Agent Skills
返回列表
PDAC 基因程序与通路打分复现

PDAC 基因程序与通路打分复现

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_30836134/score-pdac。

技能介绍

要解决什么问题

在胰腺导管腺癌(PDAC)单细胞或空间转录组分析里,你往往需要把基因程序、自定义基因集或信号通路活性量化成每个细胞/spot 的分数,并在亚群之间做可比比较。顶刊工作流通常不会只押一种算法:AddModuleScore 适合快速扫多个模块,AUCell 强调排名语义,PROGENy 对接 11 条经典通路,irGSEA 则把 Hallmark 全景和 UMAP 展示串起来。本技能整理的是 Chen et al., 2025, Cancer Cell 思路下的四套实现与选用原则,并在项目里实际跑通过。

技能如何工作

技能按方法拆分核心步骤与默认参数习惯:

  • AddModuleScore:Seurat 内置,偏快筛;常用 ctrl=1000、seed=2023,特征数少时要按 valid_features 自适应控制基因池。
  • AUCell:基于基因排名;aucMaxRank 常设为约 10% 基因数;输入应使用正确的 data 层而非 raw counts。
  • PROGENy:通过 decoupleR 的 MLM 估计通路活性;建议用本地化的 progeny::getModel(top=500),run_mlm 侧注意 minsize=5,避免不稳定的外网 OmnipathR 依赖。
  • irGSEA:多方法整合与投射;Hallmark 全景示例里 method="AUCell"、category="H" 用于 UMAP 展示。

运行前统一对基因集与表达矩阵行名做 intersect,静默丢弃缺失基因并记录实际使用的基因数,是保证结果可解释的前提。

适用边界与注意点

跨亚群比较前,请确认同一 assay、同一数据层以及一致的 scale 基准;否则模块分数不可直接横比。Windows 上跑 AUCell 时 nCores=1 可降低崩溃风险。PROGENy 路径上不要用 decoupleR 内置 get_progeny 若你关心可重复性与离线环境。技能聚焦打分管线与方法选型,不替代完整的 PDAC 队列构建、质控或临床注释流程。

使用场景

  • 复现 Cancer Cell PDAC 论文时,要在同一套对象上比较四套基因程序/通路打分并选对默认参数
  • Seurat 对象里模块较多,需要先用 AddModuleScore 快速筛查再决定是否上 AUCell 或 irGSEA
  • 要在 UMAP 上展示 Hallmark 基因集全景活性,按 irGSEA 配置 method 与 category 做投射
  • 估计 11 条经典信号通路活性时,用 PROGENy+decoupleR MLM 并本地化 getModel 避免网络依赖

适合人员

  • 做单细胞 PDAC 课题的生信分析员,需要按顶刊复现基因程序打分而不是临时换包
  • 用 Seurat 管线的肿瘤免疫研究人员,要在亚群间比较模块分但担心 assay 与 scale 不一致
  • 维护可重复分析脚本的生物信息工程师,想把 AUCell/PROGENy 的常见报错参数写进团队规范
  • 空间或单细胞联合分析的博士生,需要在通路层面解释细胞状态并记录实际用到的基因集交集