bioSkills RNA-seq全流程实战：从FASTQ原始数据到差异表达基因的完整管线

【免费下载链接】bioSkillsa set of SKILLS.md for doing bioinformatics with agents like claude code项目地址https://gitcode.com/gh_mirrors/bio/bioSkills点击查看免费下载bioSkills是一个面向 AI 编程智能体Claude Code、OpenAI Codex 等的生物信息学技能库其中的 RNA-seq 差异表达工作流 能把 FASTQ 原始数据一路打通到带注释的差异表达DE基因表fastp 质控剪接 → Salmon/STAR 定量 → tximport 基因级汇总 → DESeq2 统计检验 → 结果收缩与可视化。本文带你走通这条 RNA-seq 分析管线并拆解新手最容易踩的几个坑。 一、bioSkills 是什么如何安装每个技能Skill就是一个目录包含SKILL.md专家知识 代码模式、usage-guide.md使用说明和examples/可直接运行的脚本。安装后你的 AI 智能体在写代码前会自动参考这些专家手册避免版本不匹配、参数误用等新手错误。以最常用的 Claude Code 为例git clone https://gitcode.com/gh_mirrors/bio/bioSkills cd bioSkills ./install-claude.sh --categories differential-expression,rna-quantification,read-qc,read-alignment,workflows其他智能体Codex、OpenCode、OpenClaw 等有对应的install-*.sh脚本用法一致详见 README.md。️ 二、管线全景图一条 RNA-seq 数据流整套管线由 7 个环节串联每一步之间都有 QC 检查点Gate来自 workflows/rnaseq-to-de/SKILL.md步骤工具关键动作通过标准Gate① 质控剪接fastp去接头、去低质量尾Q30 80%接头 5%② 定量Salmon或 STAR转录本表达量估计比对率 70%10M reads③ 基因汇总tximport转录本 → 基因携带长度校正tx2gene 版本与索引一致④ 定量前 QCPCA / 离群值检查批次、离群样本PCA 按条件而非批次分开⑤ 差异检验DESeq2原始计数 负二项 GLM离散度趋势合理无 Cook 离群⑥ 结果提取lfcShrinkLFC 收缩、Wald 统计量—⑦ 可视化VST ggplot2火山图、热图、PCA— 核心思想RNA-seq 的成败不在单个工具内部而在步骤之间的 4 个接缝——参考版本的一致性、原始计数的流转、基因级汇总方式、批次效应的处理。下面逐一看。✂️ 三、步骤①fastp 一键质控与剪接fastp 在单轮 C 流程中同时完成接头修剪、质量过滤、poly-G 去除和报告生成是成对末端paired-end数据的默认选择。它靠重叠区分析自动定位接头边界甚至不需要提供接头序列fastp -i R1.fq.gz -I R2.fq.gz -o c_R1.fq.gz -O c_R2.fq.gz -h report.html -j report.json两个新手提醒详见 read-qc/fastp-workflow/SKILL.md定量类 RNA-seq不要用--dedup——它无法区分 PCR 重复和高表达转录本的天然重复QC 报告建议交给 MultiQC 汇总RNA 样本的质量底线比 DNA 略低Q30 在 80% 左右即可接受。 四、步骤②定量路线怎么选Salmon vs STAR这是管线第一个真正需要你下决定的分叉维度Salmon免比对STAR featureCounts先比对速度快较慢存储低无 BAM高BAM 文件适用场景标准基因级 DE 分析还需要 BAM 做剪接、覆盖度、新融合位点推荐 Salmon 的decoy-aware 建索引方式——把基因组作为诱饵加入防止内含子和假基因 reads 被误分配给转录本原理见 rna-quantification/alignment-free-quant/SKILL.mdcat transcriptome.fa genome.fa gentrome.fa salmon index -t gentrome.fa -d decoys.txt -i salmon_index -k 31 -p 8 salmon quant -i salmon_index -l A -1 R1.fq.gz -2 R2.fq.gz -o quants --gcBias --seqBias⚠️一次性承诺构建索引用的转录本 FASTA 和后续 GTF 必须来自同一个 Ensembl/GENCODE 版本。混用版本如索引用 104、GTF 用 110不会报错只会让改名/删除的转录本静默消失。如果走 STAR 路线注意--sjdbOverhang要设为读长 − 1如 2×150 应设 149而不是教程里常写死的 100完整脚本可参考 star_deseq2_workflow.sh参数细节见 read-alignment/star-alignment/SKILL.md。 五、步骤③④tximport 基因级汇总与批次处理绝对不要直接对 Salmon 输出的NumReads求和。当不同样本间亚型isoform使用比例发生变化时简单求和会产生基因计数偏差。tximport 会携带平均转录本长度偏移量来校正这一点rna-quantification/tximport-workflow/SKILL.mdtxi - tximport(files, type salmon, tx2gene tx2gene, ignoreTxVersion TRUE)批次效应的正确打开方式是把批次写进设计公式而不是先校正再检验——先校正矩阵会放大置信度p 值偏小校正矩阵只应留给可视化和聚类dds - DESeqDataSetFromTximport(txi, colData coldata, design ~ batch condition) 六、步骤⑤⑥⑦DESeq2 检验、收缩与可视化统计检验只接受原始整数计数TPM/VST 值喂给 DESeq2 是新手最高频的错误会直接得到invalid class DESeqDataSet或荒谬的 LFC。标准流程完整参考 differential-expression/deseq2-basics/SKILL.md低速过滤rowSums(counts(dds)) 10——只为提速省内存不替代results()内部的 FDR 独立过滤relevel显式设定参照组DESeq(dds)跑模型results()显式指定对比项提取 p 值lfcShrink(type apeglm)收缩 LFC 用于排序和火山图。一个隐蔽的坑apeglm 收缩对象会丢弃stat列。如果你下一步要做 GSEA需要从未收缩的results()中提取 Waldstat作为带符号的排序统计量详见 differential-expression/de-results/SKILL.md。可视化统一用 VST 转换的矩阵画 PCA、热图火山图则用收缩 LFC 未收缩 p 值的组合选项见 differential-expression/de-visualization/SKILL.md。️ 七、新手高频错误对照表症状原因解决大量基因缺失 / 转录本转换率低索引与 tx2gene 版本不一致用同一版本重建并全程锁定亚型切换处基因计数有偏手动求和NumReads改用 tximport 汇总invalid class DESeqDataSetTPM/VST 值喂给了 DESeq2只用原始计数计数坍缩、文库像失败featureCounts-s链特异性设错先用infer_experiment.py推断再计数DE 基因多得离谱批次校正矩阵进了统计模型批次写入 design 公式 八、动手实践可直接运行的完整脚本本工作流自带两条路线的完整可运行脚本拿到真实数据即可替换文件路径开跑Salmon DESeq2 主路线salmon_deseq2_workflow.RSTAR featureCounts 路线star_deseq2_workflow.sh输入要求与提示词示例workflows/rnaseq-to-de/usage-guide.md跑完 DE 之后下一站是功能富集分析可继续衔接 workflows/expression-to-pathways定量细节则可深入 rna-quantification 与 differential-expression 分类下的各专项技能。✅ 小结关键接缝一句话原则参考版本索引与 GTF 同版本全管线锁死数据流原始计数向前VST/TPM 只用于展示基因汇总走 tximport不手动求和批次效应写进 design不先校正再检验按这四条纪律执行你的 RNA-seq 结果就经得起审稿人追问。把 bioSkills 装进你的 AI 智能体这些专家经验会在你写每一段分析代码时自动生效——把精力留给生物学问题本身吧。赞分享【免费下载链接】bioSkillsa set of SKILLS.md for doing bioinformatics with agents like claude code项目地址https://gitcode.com/gh_mirrors/bio/bioSkills点击查看免费下载相关推荐Windows平台微信QQ防撤回补丁技术方案逆向工程实现消息防撤回功能Windows平台微信QQ防撤回补丁技术方案逆向工程实现消息防撤回功能 RevokeMsgPatcher是一款基于逆向工程原理开发的Windows平台微信/Q桌面应用即时通讯如何用RSEM快速实现RNA-Seq基因表达定量从安装到可视化的完整指南如何用RSEM快速实现RNA Seq基因表达定量从安装到可视化的完整指南 RSEMRNA Seq by Expectation Maximization是数据分析后端如何用tsParticles在5分钟内为你的网站添加惊艳粒子动画效果如何用tsParticles在5分钟内为你的网站添加惊艳粒子动画效果 你是否曾经羡慕那些拥有酷炫动态背景的网站想让你的网页瞬间变得生动有趣却担心复杂的代码和前端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考