실험 설계: AI 에이전트의 scRNA-seq QC — 스킬 사용 vs 미사용 (재현성/정확성)

작성일: 2026-06-04

가설

AI 에이전트가 scRNA-seq QC를 수행할 때, bioinformatics 스킬(single-cell-rna-qc)을 사용하면 재현성(reproducibility) 과 정확성(scverse best-practice 준수) 이 향상된다.

핵심 통찰: 해당 스킬은 결정적(deterministic) 파이썬 스크립트(qc_analysis.py)로 동작한다. 즉 “스킬 사용 = 검증된 방법론의 고정화” → 재현성이 구조적으로 보장된다.

데이터

• sc.datasets.pbmc3k() — 2,700 cells × 32,738 genes, raw counts, human PBMC (MT- prefix)
• 저장: /home/a7420174/scrna-skill-exp/data/pbmc3k_raw.h5ad

설계 (QC만, 동일 입력)

| 조건 | 실행 | 측정 | |—|—|—| | 스킬 미사용 | 독립 서브에이전트 N=5 (동일 중립 프롬프트, 방법론 미지정, 격리 디렉토리) | 5회 결과 분산 | | 스킬 사용 | qc_analysis.py 결정적 스크립트 (2회 실행 → 동일 입증) | 분산 = 0 대조군 |

측정 지표

• 재현성: 5회 간 (필터 후 셀 수 / 유전자 수 / 사용 임계값)의 분산·범위
• 정확성: MAD 기반 필터링, joint outlier 검출, MT 패턴 정확성, rare population 보존, QC metric 계산
• 완성도: 시각화 / annotated h5ad 등 산출물

산출물

• 비교 표 + 방법론 차이 서술
• 블로그 포스트 _posts/2026-06-04-AI-Agent-scRNA-seq-Skill-Reproducibility.md (한국어, toc)
• teaser SVG (/assets/images/)

정직성 원칙

• 실제 실행한 숫자만 보고. N=5 표본의 통계적 한계 명시.
• 스킬이 QC 한정이며 결정적 스크립트라 재현성이 당연하다는 점 솔직히 서술.