项目做完测序,邮件里收到一个网盘链接和一份结题报告。点开网盘:几十个 .fastq.gz 压缩包,可能再加几个 csv 矩阵和一份 PDF。而论文里需要的是火山图、热图、PCA 散点图、GO/KEGG 富集图——从这份「交付」到你想要的图,中间隔着一条完整的分析链路。这段路,测序交付里通常不包含。
这不是哪家公司偷懒,而是行业分工的自然结果。但对拿着数据的研究者来说,问题很现实:中间这段,谁来管?
先看清交付边界:你拿到的到底是什么
测序公司的核心业务,是把样本变成下机数据:文库上机、测序、碱基识别、拆分样本,最后交付原始 FASTQ(或部分公司额外提供表达矩阵)和一份结题报告。结题报告里的图表是数据交付的说明,不是为你的论文设计的成图——分组方式、统计方法、配色、标注,通常都不能按审稿意见反复修改。
换句话说:网盘链接里的东西是「原材料」,论文里的图是「成品」。从原材料到成品,至少要经过质控、定量、统计检验、功能注释和可视化五个环节,每个环节都有方法和参数要选择。这一段专业上叫下游分析(downstream analysis),商业上恰恰是测序交付边界之外的部分。

中间那段路到底有多长
以一个常见的 bulk 转录组项目为例,从网盘链接到可放进论文的图,大致要经过下面这些阶段:
| 阶段 | 要解决什么 | 常用工具 | 容易卡在哪 |
|---|---|---|---|
| 原始数据核验 | 确认文件完整、样本与分组对应 | md5 校验、样本清单 | 文件缺失、双端 reads 文件对不上号 |
| 质控 | 评估测序质量、过滤低质量 reads | FastQC、MultiQC | 只看单样本报告、发现问题不过滤 |
| 比对与定量 | 把 reads 映射到参考基因组并计数 | STAR、HISAT2、featureCounts | 参考基因组版本不一致、内存不足跑不完 |
| 差异分析 | 按分组做统计检验 | DESeq2、edgeR、limma | 分组设计写错、把 TPM 当 counts 喂给模型 |
| 功能注释与富集 | GO/KEGG 通路分析 | clusterProfiler | 背景基因集选错、忽略 p 值校正 |
| 成图与迭代 | 论文级图表、按期刊要求修改 | ggplot2、ComplexHeatmap | 多轮返工没有版本管理、图越改越乱 |
每个阶段单看都不神秘,合起来就是十万八千里:任何一步出问题,最后那张图都不可信。把 TPM 矩阵直接交给假定负二项分布的差异模型、分组文件里对照组标错一列、参考基因组用了和定量时不一样的版本——这些都是实际项目里反复出现的错误,而且往往在成图之后才被发现。
为什么这段没人管
把三方摆开看,缺口就很清楚:
- 测序公司:交付边界在下机数据。分析是另一份合同、另一套报价,而且很多公司并不以分析见长。
- 外包分析:按项目或按图收费。第一版图通常顺利,麻烦在后面——审稿意见要改配色、换统计方法、补一张图,每改一轮都要排队沟通,中间计算过程对研究者并不透明。
- 实验室自己:数据在学生手里,但笔记本电脑跑不动比对,配环境先卡在 conda 和依赖冲突上,命令行门槛再加一层。时间一紧,只能回到外包排队。
结果就是:数据明明是自己的,分析主动权却不在自己手里。
把中间这段拿回来的三种走法
| 走法 | 好处 | 代价 | 适合谁 |
|---|---|---|---|
| 全部外包分析 | 省心,第一版出图快 | 按轮次收费、改图排队、过程不透明 | 只差一张图、修改预期少 |
| 本地电脑自己做 | 零额外成本 | 配环境耗时、算力不足、数据散落各处 | 小规模数据、有生信基础 |
| 自己的服务器 + 生信 agent | 环境现成、数据在自己手里、改图自己动手 | 需要一台服务器和一次数据搬运 | 有多轮修改预期、想长期自给 |
第三条路是云生信现在帮客户走的路,分两步:
第一步:把数据从网盘搬到服务器。 我们协助把测序公司交付的数据传输到客户的服务器上,传输完成后核对文件数量和校验值,确认样本对应关系。数据落在客户自己名下的服务器里,不是落在某个分析平台的公共池里。
第二步:在服务器上用生信 agent 自己做分析。 服务器上预先配好分析环境和一个生信 agent:不会 Linux 命令,也可以用对话的方式发起质控、定量、差异分析和出图。想要火山图换个阈值、热图换一组基因、PCA 换个配色,自己说一句就行,不用排队等别人排期。分析过程、脚本和中间结果都留在服务器上,论文返修时可以随时复现。
这两步合起来的意思是:中间那段没人管的路,交还给数据的主人自己走,但不用从零学起。
agent 能帮什么,不能替什么
要说清楚边界,避免误解:
- 能帮的:环境配置、命令执行、流程编排、图表生成。这些原本是操作门槛,agent 把「会写命令」变成「会说需求」。
- 不能替的:生物学判断。分组设计是否合理、差异阈值怎么定、富集结果怎么解释、结论是否超出了数据能支持的范围——这些仍然是研究者自己的责任。agent 降低的是操作成本,不是科学审慎的理由。
还有一个实际问题是数据安全:涉及尚未发表的敏感数据时,传输方式(网盘直传、加密拷贝等)应事先和服务方确认清楚,落盘后也要确认服务器的访问控制范围。
带上你的网盘链接,先聊十五分钟
如果你手边正有一个不知道从哪儿下手的网盘链接,可以准备这几样东西:数据类型(转录组、单细胞、微生物还是其他)、样本规模、目标期刊里的那张图长什么样、目前卡在哪一步。
云生信可以先帮你判断这段路怎么走:是先把数据传上服务器搭好环境,还是先评估分析设计是否成立。租用服务器自行操作、部署环境与委托分析是不同的服务范围,按你的需求分别确认。
