PyDESeq2는 벌크 RNA-seq 카운트 데이터로부터 차등 유전자 발현 분석을 수행할 수 있게 해줍니다. 통계적 검정, 다중 비교 보정, 게놈 연구를 위한 출판용 volcano 및 MA 플롯 생성이 가능합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"pydeseq2" 사용 중입니다. RNA-seq 데이터를 분석하고 상위 차등 발현 유전자를 보여주세요
예상 결과:
- 분석 완료. 847개 유의미한 유전자 발견 (padj < 0.05)
- 상위 상향 조절 유전자:
- - GeneX: log2FC = 4.2, padj = 1.3e-15
- - GeneY: log2FC = 3.8, padj = 2.7e-12
- - GeneZ: log2FC = 3.5, padj = 5.1e-11
- 상위 하향 조절 유전자:
- - GeneA: log2FC = -3.9, padj = 8.2e-14
- - GeneB: log2FC = -3.1, padj = 3.4e-10
- 결과가 deseq2_results.csv에 저장됨
보안 감사
안전All 429 static findings are false positives. The 'weak cryptographic algorithm' flags incorrectly match 'DES' in 'DESeq2' (a statistical method name, not cryptography). The 'external_commands' flags misinterpret markdown code fences as shell execution. Filesystem access is standard data I/O for bioinformatics workflows. Network access involves only documentation URLs. This is a legitimate scientific computing skill with no malicious code.
위험 요인
📁 파일 시스템 액세스 (2)
🌐 네트워크 접근 (1)
품질 점수
만들 수 있는 것
처리구 대 대조군 비교
적절한 통계적 검정과 FDR 보정을 사용하여 실험 조건 간 차등 발현 유전자를 식별하여 출판 가능한 결과를 얻으세요.
RNA-seq 논문 분석
RNA-seq 카운트 데이터를 처리하고, 차등 발현 분석을 수행하며, 논문을 위한 출판 품질 그림을 생성하세요.
배치 RNA-seq 처리
포함된 명령줄 스크립트를 사용하여 여러 조건 또는 시간점에 걸친 차등 발현 분석을 자동화하세요.
이 프롬프트를 사용해 보세요
counts.csv와 metadata.csv에서 RNA-seq 데이터를 로드한 다음 PyDESeq2를 사용하여 처리구 대 대조군 샘플을 비교하는 차등 발현 분석 수행
~batch + condition 설계 공식을 사용하여 배치 효과를 고려한 RNA-seq 데이터 분석 후 처리구 대 대조군 차이 검정
데이터에 대해 PyDESeq2 분석을 실행하고 padj < 0.05인 유의미한 유전자를 강조하는 volcano 및 MA 플롯 생성
RNA-seq 데이터 로드, 총 카운트가 20개 미만인 유전자 필터링, 다중 요인 설계 ~age + sex + condition 사용, |log2FC| > 1이고 padj < 0.01인 유전자 식별
모범 사례
- 유전이 행이고 샘플이 열인 경우 항상 카운트 매트릭스를 전치 (.T 사용)하여 샘플 × 유전자 형식获取
- 통계적 검정력을 높이기 위해 분석 전에 저카운트 유전자 필터링
- 유의성 판단에 원시 p값이 아닌 보정된 p값(padj) 사용
- 샘플 이름이 카운트와 메타데이터 파일間で 정확히 일치하는지 확인
피하기
- 다중 검정에 원시 p값 사용 금지 - 항상 FDR 보정된 padj 값 사용
- 통계적 검정 전에 LFC 축소 적용 금지 - 시각화를 위해 이후에만 사용
- 충분한 샘플 크기 없이 복잡한 다중 요인 설계 피하기
- 메타데이터 전치 금지 - 필요한 경우에만 카운트 매트릭스 전치