tooluniverse-rnaseq-deseq2

用途

该技能面向 RNA-seq 计数数据的差异表达分析，使用 PyDESeq2 完成 DESeq2 标准化、离散度估计、Wald 检验和 LFC 收缩，并可选集成 gseapy 进行富集分析、ToolUniverse 进行基因注释。适用于用户拥有 RNA-seq 计数矩阵、需要识别差异表达基因（DEG）、比较多种菌株/条件/处理、校正批次效应，或对 DEG 进行 GO/KEGG/Reactome 富集分析等场景。

主要能力

差异表达分析：基于 PyDESeq2 执行标准化、离散度估计、Wald 检验和 LFC 收缩。
多因素设计：支持单因素、多因素及交互设计，并强调将批次/协变量纳入设计公式。
结果过滤：按 padj、log2FC、baseMean 等阈值筛选 DEG，支持方向性过滤和集合运算。
离散度分析：可提取 genewise、fitted、MAP、final 等离散度估计。
富集分析：可选使用 gseapy 对 DEG 进行 GO、KEGG、Reactome 富集。
基因注释：可选使用 ToolUniverse 进行基因 ID 转换和基因详情查询。
输出格式化：按问题要求格式化数值精度、百分比、计数等。

使用方式

问题解析：在编写代码前解析数据文件、阈值、设计因素、对比方向、富集需求及特定基因。
设计公式决策：检查元数据中所有变量，区分生物学兴趣因素、批次/区组协变量和无关列，确定设计公式。
数据加载与验证：加载计数矩阵和元数据，确保样本为行、基因为列，验证整数计数并对齐样本名。
检查元数据结构：打印元数据各列及水平，识别所有实验因素。
运行 PyDESeq2：设置参考水平，构建设计公式，执行 deseq2()，提取结果并可选进行 LFC 收缩。
过滤结果：按问题阈值筛选 DEG，支持方向性过滤和集合操作。
离散度分析（如需要）：访问 dds.var 获取离散度数据。
富集分析（可选）：使用 gseapy 对 DEG 进行通路富集。
基因注释（可选）：使用 ToolUniverse 进行基因 ID 转换和查询。
输出格式化：按问题要求格式化答案。

安装命令：

pip install pydeseq2 gseapy pandas numpy scipy anndata

核心导入：

import pandas as pd
import numpy as np
from pydeseq2.dds import DeseqDataSet
from pydeseq2.ds import DeseqStats
import gseapy as gp
from tooluniverse import ToolUniverse

适用场景

拥有 RNA-seq 计数矩阵并希望进行差异表达分析。
询问 DESeq2、DEG、差异表达、padj、log2FC 等。
需要离散度估计或诊断。
希望对 DEG 进行 GO、KEGG、Reactome 富集分析。
询问特定基因在条件间的表达变化。
需要比较多个菌株/条件/处理。
询问 RNA-seq 中的批次效应校正。
问题提及“count data”“count matrix”“RNA-seq”“transcriptomics”。

限制

PyDESeq2 与 R DESeq2 在数值上存在差异，尤其是极低离散度基因（< 1e-05），源于 Python 与 R 数值优化方法不同；结果仍具统计有效性和生物学意义。若需与 R DESeq2 完全一致，可考虑通过 rpy2 使用 R DESeq2。
gseapy 与 R clusterProfiler 的富集结果可能因算法、数据库版本、术语简化方法不同而存在差异。若需与 R clusterProfiler 完全一致，可通过 rpy2 调用 R 包。
默认使用 gseapy，无需 R 依赖，适用于大多数分析。
该技能已在 53 个 BixBench 问题上验证，覆盖 15 个计算生物学项目，涉及 RNA-seq、miRNA-seq 和差异表达分析任务。
其他具体限制暂未提供。

技能介绍

用途

主要能力

使用方式

适用场景

限制