R

国自然生信实战20/20|把整个项目串起来:形成可复现分析包和完整技术路线

作者:发布于 2026-11-17约 14 分钟阅读
国自然生信实战第20讲:把整个项目串起来:形成可复现分析包和完整技术路线

国自然生信实战20讲 · 第20讲 · 转成可检验的研究设计

国自然生信实战第20讲:把整个项目串起来:形成可复现分析包和完整技术路线
系列目录:国自然生信实战20讲(当前第20讲)
  1. 第01讲:国自然里的生信从哪里开始?把研究方向拆成可分析的问题
  2. 第02讲:公共数据怎么选?找到与你的研究问题真正匹配的数据集
  3. 第03讲:下载数据后先做什么?表达矩阵、样本分组和基因编号整理
  4. 第04讲:为什么有些数据不能直接分析?看懂异常样本与批次效应
  5. 第05讲:差异表达怎么做才有解释价值?从统计显著到生物学意义
  6. 第06讲:富集分析结果太多怎么办?从通路列表提炼研究主线
  7. 第07讲:哪些基因值得继续研究?把表达、功能和文献证据放在一起
  8. 第08讲:基因升高说明了什么?区分单个基因变化与功能状态变化
  9. 第09讲:换一批数据还成立吗?手把手做独立队列验证
  10. 第10讲:差异真的是疾病造成的吗?识别混杂因素与缺失信息
  11. 第11讲:换个阈值结论就变了?用敏感性分析检查结果稳定性
  12. 第12讲:两个队列结果不一致怎么办?从差异中发现研究边界
  13. 第13讲:为什么整体组织的变化还不够?用单细胞定位表达来源
  14. 第14讲:是细胞变多了,还是细胞内部表达变了?拆解两种解释
  15. 第15讲:关键细胞发生了什么变化?从细胞类型走向功能状态
  16. 第16讲:细胞之间可能如何影响彼此?把通讯线索变成可验证的问题
  17. 第17讲:从一堆图到一个科学假说:整理现有证据与关键缺口
  18. 第18讲:生信之后做哪些实验?把候选线索拆成逐步验证的任务
  19. 第19讲:样本量和验证队列怎么规划?用模拟看清研究可行性
  20. 第20讲:把整个项目串起来:形成可复现分析包和完整技术路线(本篇)

点击目录按篇次顺序学习;文末复现包包含全系列代码与起始数据。

一套分析能交给别人重做,才真正成为可使用的材料

经过前19篇,我们已经完成从问题定义、数据筛选到候选验证、细胞定位和实验规划的完整练习。最后一步不是再增加一种分析,而是让每个结论都能追溯到输入、代码和输出。若只留下几张图片,几周后很难确认使用了哪个样本版本、阈值是什么、某次结果为什么改变。可复现材料能把这些问题提前解决。

本篇把整个系列组织成统一目录,并生成输出清单、软件版本记录和技术路线。它不意味着任何环境都能毫无差异地运行,也不表示我们已经复现了原始研究全部结论。本系列实际验证的是附件内整理输入到本教程结果的流程;原始下载、整理规则和已知限制也单独提供,便于读者检查边界。

文件结构应该让人看得懂

data目录保存分析所需的整理输入,scripts目录包含20篇脚本和公共函数,results目录按篇次保存图表,logs目录保存运行记录。run_all.R按顺序执行全部章节。每篇文章还给出自己依赖的前序结果,因此读者可以使用随包提供的起始文件学习某一篇,不必每次从网络下载开始。

原始下载文件与整理后的教学输入不是同一层级。前者保留数据库提供的内容,后者经过本系列明确记录的筛选和汇总。整理脚本说明如何从前者得到后者,文件校验值帮助识别版本。正式研究可以按需要重新取得原始资料,但不能在更换输入后仍然沿用旧图而不重新核查。

做一次真正的交接演练

找一个没有参与脚本编写的人,只给他下载包和说明,让他在合适环境里找到第09篇的输入、运行命令和验证表。观察他是否需要猜测目录、是否知道哪些结果是起始文件、是否能区分教学输出与原始资料。交接中暴露的困惑,就是说明文档需要补充的地方。

遇到报错时,先确认工作目录,再检查文件是否完整,然后检查包版本与输入对象。不要在不知道原因时随意删除警告或修改数据让程序继续。保存完整错误信息及触发步骤,通常比只说“运行不了”更有助于定位。修复后应重新检查受影响的后续结果,避免只更新最后一张图。

如果自己修改了候选、阈值或样本集合,另存新版本,并在说明中记录修改目的。保留原例作为对照,有助于判断差异来自哪一步。文件名可以包含版本号,但更重要的是有集中记录;几十个“最终版”并不能构成可靠版本管理。可追溯的变化说明比命名习惯更关键。

复现包不应包含服务器凭据、私人路径依赖或未经授权的个人资料。本系列下载材料围绕公开数据的整理输入、代码和输出组织。迁移到自己的临床项目时,数据共享范围需要另行判断,可以提供去标识示例和结构说明,而不是为了方便复现就公开全部原始信息。

最后,用证据台账检查文章中的每个主要判断是否仍与当前文件一致。代码跑通、图片生成、科学解释合理,是三个相互关联但不能替代的要求。只有把它们一起核对,成果才适合交给合作者继续研究,也更容易在后续审阅和方法讨论中说明来龙去脉。

运行方法与输出检查

下载文末完整复现包后先解压,将R的工作目录切换到其中的workbook目录,再运行下方命令。不要只复制某一行分析语句,因为公共函数、输入文件和前序结果需要保持同一套目录关系。本篇读取前面章节的输出并记录环境;附件已包含这些起始文件,因此可以单独学习本篇,也可以按顺序运行全系列。

Rscript scripts/20.R

脚本会把本篇表格和三张图写入results/20目录。运行结束后先检查输出表中的样本标识、列名与正文说明,再打开图片核对坐标和分组。出现报错时保留原始输入,先查工作目录、文件完整性及依赖版本,不要通过改分组或填补不存在的数据来让代码继续。下载包内的版本记录来自实际验证环境,安装时请保持R与Bioconductor依赖相容。

下面提供本篇完整R脚本;它会载入scripts/common.R中的公共函数。共用函数、数据整理代码和逐步日志也包含在复现包中,便于检查每一步的输入与输出。

source("scripts/common.R")
o<-start(20);files<-list.files("results",recursive=TRUE,full.names=TRUE);files<-files[!grepl("results/20/",files)];files<-files[!file.info(files)$isdir]
ledger<-data.frame(file=files,bytes=file.info(files)$size,md5=unname(tools::md5sum(files)));save_table(ledger,paste0(o,"/output_manifest.csv"))
pk<-c("limma","fgsea","org.Hs.eg.db","AnnotationDbi","uwot","ggplot2");versions<-data.frame(package=pk,version=sapply(pk,function(p)as.character(packageVersion(p))));save_table(versions,paste0(o,"/package_versions.csv"));writeLines(capture.output(sessionInfo()),paste0(o,"/sessionInfo.txt"))
fig(paste0(o,"/fig1.png"),flow(c("01-04: question, eligibility, matrix and QC","05-08: effects, gene sets and candidates","09-12: replication, confounding and sensitivity","13-16: cell states and expression feasibility","17-20: evidence, experiments and reproducibility"),"Complete study route"))
fig(paste0(o,"/fig2.png"),{counts<-table(sub("results/([0-9]+)/.*","\\1",files));barplot(counts,col="#199C97",xlab="Chapter",ylab="Generated files",main="Traceable outputs by chapter")})
fig(paste0(o,"/fig3.png"),flow(c("Can the data answer the question?","Are conclusions stable and externally supported?","What evidence is still missing?","Can another person repeat the documented steps?"),"Four checks before using the evidence"))

目录或记录 保存什么 主要用途
data 整理矩阵与样本表 明确每一步实际输入
scripts 分篇R代码和公共函数 重复计算与检查参数
results 图、表和必要起始对象 对照文章与继续分析
logs 运行信息和警告 区分环境问题与数据问题
版本与清单 软件版本、文件大小和校验值 识别运行环境及文件变化

先复现原例,再替换自己的数据

很多初学者同时更换数据、软件版本、参数和目录,运行失败后无法判断原因。更稳妥的顺序是先按说明运行原例,确认输出结构与参考结果一致,再只改变一个部分。若替换自己的表达矩阵,先检查尺度和样本标识;若替换病种,重新定义纳入标准和主要比较;若使用另一平台,重新处理基因映射。

不要把本系列的74比11、固定候选面板或单细胞标记规则当成通用配置。它们对应当前教学案例。真正可迁移的是问题分解、来源核查、样本对齐、独立验证、证据边界和可追溯流程。把这些原则带到新项目,比复制一套固定阈值更有价值。

全系列的研究问题与证据路线示意。
图1:全系列的研究问题与证据路线示意。

软件版本记录为什么重要

本系列在实际可用的R环境中验证脚本,并保存所用包版本。官方文档会持续更新,新的版本可能改变默认参数、接口或数值细节。读者安装时应使用相互兼容的R与Bioconductor组合,并核对版本记录;不要把最新文档中的示例与旧环境混在一起后默认结果完全一致。

随机分析也需要记录种子与关键参数。UMAP的坐标可能随初始化、近邻方法或实现版本变化,但这不必然表示表达矩阵或样本关系错误。判断复现程度应根据任务:数据整理要求精确对应,随机可视化则还需比较结构和参数。不能只凭图片像素不同,就宣布整个分析不可复现,也不能忽略实质性结果差异。

文件校验能做什么,不能做什么

本篇生成文件大小与校验清单,用于识别输出是否发生变化。相同校验值意味着比较的文件内容一致,但不证明模型正确;不同校验值提示文件变化,也不自动说明错误。图像可能因软件元数据或渲染环境改变而不同,数值表则可以进一步比较关键字段。校验是追踪工具,需要与科学检查配合使用。

脚本实际生成的输出清单统计,文件存在仍需内容核查。
图2:脚本实际生成的输出清单统计,文件存在仍需内容核查。

输出数量图帮助确认各章节是否生成预期文件,但“文件都在”仍不等于分析成功。应抽查关键表的样本数、比较方向和候选数值,检查图是否对应相同版本。若某一步报错,不能因为目录中残留上次成功的图片就认为这次完成;运行日志、时间和输入版本应该一起判断。

把技术路线写成可执行的判断顺序

第一阶段回答数据是否适合问题,第二阶段提出候选,第三阶段检查可靠性,第四阶段补充细胞线索,第五阶段整理证据并规划实验。每个阶段都有自己的停止条件。例如样本注释无法对应时不继续建模,外部证据不稳定时不把候选写成强结论,模型缺少目标表达时不直接扩大干预实验。

这种路线比简单罗列软件更能帮助团队协作。负责样本的人知道要补哪些字段,负责分析的人知道主比较和版本,负责实验的人知道候选为什么被保留以及仍有哪些竞争解释。任务交接时,最好连同证据台账和限制一起交付,而不是只发一张机制示意图。

使用结果前的四项研究判断示意。
图3:使用结果前的四项研究判断示意。

哪些限制必须随成果一起保留

本系列使用公共数据二次分析,组织关联尚有临床信息限制;单细胞使用平衡抽样的上皮教学子集,标签为规则定义状态,供体配对尚未完整确证;通讯章节仅检查表达可行性;实验章节是计划,样本量章节是教学模拟。把这些限制放在复现包中,是为了防止结果离开文章后被误用或夸大。

同时,使用公共资料仍应遵守原始来源的使用条件、引用要求和所在机构的研究管理规范。图表可以作为方法学习和研究讨论材料,不能把他人的采样、原始实验或本教程生成结果冒充自己已完成的工作。申请材料中的具体表述,应由研究者根据真实工作与当年要求负责核实。

完成系列后,可以独立做哪几件事

你应当能够把一个宽泛方向拆成可分析问题,判断公共数据是否匹配,整理表达和样本注释,解释差异与富集的范围,用独立队列检查候选,识别细胞组成与状态解释,并把缺失证据转为实验任务。不是每一步都需要复杂模型,但每一步都需要明确输入、输出和允许的结论。

最后,请尝试把自己的研究问题填入第01篇的清单,再用第17篇的证据台账检查现有基础,使用第18至19篇的思路安排下一阶段。若某一环节资料不足,就把它写成待解决任务。完整、诚实、可重复的研究过程,才是这套20讲希望帮助读者建立的能力。

代码、数据与继续阅读

下载完整复现包:20篇R脚本、整理输入、起始结果、运行说明与版本记录。包含公共数据教学子集;不包含任何实际实验结果。解压后先阅读README。

承接第19讲:样本量和验证队列怎么规划?用模拟看清研究可行性。

数据与方法来源

数据与方法核查日期:2026年11月16日。本文为教学二次分析;具体适用范围见正文。

需要把方法用到自己的数据中?

如果需要把分析结果整理成可复现材料与后续验证任务,可以准备研究目标、已有结果和实验条件概况,沟通具体交付内容。 联系云生信,说明当前研究任务。

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 ↗