 为高）。
• reasoning: （可选）控制兼容模型的推理深度（"high"、"medium"、"low"）。Python 还接受字典格式：{"effort": "high"}。省略则使用标准模式。详见 推理深度参数。

更多参数详情请参阅 批量处理参数详情。

返回值

函数返回一个元组：(result, conversation_history, _)

• result: 包含以下内容的字典：
  • main_cell_type: 主要细胞类型预测
  • sub_cell_types: 可能的亚型列表
• conversation_history: 与模型的完整对话，用于透明度

注意: 使用 OpenRouter 时，请指定完整的模型 ID。