服务器与环境

配对信息不该丢在样本表里:让 BioAgent 给PCA加上四条供体箭头

作者:发布于 2026-11-17约 9 分钟阅读
本篇真实数据实操主题与步骤

八个样本画在PCA里,按处理分成两种颜色,已经能看到一些结构。但如果它们实际上来自四个供体,每个供体各有一个未处理和处理样本,只用两种颜色就丢掉了一层重要信息。

这次我们使用真实公开airway数据,让云生信BioAgent用颜色区分供体、形状区分处理,并用箭头连接同一供体的untrt与trt。结果不仅告诉我们两组总体怎样分布,也让四个供体各自的变化方向进入了同一张图。

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。

先确认箭头有依据,再开始画图

airway来自人气道平滑肌细胞的地塞米松处理实验,相关公开研究编号为GSE52778。Bioconductor airway包提供数据背景;本次使用CSAMA课程公开材料中的计数表与样本表,整理为33,469个基因、8个样本。

原课程文件以样本为行,我们转置为基因×样本,并将Run、cell、dex等字段整理成sample、donor、treatment,未修改计数。下载包保留数据来源与转换说明。这里的donor标签对应四个细胞系来源,不能直接把图当成临床患者治疗前后的随访结果。

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

我们要求先检查每个donor恰好有一个untrt和一个trt,然后以完整矩阵文库总和计算CPM;保留至少两个样本CPM≥1的基因,做log2(CPM+1)、基因中心化且不缩放,再用SVD计算PCA。最后才根据真实配对关系画箭头。

如果样本表中缺了配对成员,或者一个供体有多个同条件样本,应该先停下来确定如何处理,而不是按文件顺序强行配对。线条一旦画上,读者会自然赋予它设计含义,必须有元数据支持。

一张图,同时读三个层面

过滤后保留15,050个基因。PC1解释38.66%的变异,PC2解释23.86%,合计约62.51%。颜色对应供体,圆点表示untrt,三角形表示trt,箭头从未处理指向处理。

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

第一层看处理状态:当前坐标方向下,四个处理样本相对各自未处理样本都向PC1正方向移动。第二层看供体:不同供体在PC2上的位置仍存在差别。第三层看箭头:变化并非完全平行,提示不能用一个组平均位移概括所有细节。

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。
供体 未处理样本 处理样本 PC1–PC2二维距离
N052611 SRR1039512 SRR1039513 55.98
N061011 SRR1039520 SRR1039521 58.83
N080611 SRR1039516 SRR1039517 50.12
N61311 SRR1039508 SRR1039509 50.42

这些距离来自同一供体两个样本的PC坐标,另经独立计算核对。它们帮助描述二维图中的位移大小,但不是表达倍数,也不是药效评分。距离较长的供体不能直接解释为“对药更敏感”。

“都向右”并不等于所有基因都上调

PCA的坐标是多个基因共同决定的综合轴。四条箭头沿PC1同向,表示在当前投影中处理相关变化具有一致方向,不代表每个基因的变化都相同,更不代表所有基因表达升高。

PC轴的正负号可以整体翻转,所以换一个实现后箭头可能都朝左,只要几何关系和方差一致,科学含义不变。更准确的表述是“四个配对样本在PC1上的变化同向”,而不是赋予“向右”固定的生物学意义。

PC2上的变化也不同:其中一个供体略向下,其余向上,幅度不一。因此不能把图解释为四个供体在所有表达维度完全一致。二维图只保留了约62.51%的变异,仍有相当一部分信息在后续主成分里。

图例裁切后,继续用对话修图

首次输出的右侧供体图例有裁切,完整编号没有全部显示。我们把已经生成的坐标表和方差表重新附在对话里,要求只重新排版:图例移到画布下方,供体与处理分两行显示,保留原坐标和箭头,不重新做PCA。

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

这种修订很实用。图形表达出问题时,不必默认把整个分析从头重跑;先指出需要保留什么、要修正什么,再核对新版产物。保存坐标表与代码,使“同一个结果换一种排版”成为可检查的操作。

有配对,后续统计也要考虑配对

这次没有进行基因层面的差异检验。如果接下来要比较处理关联的表达变化,应在研究设计中保留供体信息,讨论包含供体与处理的模型,而不是把八个样本当成互不相关的两组。

图中只有四个供体,不能代表广泛人群,也不能据此推断临床疗效。PCA是探索工具,没有给出每个基因的显著性,更没有证明某个通路驱动了观察到的位移。DESeq2官方文档可用于了解多因素设计,本文不冒充已经运行了该模型。

还有一个容易忽略的限制:本次没有做基因方差缩放,高变基因在PCA中更有影响。若换预处理,应报告改变了什么,并重新核查样本结构;不能只挑最符合预期的版本展示。

让样本表真正参与结果解释

BioAgent在平台Python环境中生成了图、坐标、供体位移、方差、过滤汇总和代码。聊天界面的作用是把“我想保留配对信息”直接转成具体的计算与展示要求,再围绕产物继续追问。

迁移到自己的项目时,可以先给Agent一份明确的样本表:sample、donor、condition各一列,说明是否存在缺失配对和额外重复。让它先返回配对检查表,再确认绘图。这样,分析从一开始就围绕真实设计展开。

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:

本轮airway真实counts来自Bioconductor CSAMA公开教学文件(33469基因×8样本),samples有sample、donor、treatment(trt/untrt)。请平台现有Python实际核对4个donor各有1个trt和1个untrt,至少2样本CPM>=1过滤,按全基因文库CPM后log2(CPM+1),基因中心化不缩放,numpy SVD画PCA。颜色表示donor、形状表示treatment,每个donor用箭头从untrt连向trt;短标签,图例图外,英文轴标及方差。输出PNG/PDF、样本坐标、方差、过滤汇总、每供体PC1/PC2变化及二维距离CSV和代码。箭头只表达这组配对观察,不声称因果或临床疗效,不做显著检验。生成方案。

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。

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

打开云生信BioAgent,用附件中的公开矩阵试着画出四条箭头。你会发现,一张图多保留一层真实设计信息,往往比换一种更醒目的配色更有价值。

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 ↗