跳到正文
百沐一下百沐一下
登录
本节目录

3 分钟跑通第一个分析

跟完这篇，您能在「百沐一下」不写一行代码，用「选数据 → 说目的 → 拿报告」三步跑出第一份完整分析——结论、图、表、可复现代码一次到手，先建立「原来这么简单」的手感。

这是平台版的第一课，不铺陈方法学，先带您把流程完整走一遍：给一份数据，用一句话说清想干什么，拿回一份报告。您动手的部分就几分钟，真正吃力的计算交给平台在后台跑。整条路的骨架如下：

步骤您要做的得到
1. 选数据上传表达矩阵 + 分组表，或直接选公共数据数据就位
2. 说目的一句话说清「谁比谁、做什么」平台拆成分析步骤
3. 拿报告核对分组与阈值后点确认开跑结论 / 图 / 表 / 代码

准备一份数据（或直接用平台公共数据）

开始前只要两样东西：一个账号，一份数据。

账号用微信扫码登录即可，注册就送一笔沐豆，够先跑几次，细节见第一次分析怎么开始。数据则是二选一，没有自己的数据也能照跑：

您的情况怎么做
手上有自己的数据上传两张表——一张表达矩阵、一张分组表
暂时没有数据直接用平台的公共数据（TCGA / GEO 里已整理好的数据集）

如果用自己的数据，先记住两张表各管一件事：

  • 表达矩阵：行是基因、列是样本，每个格子放一个数值。做差异分析请放原始 count（整数计数），不要放 TPM / FPKM——差异分析的负二项模型要的是原始计数。
  • 分组表：一行一个样本，写清它属于哪一组（如 tumor / normal）；有批次、性别这类混杂因素，也一并各写一列。

一个最小示意（真实数据往往上万行）：

gene_idSample_1Sample_2Sample_3
ENSG0000014151012041187985
ENSG0000001204830245388

第一次跑最容易卡住的，是两张表的样本名对不上。 表达矩阵的列名和分组表的样本名，要在大小写、下划线、前后缀上完全一致，否则平台对不齐、结果为空。嫌整理麻烦，第一次干脆用公共数据，先把流程走通。数据怎么整理规范，见表达矩阵与分组表整理规范。

三步跑通：选数据 → 说目的 → 拿报告

登录后点左侧导航【数据分析 → 组学智能体】，接下来就三步：

  1. 选数据：上传您的表达矩阵与分组表，或点进「公共数据挖掘」选一个现成数据集带进来。
  2. 说目的：在对话框用大白话说清想干什么，例如「比较 tumor 和 normal 两组的表达差异」。平台会把它拆成分析步骤，并在分组、比较方向、阈值这些关键处回头跟您确认一下。
  3. 拿报告：确认后开始跑，跑完您就拿到一整份报告——结论、图、表、代码都在任务页里。

关于标题里的「3 分钟」——指的是您动手的时间：选数据、说一句话、点确认，几分钟就做完。真正的计算在后台跑，轻量分析很快出结果，复杂分析会久一些，这时可以直接关掉页面，跑完平台会通知您，回分析记录里看即可。

发起分析会消耗沐豆，界面在正式开跑前会给出预估，余额不足会提醒；任务失败会自动全额退回沐豆，可以放心先试一次。

一句话怎么说，平台才懂

这一步最影响结果好坏。诀窍很简单：把「比什么、和谁比、想要什么」说清楚，别怕啰嗦。几句能直接照抄的写法：

以 normal 为对照，找出 tumor 里显著变化的差异基因，画一张火山图。
比较 tumor 和 normal 的差异表达基因，并对上调基因做 GO / KEGG 富集。

对照着感受一下含糊和清楚的差别：

说得含糊说得清楚
「帮我分析一下这份数据」「比较 tumor 和 normal 两组的差异表达基因，并对上调基因做 GO / KEGG 富集」
「看看有没有差异」「以 normal 为对照，找出在 tumor 里显著变化的基因，画一张火山图」

几条好用的习惯：

  1. 用文件里真实的分组名：分组表里写的是 tumor，就说 tumor，别换成「肿瘤组」，免得对不上。
  2. 说清谁是对照：哪一组当基准、哪一组和它比，讲明白，上调下调的方向才不会反。
  3. 一次说一个主目标：先把差异分析跑出来，富集、画图这些后面接着追问即可，不必一口气全塞进去。

说得不够全也没关系，缺的部分平台会主动追问。想更系统地把需求说到位，见用自然语言描述分析需求。

您会拿到什么（结论 / 图 / 表 / 可复现代码）

跑完一个分析，默认交付四件套，缺一不可：

交付物是什么拿它干嘛
结论说明这一步做了什么、结果说明什么一眼看懂，不用自己猜
图形结果出版级图形（如火山图、热图）直接下载放进论文或汇报
数据文件结果表格（如差异基因列表）拿去做下游分析或核对
可复现代码跑出这份结果的完整脚本复现、给审稿人交代、自己微调

其中「可复现代码」是这套流程「做得对、经得起查」的底气。比如做两组差异表达，您拿回的代码大致长这样——不用您写，但看得见、能复现：

library(DESeq2)

dds <- DESeqDataSetFromMatrix(countData = counts,
                              colData   = meta,
                              design    = ~ group)
dds <- DESeq(dds)

# 以 normal 为基准，比较 tumor vs normal
res <- results(dds, contrast = c("group", "tumor", "normal"))

# 常用惯例阈值，按数据可松紧调整
sig <- subset(res, padj < 0.05 & abs(log2FoldChange) > 1)

看到图和结论长出来，就算跑通了。至于结果里的数字怎么读、方法为什么这么选，属于方法学，另见对应教程，比如差异分析（DESeq2）、火山图怎么画怎么读。

不满意就接着说（对话式追问）

第一版结果不合心意，别重来，直接在对话框接着说，平台会在原有基础上只重跑相关步骤，不用从头再走一遍。几句常见的追问：

把显著性阈值改成 padj < 0.01，重新取差异基因。
富集换成 Reactome 数据库再跑一遍。
火山图换个配色，把 TP53、MYC 标出来。
只保留上调基因，导出成表格。

其中 padj < 0.05、|log2FC| > 1（约 2 倍变化）是领域内常用惯例、不是铁律：样本量大、噪声小可收紧到 padj < 0.01；差异基因太少可放宽到 |log2FC| > 0.585（约 1.5 倍）。阈值最好在看结果之前定好，别反复调到「好看」为止。

这种「说人话、边看边改」正是零代码的好处：您把精力放在「想问什么科学问题」，把「怎么实现」交给平台。想系统地用好这种对话式分析，见组学智能体：一句话跑通转录组。

跑不动？常见卡点排查

第一次跑，八成会遇到下面几种，对症一句就能解决：

症状多半是因为怎么办
报错「样本对不上」或结果为空矩阵列名与分组表样本名不一致对齐大小写、下划线、前后缀，两边完全相同
差异结果异常、像用错了方法拿 TPM / FPKM 去做差异分析差异分析要原始 count；已标准化的值改走别的方法
某个比较没跑出结果组名和文件里对不上用文件里真实组名（tumor，不是「肿瘤组」）
差异基因几乎为零或多到离谱阈值过严 / 过松，或每组重复太少按数据调阈值；差异分析每组至少 2 个生物学重复，≥3 更稳

拿不准就先用公共数据把流程走通一遍，再换回自己的数据，问题会好定位很多。

在平台上跑一遍

上面整条路，在百沐一下就是「给一份数据 + 说一句话」这么简单——不写代码，说清「谁比谁、做什么」，组学智能体会规划流程、在分组和阈值处跟您确认，最后把结论、图、表和可复现 R 代码一并交付。

👉 打开 https://app.baimuyixia.com，进【数据分析 → 组学智能体】，选一份公共数据、说一句「比较两组的表达差异」、点确认——几分钟就能拿到您的第一份报告。

相关