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!

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

技能名称: BioinfoAI-Assistant

详细描述:

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. 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. 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:

- nFeatureRNAviolin.png: 每个细胞的基因数分布，反映细胞质量 - nCountRNAviolin.png: 每个细胞的UMI数分布，反映测序深度 - percentMTviolin.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:

- cellQCstats.csv: 每个细胞的质控统计信息 - geneQCstats.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:

- clustercellcounts.csv: 每个聚类的细胞数量 - clustermarkersall.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 - Heatmapallmarkers.png: 热图显示所有标记基因表达

• - CSV文件说明:

- celltypepredictions.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:

- Volcanocluster0vs_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:

- DEGcluster0vs_all.csv: 聚类0与其他聚类的差异基因 - DEGsummarystatistics.csv: 差异表达统计汇总

6. 通路分析 / Pathway Analysis

• - CSV文件说明:

- GOenrichmentresults.csv: GO富集分析结果 - KEGGenrichmentresults.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: HCCscRNAseq20260329/
✅ 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