组会里常见这样的图:三个阶段、三个均值、一条线,变化趋势看起来很清楚。可每个阶段有几个重复?两个重复是否一致?这条线连接的是同一个体,还是不同个体的组均值?只看折线,往往回答不了。
这次我们用真实公开GSE60450中的Luminal样本,让云生信BioAgent筛选阶段变化幅度较大的基因,并在一张六面板图里同时保留每个重复点和阶段均值。结果适合用来演示一个很实用的习惯:让趋势图保留构成趋势的数据。

为什么只选一种细胞类型
完整GSE60450包含Basal和Luminal两类细胞,以及Virgin、Pregnant、Lactating三个阶段。两种细胞本身就可能差异很大。如果直接把全部12个样本混在一起,用阶段作为唯一分组,很容易把细胞类型构成也带进解释。
本次固定为Luminal,只保留LA/LB、LC/LD、LE/LF六个样本,三个阶段各两个重复。计数来自GEO公开文件,样本身份根据系列元数据整理。原始输入是27,179个基因的计数矩阵,没有把示例数字伪装成真实实验。

我们给Agent的任务是:按完整文库计数计算CPM,再取log2(CPM+1);在这六个样本中,保留至少两个样本CPM≥1的基因;分别计算三个阶段的平均log表达;以三个阶段均值的最大值减最小值排序,选择前六个;图中展示全部重复点和阶段均值,不把不同动物连成个体轨迹。
这里“先取log再平均”是一项明确的方法选择。平均log值不等于先平均CPM再取log,两个方法回答的问题并不完全相同。我们将公式与分组写清,避免图已经画完,却不知道线上的数字如何得来。
先看筛选规则,再看六条曲线
过滤后保留13,438个基因。排序指标是三个阶段平均log2(CPM+1)之间的极差,没有使用P值,没有进行多重检验,也没有把前六名称为显著差异基因。

| 基因ID | Virgin均值 | Pregnant均值 | Lactating均值 | 阶段均值极差 |
|---|---|---|---|---|
| 14663 | 6.219 | 14.004 | 15.944 | 9.724 |
| 12992 | 2.179 | 4.187 | 11.843 | 9.665 |
| 22373 | 6.670 | 12.639 | 15.609 | 8.938 |
| 19242 | 10.618 | 1.797 | 2.317 | 8.820 |
| 11839 | 9.520 | 3.453 | 1.008 | 8.512 |
| 14077 | 2.240 | 9.676 | 10.563 | 8.324 |
本次保留原始Entrez基因ID,暂不补充symbol或功能注释,避免未经核对的映射进入图和解释。附件含阶段均值、排序和逐样本长表,可以用ID回到原矩阵查证。表中数字另经独立计算核对,与平台输出在显示精度内一致。

同样“幅度大”,实际变化形态不同
14663在Virgin到Pregnant之间已经明显增加,Lactating进一步升高;12992则更突出地表现为Lactating阶段增加。两者都排在极差前列,但不能用同一句“随阶段逐渐上调”概括所有细节。
19242从Virgin到Pregnant降低,在Lactating略有回升;11839则在三个阶段持续降低。14077在Pregnant阶段已处于较高水平。这些不同形态提示,后续提问可以从“谁变化最大”转为“变化主要发生在哪两个阶段之间”。
但图形形态只是描述。三个阶段不是等间隔的连续时间采样,折线也不代表我们测到了阶段之间每一个时点。不能据此估计变化速度、峰值时间,或者宣称某基因驱动了阶段转换。
每个阶段只有两个点,点比误差带更诚实
本次每个阶段只有两个生物学重复。保留两个实际点,可以直接看到它们的间距;均值线负责帮助阅读整体方向,不应把个体差异藏起来。图里各阶段之间的线连接的是均值,不是同一只动物的追踪轨迹。
这一区别很重要。如果把LA与LC、LC与LE随意连起来,读者可能误以为三个样本来自同一只动物不同阶段,进而按照配对研究理解。样本名称相邻、文件排列相近,都不是建立配对关系的证据。

迁移到自己的数据时,先把样本表中的individual_id、组别和时间点分开。如果确实是纵向随访,再要求按个体连线;如果每个时间点是不同个体,就画分布、实际点和组均值,避免用连线暗示不存在的研究设计。
为什么“最漂亮的六个”不能当独立验证
这六个基因正是按当前数据的阶段极差挑出来的,因此它们看起来变化大并不意外。选择规则和展示使用同一批样本,图形不能再作为独立证据证明筛选准确。它们适合提出候选问题,之后还需要正式模型和独立材料。
如果目标是确认阶段相关基因,应明确比较对象、重复数、可能的协变量和多重检验方式。对这些counts,下一步可以另行拟合合适的计数模型,但本文没有运行该步骤,也不提供未经计算的显著性星号。
此外,极差容易突出某一阶段的极端值。另一种合理追问是:“把每个阶段两个重复的差距也列出来,检查排名靠前的基因是否由单个样本推动。”这能把漂亮曲线转化为可复核的候选清单,而不急着给它们贴生物学标签。
从一句需求到一组可继续讨论的文件
这次BioAgent在平台Python环境中完成计算,并交付PNG/PDF、阶段均值、全部候选排序、Top6逐样本表和代码。文章里的图来自实际产物,界面截图记录了提问、方案和结果。云端环境让数据、代码和输出集中在同一会话中,读者可以围绕已经生成的图继续提出具体修改。
例如可以继续要求“保持六个基因不变,统一纵轴范围”,或者“保留原筛选结果,补充组内重复差值表”。最好一次只改一个解释重点,并保存原版本;不要每次挑一组更顺眼的基因,最后只留下最符合预期的图。
读者可以这样完成第一次操作
进入BioAgent后新建研究,上传本篇下载包input目录中的counts和samples两份CSV,等界面显示两份附件均已就绪,再发送需求。counts第一列是gene_id,其余每列一个样本;samples每行一个样本,sample必须与矩阵列名一致。附件名称已经区分数据集,第一次练习建议保持原名,方便核对。
下面是本次实际使用的初始提问,可复制后按自己的数据修改:
用附件GSE60450真实数据探索Luminal阶段变化,平台Python现有包。先以全矩阵总counts算CPM,取Luminal六个样本;保留至少2个Luminal样本CPM>=1的基因。对log2(CPM+1)按Virgin/Pregnant/Lactating三阶段分别计算均值,计算三个阶段均值的最大值减最小值,取幅度最大的6个基因(保留Entrez)。画2×3面板,每个基因显示六个原始样本点和三阶段均值线,不把不同小鼠连成纵向轨迹;显示样本短名,简洁英文图注,明确每阶段n=2。输出全基因幅度排名CSV、Top6逐样本及阶段均值CSV、PNG/PDF和代码。不做差异检验、不把极值筛选当独立验证。请给出可执行方案。
收到方案后打开“查看方案并确认”,核对数据文件、计算位置、过滤规则和输出要求,再点击“确认并开始”。任务完成后进入“研究成果”,在“图表”查看图,在“文件”下载明细与代码。如果界面提示失败,应查看记录或要求诊断,不能把未完成状态当成成功。
第一次练习先保持方法一致,核对本文的核心数字;之后再改变一个条件,例如过滤阈值或绘图标签,并保存前后两版。自己数据的列名、单位或分组不同,要在提交前明确说明,不应把本例参数直接当成所有研究的默认答案。
下载数据,自己核对一次
下载本篇公开输入、图表与实际运行代码。附件含整理后的counts、样本表、结果CSV、PNG/PDF及代码,来源见README。代码采用平台运行时路径,迁移到本机时需配置输入和输出,不能直接视为本机一键脚本。

想试试这种工作方式,可以打开云生信BioAgent,用附件里的真实公开数据,先要求一张“保留所有重复”的趋势图。对于自己的课题,先确认数据单位和样本设计,再让Agent帮你把研究问题落实成表格、图形和可追溯代码。
本系列继续读
- 相关性只有0.68,就要删样本?我把真实转录组数据交给 BioAgent 查了一遍
- 测序量差不多,表达数据就可比吗?让 BioAgent 画出被总数遮住的组成差异
- 同一批基因,热图为什么变了颜色?用 BioAgent 实做一次双尺度对照
- 低表达基因过滤,会把PCA画成另一个故事吗?让 BioAgent 用三套阈值实测
- 差异分析之前,先让 BioAgent 检查分组表:pasilla 真实数据的设计审计
- PCA分成两层,是处理效应还是测序类型?用 BioAgent 把两个因素一起画清楚
- 伪计数从1改成0.1,候选名单会变吗?让 BioAgent 实测一张探索性MA图
- 配对信息不该丢在样本表里:让 BioAgent 给PCA加上四条供体箭头
- 平均变化很大,四个供体都同意吗?用 BioAgent 看见每一条配对线
实操数据与截图采集于2026年11月。界面和环境可能更新,以使用时页面为准。本文保留真实计算口径与结果边界。
