组学智能体：一句话跑通转录组

跟完这篇，您能在「百沐一下」不写一行代码，用一句话把一份转录组数据从差异表达跑到 GO / KEGG 富集，最后拿到四样东西：结论、出版级图形、结果表，和一份可复现的 R 代码。

这条路的核心只有三个动作：进入组学智能体 → 给它数据 → 用一句话说清目标。剩下的规划、跑批、留档，智能体替您完成。整体节奏如下：

步骤	您要做的	拿到的结果
1. 进入入口	点【数据分析 → 组学智能体】	打开对话式分析界面
2. 给数据	上传矩阵 + 分组表，或选公共数据	数据就位
3. 说目标	一句话，如「tumor vs normal 做差异 + 富集」	智能体拆成步骤
4. 确认再开跑	核对分组、比较方向、阈值	自动规划、逐步执行
5. 收结果	查看「四件套」	结论 / 图 / 表 / 代码
6. 追问调整	「换阈值」「换富集库」	局部重跑，不从头来

本篇以最常见的 bulk 转录组「差异 + 富集」为例走一遍。若想弄懂每一步在方法学上「为什么这么做」，见 RNA-seq 分析全流程；本篇只管带您把它跑出来。

进入「数据分析 → 组学智能体」

登录后，在左侧导航点【数据分析】，再点【组学智能体】。
进入的是一个对话式界面：上半部分放数据，下半部分是一个输入框，您在这里用自然语言说目标。
发起分析会消耗沐豆，界面会在正式开跑前给出预估，余额不足会提醒。任务失败自动全额退回沐豆，可以放心先试。

组学智能体覆盖转录组、单细胞、蛋白 / 代谢 / 微生物组等多类分析，操作节奏一致。第一次用平台、想先跑通最小闭环，见第一次分析怎么开始。

备好两份文件：表达矩阵 + 分组表

给数据有两条路，任选其一。

路线 A —— 上传自己的数据。 常规 bulk 转录组需要两份文件：

文件	长什么样	关键点
表达矩阵	行是基因、列是样本	值用原始 count（整数），别用 TPM / FPKM
分组表	一行一个样本	至少一列写清分组（如 `tumor` / `normal`），有批次 / 性别等混杂因素也各写一列

为什么必须是原始 count：差异分析的负二项模型要用整数计数来估计离散度，喂进归一化后的 TPM / FPKM 会得到错误结果。矩阵怎么从上游 featureCounts / Salmon 结果整理出来，见矩阵准备。

最高频的报错来自样本名对不上：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。上传前对齐这一点，能省掉后面大半麻烦。格式细则见上传数据的格式要求。

路线 B —— 选公共数据。 手头没数据、或想先练手，直接从平台的公共数据挖掘里选一个 TCGA / GEO 数据集，矩阵和临床 / 分组信息已经配好，跳过整理直接进入分析。

一句话说清目标（谁比谁、做什么）

把目标写成一句「谁比谁、做什么」的话，智能体就能拆成步骤。一句话里最好含这三样，结果会更贴近您想要的：

比较对象：谁和谁比（tumor vs normal），也就是 contrast 的方向；
要做的分析：差异表达、富集、画火山图 / 热图……列清楚；
可选偏好：物种（人 / 鼠）、想用的富集库（GO、KEGG、Reactome）、大致阈值。没写也行，智能体会用常规默认值，并在确认环节问您。

几种能直接照抄、改改名字就能用的说法：

想做的事	可以直接这样说
差异 + 富集（最常见）	对 `tumor` vs `normal` 做差异表达，再做 GO / KEGG 富集
只做差异、要图	用 DESeq2 比较 `treat` 和 `control`，给差异基因表和火山图
富集换库	把差异基因做 Reactome 富集，画气泡图
补一个 GSEA	在差异结果上补一个 GSEA，用 KEGG 基因集
换个组学	对这份单细胞数据做质控、聚类、注释，画 UMAP

对 tumor vs normal 做差异表达，物种是人，再做 GO / KEGG 富集，画火山图。

写得越具体，来回确认越少；但您不必一次写全，缺的部分它会主动追问。

确认关键参数，让它自动跑

点确认后，智能体会把这句话展开成一条标准流程，并在关键处停下来跟您核对，而不是替您默默决定：

拆解流程：先质控（PCA 看分组分不分得开、有没有离群样本），再跑差异（DESeq2 一类标准方法），卡阈值取差异基因，最后把基因列表送去富集。
确认关键参数：分组对不对、比较方向（谁比谁）对不对、差异阈值取多少。这几点它会明确问您。
逐步执行、每步留档：每跑完一步都留下当步的结论、图、表和代码。您能在分析记录里看排队与运行状态，跑完会通知您，中途关掉页面也不影响。

差异分析最常用的阈值是 padj < 0.05 且 |log2FC| > 1（约 2 倍变化）。这是领域内常用惯例、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——后者会人为夸大显著性。

收下「四件套」：结论 / 图 / 表 / 代码

每个分析步骤默认交付四件套，这也是「做对、可复现、经得起审稿」的底气：

交付物	是什么	拿它做什么
结论说明	这一步做了什么、结果说明什么	直接理解，不用自己从图里猜
图形结果	出版级图形（火山图、富集气泡图等）	下载放进论文 / 汇报
数据文件	结果表格（差异基因表、富集结果表）	继续挑基因、做下游
可复现 R 代码	复现整段分析的脚本	写进方法学、复核、二次修改

交回的代码是标准包、标准写法，差异这一步大致长这样（片段，说明思路即可）：

library(DESeq2)

dds <- DESeqDataSetFromMatrix(counts, coldata, design = ~ condition)
dds <- DESeq(dds)

# contrast 明确「谁比谁」：tumor 相对 normal
res <- results(dds, contrast = c("condition", "tumor", "normal"))

# 常用惯例阈值，按数据可调（不是铁律）
sig <- subset(res, padj < 0.05 & abs(log2FoldChange) > 1)

富集这一步，把差异基因列表送进 clusterProfiler：

library(clusterProfiler)
library(org.Hs.eg.db)          # 人；小鼠换 org.Mm.eg.db

ego <- enrichGO(gene = sig_entrez, OrgDb = org.Hs.eg.db,
                ont = "BP", pAdjustMethod = "BH", qvalueCutoff = 0.05)

您完全可以只看结论和图；但代码在手，意味着这份结果任何人都能复核、也能拿去改——这正是把它写进论文的底气所在。差异结果表逐列怎么读，见 DESeq2 实操；火山图怎么调，见火山图。

追问调整（换阈值 / 换富集库 / 换图）

结果出来后，不满意的地方直接在对话框里说，智能体只重跑相关步骤，不必从头再来：

把差异阈值改成 padj < 0.01，重新取差异基因。
富集换成 Reactome，再补一张 KEGG 通路图。
火山图换个配色，标出前 10 个基因。

常见的几类追问：

换阈值：收紧 / 放宽 padj 或 log2FC，看差异基因数量怎么变；
换富集库：GO 换 KEGG、Reactome，或几个一起做对比；
换展示：火山图换热图、调配色、标注特定基因；
加一步：在差异基础上再做 GSEA、或挑几个基因单独看表达。

每次追问都会更新对应的四件套，前面确认过的分组、比较方向会保留，您只需描述「这次改哪里」。

卡住了怎么办

照做过程中最容易撞上的几种情况，对号入座即可：

症状	多半是	怎么办
提示样本匹配失败	矩阵列名与分组表样本名对不上（大小写、下划线、前后缀）	上传前把两份文件的样本名对齐到完全一致
报错说需要整数计数	传了 TPM / FPKM，不是原始 count	换成原始 count 矩阵重传
差异基因为 0 或极少	阈值太严、组间本就差异小，或分组标反了	放宽到 `
富集结果为空	基因 ID 类型没对上（SYMBOL / ENTREZ），或物种选错	在对话里说明物种，让它先做 ID 转换
沐豆不足开不了跑	余额低于预估	先充值，或缩小分析范围

智能体负责「在平台上把流程跑对」；至于某种方法该不该选、参数背后的道理，属于方法学问题，建议对着 RNA-seq 分析全流程与各专篇补一补。

在平台上跑一遍

上面整条路，在百沐一下就是「上传两份文件 + 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】，选好数据、描述目标即可开跑。