BioinfoAI-Assistant

# BioinfoAI-Assistant v4.0.0 🧬 # AI驱动的生物信息学智能分析平台 # AI-Powered Bioinformatics Analysis Platform ## 核心理念 / Core Philosophy **"一键分析，全程自动，智能整理，中文报告"** --- ## 📥 安装方法 / Installation ### 方法1：通过 ClawHub 安装（推荐） ```bash clawhub install rstudio-runner ``` ### 方法2：通过 OpenClaw CLI 安装 ```bash openclaw skills install rstudio-runner ``` ### 方法3：手动安装 1. 下载技能文件夹 2. 复制到 OpenClaw 工作目录的 `skills/` 文件夹下 3. 运行 `openclaw skills check` 验证安装 ### 系统要求 - **R**: 版本 ≥ 4.0.0 - **RStudio**: 版本 ≥ 2022.07.1 - **必需R包**: Seurat, DESeq2, clusterProfiler, ggplot2, rmarkdown --- ## 👥 作者信息 / Authors ### 主要作者 / Primary Author - **姓名**: (孟令章 教授) - **全称**: Prof. Dr. rer. nat. Lingzhang Meng - **单位**: 广西壮族自治区人民医院（广西医学科学院） - **邮箱**: lzmeng@gxams.org.cn ### 合作作者 / Co-Author - **姓名**: 赵净洁 - **邮箱**: 87611218@qq.com --- ## 🎯 功能概述 / Overview 本技能是一个**AI驱动的生物信息学智能分析平台**，能够： 1. **自动检测**测序数据类型（单细胞、普通转录组等） 2. **智能推荐**生物信息学分析策略 3. **自动生成**R分析脚本 4. **自动整理**所有输出文件到结构化子文件夹 5. **自动生成**详细的中文分析报告 --- ## 📁 智能自动整理系统 / Intelligent Auto-Organization ### 自动创建的文件夹结构 / Auto-Created Folder Structure ``` 项目名_YYYYMMDD/ │ ├── 📂 01_原始数据/ # 原始输入数据（只读） │ ├── 表达矩阵/ │ ├── 样本信息/ │ └── 元数据/ │ ├── 📂 02_R脚本/ # 生成的R脚本 │ ├── 01_数据加载.R │ ├── 02_质控分析.R │ ├── 03_数据标准化.R │ ├── 04_细胞聚类.R │ ├── 05_细胞注释.R │ ├── 06_差异表达分析.R │ ├── 07_拟时序分析.R │ └── 08_细胞通讯分析.R │ ├── 📂 03_结果图片/ # 所有可视化图片 │ ├── 01_质控图/ │ ├── 02_降维图/ │ ├── 03_聚类图/ │ ├── 04_标记基因图/ │ ├── 05_差异表达图/ │ ├── 06_拟时序图/ │ └── 07_细胞通讯图/ │ ├── 📂 04_结果表格/ # 所有CSV/TXT结果文件 │ ├── 01_质控统计/ │ ├── 02_聚类信息/ │ ├── 03_细胞注释/ │ ├── 04_差异表达结果/ │ ├── 05_通路分析/ │ └── 06_元数据/ │ ├── 📂 05_分析报告/ # 中文分析报告 │ ├── 完整分析报告.html │ ├── 质控报告.html │ ├── 聚类分析报告.html │ └── 方法学说明.pdf │ ├── 📂 06_R对象/ # 保存的R数据对象 │ ├── seurat_QC后.rds │ ├── seurat_聚类后.rds │ └── seurat_注释后.rds │ ├── 📂 07_运行日志/ # 执行日志 │ └── 执行记录.log │ └── 📂 08_会话信息/ # 可重复性信息 ├── R版本信息.txt └── 包版本记录.csv ``` --- ## 📊 中文分析报告 / Chinese Analysis Report ### 报告内容 / Report Contents 生成的中文分析报告包含： #### 1. 分析概述 / Analysis Overview - 数据类型和基本信息 - 样本数量和细胞数量 - 分析流程概览 #### 2. 质控分析 / Quality Control - **图片说明**: - `nFeature_RNA_violin.png`: 每个细胞的基因数分布，反映细胞质量 - `nCount_RNA_violin.png`: 每个细胞的UMI数分布，反映测序深度 - `percent_MT_violin.png`: 线粒体基因比例，高比例可能表示死细胞 - `QC_correlation.png`: 基因数与UMI数的相关性 - **CSV文件说明**: - `cell_QC_stats.csv`: 每个细胞的质控统计信息 - `gene_QC_stats.csv`: 每个基因的检测频率 #### 3. 降维和聚类 / Dimensionality Reduction & Clustering - **图片说明**: - `ElbowPlot.png`: 肘部图，帮助选择最佳主成分数 - `PCA_heatmap.png`: 主成分热图，显示主要变异来源 - `UMAP_res0.8.png`: UMAP降维聚类图，显示细胞群体结构 - `tSNE_res0.8.png`: tSNE降维聚类图，另一种可视化 - **CSV文件说明**: - `cluster_cell_counts.csv`: 每个聚类的细胞数量 - `cluster_markers_all.csv`: 所有聚类的标记基因 #### 4. 细胞注释 / Cell Annotation - **图片说明**: - `DotPlot_top10.png`: 点图显示各细胞类型的Top10标记基因 - `Heatmap_all_markers.png`: 热图显示所有标记基因表达 - **CSV文件说明**: - `cell_type_predictions.csv`: 每个细胞的类型预测 - `annotation_confidence.csv`: 注释置信度评分 #### 5. 差异表达分析 / Differential Expression - **图片说明**: - `Volcano_cluster0_vs_others.png`: 火山图显示差异基因 - `Heatmap_topDEGs.png`: 热图显示Top差异基因 - **CSV文件说明**: - `DEG_cluster0_vs_all.csv`: 聚类0与其他聚类的差异基因 - `DEG_summary_statistics.csv`: 差异表达统计汇总 #### 6. 通路分析 / Pathway Analysis - **CSV文件说明**: - `GO_enrichment_results.csv`: GO富集分析结果 - `KEGG_enrichment_results.csv`: KEGG通路富集结果 --- ## 🤖 AI工作流程 / AI Workflow ### 步骤1: 数据输入 / Data Input ``` 用户: "分析我的测序数据 F:\\HCC_Xiuli\\0. Datasets\\GSE242889" AI: 🔍 正在分析输入数据... ✅ 检测到: 10X Genomics单细胞RNA测序 ✅ 物种: 人类 (Homo sapiens, hg38) ✅ 样本数: 6个HCC样本 ✅ 估计细胞数: ~15,000个 ``` ### 步骤2: 项目创建 / Project Creation ``` AI: 📁 创建组织化的项目结构... ✅ 创建: HCC_scRNAseq_20260329/ ✅ 子文件夹: 8个主要目录 ✅ 准备进行分析 ``` ### 步骤3: 策略选择 / Strategy Selection ``` AI: 🎯 推荐的分析策略: [1] 🔬 标准单细胞分析流程 • 质控 → 过滤 → 标准化 → 聚类 → 注释 • 输出: ~25个文件 • 预计时间: 45分钟 [2] 🧬 高级整合分析流程 • 批次校正 → 整合 → 亚聚类 • 输出: ~40个文件 • 预计时间: 90分钟 [3] 📊 差异表达重点分析 • 质控 → 聚类 → 找标记基因 → 差异分析 • 输出: ~30个文件 • 预计时间: 60分钟 请选择策略 (1/2/3): 1 ``` ### 步骤4: 智能脚本生成 / Intelligent Script Generation ``` AI: ✍️ 编写R脚本并设置自动保存路径... ✅ 01_数据加载.R → 保存: 06_R对象/01_seurat_raw.rds → 保存: 04_结果表格/01_质控统计/细胞统计.csv ✅ 02_质控分析.R → 保存: 03_结果图片/01_质控图/*.png → 保存: 04_结果表格/01_质控统计/*.csv ✅ 03_数据标准化.R → 保存: 06_R对象/03_seurat_normalized.rds ✅ 04_细胞聚类.R → 保存: 03_结果图片/03_聚类图/*.png → 保存: 04_结果表格/02_聚类信息/*.csv ``` ### 步骤5: 自动执行与文件跟踪 / Auto-Execution with File Tracking ``` AI: ▶️ 在RStudio中运行脚本... 📊 监控文件生成... [01_数据加载.R] ✅ 完成 ├── 生成: 01_seurat_raw.rds → 06_R对象/ ├── 生成: 细胞统计.csv → 04_结果表格/01_质控统计/ └── 生成: 基因统计.csv → 04_结果表格/01_质控统计/ [02_质控分析.R] ✅ 完成 ├── 生成: 6张质控图 → 03_结果图片/01_质控图/ └── 生成: QC汇总.csv → 04_结果表格/01_质控统计/ ``` ### 步骤6: 生成中文分析报告 / Generate Chinese Report ``` AI: 📝 生成中文分析报告... ✅ 完整分析报告.html - 包含所有图片的详细中文说明 - 每个CSV文件的用途解释 - 分析结果的生物学意义解读 ✅ 方法学说明.pdf - 详细的分析方法 - 参数设置说明 - 可重复性信息 ``` ### 步骤7: 最终整理报告 / Final Organization Report ``` AI: 📊 分析完成! 📁 项目: HCC_scRNAseq_20260329/ 📈 生成的文件: ├── 02_R脚本/: 8个R脚本 ├── 03_结果图片/: 47张图（7个子文件夹） ├── 04_结果表格/: 23个CSV/TXT文件 ├── 05_分析报告/: 4个HTML/PDF报告 ⭐ ├── 06_R对象/: 5个RDS文件 └── 07_运行日志/: 8个日志文件 📊 总计: 98个文件自动整理! 📖 中文报告: 已生成详细说明文档 ✅ 准备发表! ``` --- ## 💡 使用示例 / Usage Examples ### 示例1: 全自动分析 / Full Auto Analysis ``` 用户: "分析我的测序数据" AI: [自动检测，推荐策略，生成脚本] AI: [创建文件夹，运行分析，保存所有输出] AI: [生成中文报告] AI: "✅ 完成! 98个文件已整理到8个文件夹，中文报告已生成。" ``` ### 示例2: 分步进行 / Step-by-Step ``` 用户: "为我的数据创建整理好的项目" AI: ✅ 已创建: MyProject_20260329/ 含8个子文件夹 用户: "生成质控脚本" AI: ✅ 已保存: 02_R脚本/02_质控分析.R 用户: "运行并保存结果" AI: ▶️ 运行中... 保存图片到 03_结果图片/01_质控图/ AI: ✅ 已保存6张质控图 + 2个CSV文件 + 1个RDS对象 用户: "生成中文报告" AI: ✅ 已生成: 05_分析报告/完整分析报告.html ``` --- ## 🐛 问题报告 / Issue Reporting **联系作者 / Contact Authors:** **主要联系人 / Primary Contact:** - **姓名**: (孟令章 教授) - **邮箱**: lzmeng@gxams.org.cn - **单位**: 广西壮族自治区人民医院（广西医学科学院） **合作作者 / Co-Author:** - **姓名**: 赵净洁 - **邮箱**: 87611218@qq.com --- ## 🔄 版本历史 / Version History | 版本 | 日期 | 更新内容 | |------|------|----------| | **v4.0.0** | 2026-03-29 | **重大更新**: 添加中文分析报告生成功能 | | v3.0.0 | 2026-03-29 | 智能自动整理系统 | | v2.0.0 | 2026-03-29 | AI驱动的生物信息学平台 | | v1.0.0 | 2026-03-29 | 初始版本 | --- ## 🙏 使命 / Mission **"一键分析，全程自动，智能整理，中文报告"** 让生物信息学分析变得强大、有序、轻松，通过AI自动化实现。 --- **每个文件都有归属。每个分析都可重复。** 🧬✨