自然语言驱动转录组分析：从 GEO 数据到可复现报告。

1. 先定义比较，再去寻找数据

示范从一个生物学请求开始：观察 LPS 刺激如何改变人源巨噬细胞的基因表达，并形成可以解释的分析报告。

选择公共研究之前，先把物种、细胞模型、处理、对照、重复、数据类型和预期产物写成明确条件。

2. 把 GEO 检索当成筛选步骤，而不是下载按钮

Wisp Science 比较多个 GEO Series，最终在示范中选择 GSE248578。画面中的报告将其描述为人源 GM-CSF 诱导巨噬细胞，并包含来自 3 位供体的对照与 LPS 刺激配对样本。

分析前仍需核对样本表、处理时长、原始或处理后文件类型，以及研究设计是否真的支持这项比较。

• 在 GEO 页面核对登录号、物种、细胞模型与分组标签。
• 确认生物学重复没有被误当成技术重复。
• 设计细节有歧义时，回到原始论文确认。

3. 电脑尚未准备好时，创建隔离分析环境

会话发现当前电脑没有可直接使用的 R 环境，因此没有随意修改全局环境，而是通过 pixi、conda-forge 与 BiocManager 创建项目级 R/Bioconductor 环境，并保留锁文件、安装脚本和日志。

视频中的报告列出了 DESeq2、clusterProfiler 和 R 环境。精确版本应该进入 Methods，因为版本变化会影响可复现性。

4. 在解释结果之前完成质量检查

可靠工作流会先检查样本关系与 count 行为，再讨论通路。项目产物中不仅有最终基因列表，也包含质控和差异表达图。

使用 PCA 等样本级诊断检查分组与异常点。如果设计按供体配对，统计模型也应保留这个结构，而不是把所有样本视作相互独立。

5. 从差异表达走向富集，但不过度解释

工作流从差异表达结果进入功能解释，并在项目中生成多张图表和数据表。富集分析只能总结排序基因或筛选基因中的模式，本身不能证明通路机制。

需要检查阈值、ID 映射、背景基因集、变化方向，以及报告的条目是否同时符合数据和已知 LPS 生物学。录制报告自己也指出：样本来自 3 名供体，但分析没有建模供体效应；科研使用前必须由专业人员重新核对设计矩阵。

6. 把失败恢复也当成可复现性的一部分

录制没有隐藏执行中的问题：某个镜像缺少包元数据、Windows conda 路径无法安装 DESeq2，GSEA 曲线步骤也曾失败。工作流随后切换来源、改用 BiocManager，并运行补充脚本。

失败命令、环境变更和恢复脚本都应与成功结果一起保存。只有最终图片、没有恢复历史的流程，反而更难复现。

7. 把报告作为证据、代码与文件的整体来检查

最终报告与会话并排显示，同时可以在项目目录中看到代码、环境文件、表格、日志和图片。录制会话展示了 11 张质控、差异表达、富集与 GSEA 图；这些是本次运行的产物，不代表本站已独立验证其生物学结论。

正式使用结果前，应逐张检查图表，确认每张表都能重新生成，并让 Methods 与实际环境和代码保持一致。报告还列出了单一 16 小时时间点、未建模供体效应两项限制。Agent 加快了组织过程，但统计与生物学有效性仍由研究者负责。