本节目录

教程

手把手教科研人把每个分析做对——按主题集群组织，可搜索、可照做。以下为已上线与规划中的主题，将持续补充。

生信名词扫盲

GSE / GSM / counts / TPM / DEG / padj 等高频术语一次讲清，给纯新手打底。

表达矩阵与分组表整理规范

差异分析只需两张表：行列结构、为什么用稳定 ID 当主键，以及分组表 sample / group / role 三列怎么建、怎么和矩阵列名对齐。

count / TPM / FPKM / CPM 该用哪个

四种定量单位的区别与适用场景：差异分析要原始 counts、组内比较可用 TPM，别把归一化值当 counts 喂进去。

基因 ID 转换：Symbol / Ensembl / Entrez

三类 ID 的关系、为什么建议用 Ensembl 当主键，以及一键互转与去重、处理一对多的规范做法。

从 GEO 下载表达矩阵

Supplementary file 区在哪、认哪些文件名（count / matrix）、避开哪些（TPM、别人算好的结果），以及 .gz 解压与整理。

批次效应识别与去除

怎么用 PCA 看出批次、ComBat 与 removeBatchEffect 怎么用、什么时候该在模型里放批次协变量而不是硬去除。

公共数据常见坑与避雷

TPM ≠ counts、矩阵列名 ≠ 样本顺序、探针未注释、批次没识别——公共数据里最容易踩的几个坑。

数据不全怎么办

只有 fastq 或只有 TPM 时，如何用 recount3 / ARCHS4 按 GSE / SRP 取统一定量的 counts，并如实说明覆盖现实。

统计方法怎么选

按「数据类型 × 比较目的」给一张选择地图（配对 / 组间 / 相关 / 回归 / 生存），避免一上来就用错方法。

t 检验还是非参数检验：怎么判

正态性（Shapiro-Wilk、Q-Q 图）与方差齐性怎么看，什么时候该换 Wilcoxon / Mann-Whitney，配对与独立样本怎么区分。

方差分析与事后多重比较

单因素 / 双因素 ANOVA 怎么做、交互作用怎么解读、事后 Tukey / Dunnett 怎么选，以及非参数替代 Kruskal-Wallis。

相关分析：Pearson 还是 Spearman

两种相关系数的区别与适用前提、怎么判断该用哪个、相关不等于因果的边界，以及相关热图怎么读。

回归结果怎么读：线性与逻辑回归

系数、R²、显著性各代表什么，逻辑回归的 OR 值怎么解读，以及建模前该检查哪些前提假设。

多重检验校正：Bonferroni、FDR 怎么选

为什么必须校正、Bonferroni 与 BH（FDR）的区别与代价、padj 阈值怎么定才既不漏也不滥。

生存分析：KM 曲线与 log-rank 检验

生存数据长什么样、Kaplan-Meier 曲线怎么画怎么读、log-rank 检验比的是什么、最佳截断值怎么定。

Cox 回归：单因素与多因素

比例风险假设是什么、单因素筛变量、多因素建模得 HR 与森林图，以及结果怎么写进论文。

火山图：差异基因可视化的标准做法

横轴 log2FC、纵轴 -log10(padj) 怎么来，阈值线怎么画、标关键基因、配色与常见错误。

热图聚类：注释条与配色全解

行列聚类怎么选、要不要 scale、注释条（分组 / 临床）怎么加、配色与断点怎么设才不误导。

箱线图 + 散点抖动：展示分布

箱线图各部分含义、为什么叠散点抖动更诚实、怎么加显著性标注，以及小提琴图什么时候更合适。

柱状图加显著性星号：规范做法

均值柱 + 误差棒画什么、星号对应哪种检验、什么时候柱状图并不合适（该用箱线 / 散点）。

PCA 得分图怎么画怎么读

主成分在做什么、得分图看分组是否分开、方差解释率怎么标、发现离群样本与批次的用法。

结果怎么读：PCA / 火山 / 热图 / 富集图

四类高频图分别看什么、怎么一眼判断「图对不对」，避免拿到图却不知道它在说什么。

科研配色与色盲友好方案

为什么别用彩虹色、顺序 / 发散 / 定性三类配色怎么选、色盲友好调色板，以及期刊常见配色规范。

投稿图片要求：分辨率、格式、字体

位图 vs 矢量、dpi 与栏宽、字体与线宽、TIFF / PDF / EPS 怎么导，一次讲清投稿的图片硬指标。

RNA-seq 分析全流程：从 count 到差异基因

一条主线串起来：质控看 PCA、DESeq2 跑差异、定阈值、富集出图、把结果讲成一条机制故事。

DESeq2 差异表达分析怎么做对

为什么必须用原始 counts、建对象 → 跑分析 → 取结果三步、结果表怎么读（log2FC 与 padj）、显著性阈值怎么定。

edgeR、limma-voom、DESeq2 怎么选

三大主流差异分析工具的原理差异、样本量与数据类型怎么影响选择、结果对不上时先查什么。

富集分析：GO / KEGG / GSEA

ORA 与 GSEA 的区别与适用、差异基因怎么进富集、气泡图与条形图怎么读、结果怎么讲成机制故事。

GSEA 基因集富集：原理与实操

GSEA 为什么不需要先定差异阈值、富集分数与 NES 怎么读、基因集库怎么选、结果图怎么解释。

WGCNA 加权共表达网络入门

软阈值怎么定、模块怎么划、模块与性状怎么关联、hub 基因怎么挑，以及样本量与预处理的坑。

免疫浸润分析：CIBERSORT / ssGSEA

几种算法区别、量化免疫细胞浸润、与分组或关键基因关联出图，以及结果解读的边界。

多组学入门

转录组、单细胞、空间、蛋白、代谢各是什么、能回答什么问题、数据长什么样，帮您选对入手方向。

单细胞分析全流程：Seurat 标准 pipeline

从表达矩阵到细胞图谱一条链：质控 → 标准化 → 降维聚类 → 注释 → 差异，每步做什么、为什么。

单细胞质控三指标怎么设阈值

nFeature、nCount、线粒体比例分别卡什么、阈值怎么根据分布定、双细胞与空液滴怎么处理。

降维聚类：PCA / UMAP 参数怎么调

高变基因怎么选、主成分数怎么定、UMAP 与 tSNE 的参数含义，以及怎么判断降维聚类是否合理。

分辨率设多少：聚成几群才合理

resolution 怎么影响群数、过聚与欠聚的表现、结合已知 marker 与稳定性判断一个合适的分辨率。

细胞注释：手动 marker 与自动 SingleR

手动按 marker 定细胞类型的流程、SingleR 等自动注释怎么用、两者怎么互相印证、注释可信度怎么判断。

批次整合：Harmony / CCA / RPCA 对比

为什么要整合、三种方法的适用与代价、整合过度与不足怎么看，以及整合后还能不能做差异。

细胞通讯分析：CellChat

配体-受体通讯怎么算、结果网络图怎么读、组间通讯差异怎么比，以及结论解读的边界。

拟时序分析：Monocle / Slingshot

拟时序在推断什么、怎么定起点、轨迹与分支怎么解读，以及它和真实时间的区别。

空间转录组入门：10x Visium 全流程

从 Visium 数据到空间格局：读入与质控、空间聚类与空间域识别、与单细胞整合做去卷积，以及空间可变基因怎么找。

GEO 数据库检索入门

GEO 是什么、GSE 与 GSM 的概念，检索页怎么用、检索式怎么写，以及三个关键筛选器怎么设。

TCGA 数据获取与整理

TCGA 覆盖 33 个癌种，如何从 GDC 或 UCSC Xena 取表达、临床与生存数据，以及三者怎么对齐配套。

UCSC Xena 泛癌数据挖掘

Xena 怎么在线取泛癌表达 / 临床、怎么下载整理成分析可用的表，适合零门槛快速起步。

单基因泛癌分析

一个基因在 33 个癌种里的表达、预后、免疫浸润、突变全景——最普适的入门钩子。

cBioPortal 在线分析

不写代码在线查基因突变、拷贝数、共表达与生存，快速验证一个想法值不值得深挖。

预后 signature 与风险模型

单因素 Cox → LASSO 降维 → 多因素建模得 risk score，再画 KM 生存曲线、ROC 与列线图。

用公共数据讲好一个科研故事

怎么从一个问题出发选数据、把差异 / 预后 / 免疫串成一条逻辑链，让零实验的分析也站得住。

高分套路文精读

拆解一篇代表作用了什么数据、什么套路、怎么把散点分析串成一个故事。

可复现方法拆解

把论文 Methods 还原成一步步可照做的分析步骤，判断哪些能复现、哪些缺信息。

跟着论文复现一张火山图

从公共数据取样、按论文口径跑差异、复刻它的火山图配色与标注，练一次「照着做出来」。

复现 TCGA 泛癌预后分析

选一篇泛癌预后文，复现它的取数、分组、生存与森林图，把套路走一遍。

复现一篇单细胞图谱的分析流程

跟着一篇单细胞论文复现质控、聚类、注释与关键图，理解每一步的选择。

3 分钟跑通第一个分析

用一份数据，从选数据、说清目的到拿到结论 / 图 / 可复现代码，在平台上完整走一遍。

智能统计：向导式选对方法

说清目的或选一种检验，平台替您判断方法、跑分析、出报告，还交代「为什么用它」。

智能绘图：从数据到出版级图表

上传数据、一句话说要什么图，再对着图对话式改配色 / 字号 / 显著性，改到能投稿。

组学智能体：一句话跑通转录组

把测序数据交给它、说清目标，标准流程自动跑，每步留档、附可复现代码。

公共数据挖掘模块：一键调 TCGA / GEO

在平台内检索预处理好的公共数据集，选中直接接入分析，省去下载整理。

用自然语言描述分析需求

怎么把研究目标说清楚，才能让 AI 一次就懂：交代数据、分组、目的与您已知的。

分析结果不满意怎么追问迭代

结果出来后怎么用一句话改分组 / 换阈值 / 调配色，不必从头重跑。