编号、版本与下载时间写进研究说明
半年后回看，仍然说得清当时用的是哪一版。
案例 · 生物信息
把公共组学数据的一次分析，做成可复现的脚本与图表
从定位数据集到质控、注释、整合与差异表达，每一步都留下脚本与输入文件。换一台机器、换一个同事，走的还是同一条路径。
Bioinformatics研究模式
4用到的连接器
2用到的技能
.science归档格式
第一步 · 研究问题
先确定用的是哪一份数据
公共数据最大的风险不是分析方法，是说不清用的是哪一版。
阈值在执行前定好
过滤标准、双细胞与线粒体比例的界值先定，再动手分析。
目标是能被第二个人跑通
脚本、环境与输入文件都留在研究里，不需要你的口头解释。
第二步 · 数据来源
四个连接器，覆盖取数与参照
大结果集会先给预览并标注是预览，真正的分析在本地文件上跑。
| 数据源 | 在这个案例里做什么 | 取回什么 |
|---|---|---|
| 表达谱 | 按条件检索表达数据集与样本元数据 | 数据集条目、样本分组与元数据 |
| 组学档案 | 补检公共组学档案，确认数据集的完整版本 | 档案条目、版本与访问信息 |
| CELLxGENE Discover | 按细胞类型查看单细胞图谱，作为注释参照 | 细胞类型层次的表达图谱 |
| 细胞系 | 核对细胞系身份、来源与常见误认 | 细胞系条目与注释 |
组学数据体量大，Soma 会先给出预览并明确标注它只是预览，避免把抽样当成全量。分析所需的完整数据存放在本机。
第三步 · 执行路径
六步走完一次分析
每一步都有脚本或记录，不留口头约定。
- 01定位数据集用连接器检索表达与单细胞资源，把数据集编号、版本与检索条件写进研究说明。
- 02取回与校验取回数据与元数据后先做结构检查：样本数、分组字段、缺失与重复是否与文档一致。
- 03质控按先定好的阈值过滤低质量细胞与样本，过滤前后的数量都记录下来。
- 04注释按细胞类型与基因注释给数据加标签，注释来源一并留档。
- 05整合与差异分析用 scvi-tools 做批次校正与整合，再跑差异表达；模型与参数写进研究记录。
- 06出图与归档图表按投稿规范输出，脚本、环境与输入文件随成果一并归档。
第四步 · 产出与证据
图表可以重新生成，这一步很关键
如果图表只能靠手工调整，它就已经不是可复现的了。
先看结构再动手
大表先给出行数、列名与类型，确认结构没问题再进分析。
依赖写进记录
Python 与 R 的依赖由 Soma 管理，环境变化会反映在版本记录里。
脚本就是交付物
分析脚本与图表一起归档，改一行参数就能重出图。