RRepoGEO

REPOGEO 报告 · LITE

OmicsML/awesome-deep-learning-single-cell-papers

默认分支 main · commit c61f634a · 扫描时间 2026/6/12 18:18:00

星标 858 · Fork 114

AI 可见性总分
23 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 0 · 失败 1
客观元数据检查
AI 认识你的名字
2 / 3
直接询问时,AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 OmicsML/awesome-deep-learning-single-cell-papers 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highabout#1
    Add a concise 'About' description for the repository

    原因:

    复制粘贴的修复
    A curated list of the latest research papers on deep learning methods applied to single-cell analysis, categorized by task.
  • hightopics#2
    Add specific topics to improve categorization

    原因:

    复制粘贴的修复
    deep-learning, single-cell, omics, bioinformatics, computational-biology, awesome-list, research-papers, machine-learning, genomics, transcriptomics
  • mediumreadme#3
    Clarify the README's opening to emphasize 'curated list of papers'

    原因:

    当前
    This repository keeps track of the latest papers on single-cell analysis with deep learning methods. We categorize them based on individual tasks.
    复制粘贴的修复
    This awesome list curates and categorizes the latest research papers on deep learning methods for single-cell analysis, organized by individual tasks.

本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 OmicsML/awesome-deep-learning-single-cell-papers
平均排名
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中,你占了多少?
头号对手
Awesome Single Cell
在 2 个问题中被推荐 1 次
竞品排行
  1. Awesome Single Cell · 被推荐 1 次
  2. Scverse ecosystem · 被推荐 1 次
  3. BioRxiv · 被推荐 1 次
  4. MedRxiv · 被推荐 1 次
  5. AGBT · 被推荐 1 次
  • 品类问题
    Where can I find a curated list of recent research in deep learning for single-cell analysis?
    你:未被推荐
    AI 推荐顺序:
    1. Awesome Single Cell
    2. Scverse ecosystem
    3. BioRxiv
    4. MedRxiv
    5. AGBT
    6. ISMB/ECCB
    7. Cell Symposia
    8. Nature Methods
    9. Nature Biotechnology
    10. Cell
    11. Science
    12. Genome Biology

    AI 推荐了 12 个替代方案,却始终没点名 OmicsML/awesome-deep-learning-single-cell-papers。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    What are the latest deep learning methods applied to single-cell omics data analysis tasks?
    你:未被推荐
    AI 推荐顺序:
    1. scVI
    2. scDHA
    3. DeepWalk
    4. scDeepCluster
    5. DESC
    6. scAnnotate
    7. CellAssign
    8. scANVI
    9. DeepSTREAM
    10. scVAEIT
    11. TotalVI
    12. DeepGRN
    13. SCENIC+

    AI 推荐了 13 个替代方案,却始终没点名 OmicsML/awesome-deep-learning-single-cell-papers。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    fail

    建议:

  • README presence
    pass

自指检查

当被直接问到你时,AI 是否还知道你的仓库存在?

  • Compared to common alternatives in this category, what is the core differentiator of OmicsML/awesome-deep-learning-single-cell-papers?
    pass
    AI 明确点名了 OmicsML/awesome-deep-learning-single-cell-papers

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • If a team adopts OmicsML/awesome-deep-learning-single-cell-papers in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 OmicsML/awesome-deep-learning-single-cell-papers

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • In one sentence, what problem does the repo OmicsML/awesome-deep-learning-single-cell-papers solve, and who is the primary audience?
    pass
    AI 未点名 OmicsML/awesome-deep-learning-single-cell-papers —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

嵌入你的 GEO 徽章

把这个徽章贴进 OmicsML/awesome-deep-learning-single-cell-papers 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN(README)
[![RepoGEO](https://repogeo.com/badge/OmicsML/awesome-deep-learning-single-cell-papers.svg)](https://repogeo.com/zh/r/OmicsML/awesome-deep-learning-single-cell-papers)
HTML
<a href="https://repogeo.com/zh/r/OmicsML/awesome-deep-learning-single-cell-papers"><img src="https://repogeo.com/badge/OmicsML/awesome-deep-learning-single-cell-papers.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

OmicsML/awesome-deep-learning-single-cell-papers — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5,轻量 2
  • 优先行动项8,轻量 3