服务器与环境

差异分析之前,先让 BioAgent 检查分组表:pasilla 真实数据的设计审计

作者:发布于 2026-11-17约 10 分钟阅读
本篇真实数据实操主题与步骤

矩阵有七列,分组表有七行,是否就可以开始差异分析?还不够。这次公开数据中的两个文件样本集合完全一致,顺序却不同。如果按行号把分组标签直接贴到矩阵上,数据不会报缺失,分析却可能从第一步就错位。

我们把Bioconductor的pasilla计数矩阵和样本表交给云生信BioAgent,要求它先审计输入与实验设计,再画样本设计图。这篇没有直接给出差异基因,而是展示正式建模前值得花时间确认的几件事:名字是否对应、技术因素是否混杂、模型矩阵是否满秩、还剩多少残差自由度。

本篇真实数据实操主题与步骤
本篇真实数据实操主题与步骤。

一套适合练习设计判断的真实公开数据

Bioconductor pasilla 数据包收录果蝇pasilla敲低实验的计数数据。本文从1.40.0源码包提取基因计数TSV和样本注释CSV,保留14,599个基因、7个样本。样本表中的file字段去掉统一fb后缀,形成与计数列一致的sample字段;其余实验注释保留。

官方 数据预处理说明列出处理条件与测序类型。本次数据有3个treated、4个untreated;另一个因素是single-read与paired-end。它们分别是单端和双端测序,paired-end的“paired”不能被理解成“同一个体处理前后配对”。

正式提问要求Agent按sample名字显式重排,不能依赖文件行序。检查包括基因与样本重复、缺失、非有限值、负值、非整数,以及矩阵和样本表的集合关系。任何关键数值异常先停止,避免边修边跑却没有留下记录。

BioAgent实际提问与公开数据附件
BioAgent实际提问与公开数据附件。

设计审计不是一张“检查通过”截图

我们需要的是可以支持下一步决策的输出。Agent被要求生成condition×type列联表、样本设计图、加性设计矩阵和秩信息。图用于看结构,表用于核对数值,代码用于确认结构究竟怎样生成。

方案审阅中还发现一个值得单独纠正的细节:初稿想把样本表里的total number of reads作为右侧文库图。这个字段有些记录带“×2”,和基因计数矩阵的列总和不是同一口径。我们通过聊天要求改为对counts逐列求和,并明确轴标签为sum of gene counts。只有口径一致,图上的数字才可与输入直接对照。

BioAgent待运行方案与计算位置
BioAgent待运行方案与计算位置。

如果你只看图的标题“Library size”,很容易忽略分母差异。在真实项目中,还可能遇到总reads、去重reads、比对reads和基因分配片段数。它们都可能出现在同一份报告里,但不能互相替代。让Agent把每个指标的计算来源写进表格,远比只要求“画一个测序量图”可靠。

列联表先回答:两个因素是不是绑在一起

本次分组结构如下。

处理条件 single-read paired-end 合计
untreated 2 2 4
treated 1 2 3
合计 3 4 7

四个组合都有样本,所以处理条件与测序类型不是完全重合。这里的“不完全混杂”只说明仍有区分两个因素的信息,并不代表设计平衡、样本量充分或所有技术差异都能被消除。treated/single-read只有一个样本,这个不均衡也应在解释中保留。

本篇实际计算结果图;点击查看完整大图
本篇实际计算结果图;点击查看完整大图。

实际基因计数总和从8,358,426到21,911,438不等。比如untreated2约2,191万,untreated3约836万。这些数字展示了文库尺度差异,不能直接推断实验质量。后续模型需要使用恰当的归一化和误差结构;本篇只把分析前的信息摆清楚。

样本表原始顺序先列treated,计数矩阵先列untreated。我们按照唯一sample名匹配并显式重排,而不是把前三行标签贴给前三列。这一步并不改变任何表达值,只是让每个样本带上正确的注释。实际项目里,Excel排序、文件合并或手工复制,都可能制造这种静默错位。

秩为3,残差自由度为4,具体意味着什么

我们建立的设计矩阵包含三列:截距、测序类型二元编码、处理条件二元编码。以untreated和single-read作为参照。7个样本构成7行,实际矩阵秩为3,因此这三列线性独立;残差自由度按7−3计算,为4。

这是一个加性设计检查,没有加入交互项,也没有估计任何基因的处理效应。满秩意味着这个设计矩阵不存在完全线性依赖,不意味着拟合后的系数一定精确,更不意味着处理具有因果作用。小样本和不平衡依然会影响不确定性。

BioAgent实际结果与后续讨论界面
BioAgent实际结果与后续讨论界面。

如果某个研究中所有treated都是双端测序、所有untreated都是单端测序,两个因素就完全重合。再复杂的拟合也无法仅凭这些样本分清处理效应与测序类型差异。解决问题通常需要更合理的设计或额外信息,而不是让软件自动“去批次”。这个判断可以在开始跑全基因检验之前完成。

正式差异分析工具对多因素设计、模型矩阵秩等问题有专门说明,可参考 DESeq2 官方文档。本文没有运行DESeq2,使用设计矩阵只是审计计划是否具备基本可估计条件。

可以直接照着问的三个问题

第一个问题是:“请告诉我两份文件的样本集合是否一致、顺序是否一致,并按名字对齐。”集合一致与顺序一致是两个检查,缺一不可。

第二个问题是:“把处理组与测序类型列成完整列联表,保留零格。”只列已经存在的组合,可能掩盖完全缺失的实验单元;含零格的表更容易发现结构性问题。

第三个问题是:“请给出准备使用的设计矩阵、参照水平、秩和残差自由度,暂不做差异检验。”这样讨论聚焦于模型究竟在比较什么,而不是先被大量P值牵着走。后续若修改设计,应保存新版本,并说明改变了什么假设。

这些需求都可以在BioAgent里通过自然语言提出。本次运行产生了审计表、设计矩阵、列联表和图件,下载后可以逐项复查。我们也从原始公开矩阵独立核对了样本总量、列联关系和矩阵秩,没有把Agent的文字总结当作唯一证据。

从“能跑”走向“值得跑”

本次使用平台现有Python环境,不需要为这个小型审计新装统计软件。计算资源、数据输入和结果文件都在方案与成果中可查看。服务器和已有环境提供的是执行落点;设计是否合理,仍然需要根据研究问题判断。

如果你准备接入个人服务器运行更大项目,先确认数据位置和任务权限,再决定资源需求。这里没有测试服务器加速,也没有声称一次审计就覆盖所有实验问题。缺失的批次、个体身份和采样过程不会因为表格检查通过而自动补齐。

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:

用本轮真实pasilla counts与samples做分析前设计审计。样本表含sample、condition、type;counts为基因×7样本。平台Python不装包。检查维度、重复、缺失、负值、整数、样本集合,按sample明确重排而非行序对齐。输出condition×type列联表(含零格),画样本设计图:行样本、两列显示处理和single-read/paired-end,并用第二面板展示每样本文库计数。建立含截距、type二元和condition二元的加性设计矩阵,报告列名、秩、列数、残差自由度;不运行差异检验、不把paired-end解释为配对个体、不删除样本。PNG/PDF、输入审计/列联/设计矩阵CSV、代码。请生成可运行方案,答复简短。

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。

BioAgent实际交付的结果文件清单
BioAgent实际交付的结果文件清单。

准备开始差异分析时,可以先进入 云生信 BioAgent,上传矩阵和分组表,问一句:“请先审查我的设计,哪些比较能做,哪些因素分不开?”这次对话可能比直接启动一个长流程,更早发现真正需要处理的问题。

本系列继续读

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。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗