lewisoepwqi 植物根长度分析
使用 dataset_catalog、run_r_code、code_session、chart_session 和 report_session，对植物根长度数据进行专业的统计分析、可视化与结果整理。
快速开始
本技能帮助生物学研究者通过简单的3步工作流程分析根长度数据：
- 验证 → 检查数据格式
- 配置 → 选择颜色方案和样本排序
- 执行 → 运行分析并获得出版级图表
最低要求：
- 数据文件（CSV或Excel），包含列：
sample（样本）、treatment（处理）、length（长度） - 至少2个样本，包含"Mock"和至少一个其他处理组
- 每个样本×处理组合至少3次测量
您将获得：
- 统计分析结果（ANOVA + Tukey HSD）
- 两张出版级PDF图表
- 显著性字母标记（显示哪些样本有差异）
- ISX/Mock比率分析
示例对话：
用户："我有根长度数据需要分析"
Claude："我来帮您分析根长度数据。请提供CSV或Excel文件的路径。"
用户："C:/data/roots_2024.csv"
Claude：[验证数据，询问颜色方案，生成分析]
结果：5分钟内得到专业图表和统计结果
✨ 新功能亮点
1. 多处理组支持
不再限于Mock vs ISX两组比较！现在支持：
- 任意数量的处理组（3个、4个或更多）
- 灵活的基线选择：可选择任意处理组作为比率分析的基线
- 自动分面：图表自动适应处理组数量
示例：
处理组：Mock, ISX, Treatment3, Treatment4
基线：Mock（默认）或任意其他组
结果：4个分面的图表 + 多组比率分析
2. 批量分析
一次性分析多个实验数据！
- 自动处理整个目录的数据文件
- 独立分析：每个文件生成独立的项目和图表
- HTML汇总报告：可视化查看所有结果
- 并行执行：节省时间
使用场景：
- 多个时间点的实验数据
- 不同条件下的重复实验
- 需要对比的多个独立实验
3. Python分析选项 🐍
无需安装R环境！现在支持纯Python模式：
- 零R依赖：使用scipy、statsmodels、matplotlib完成所有分析
- 相同的统计方法：ANOVA、Tukey HSD、显著性字母
- 相同的可视化效果：出版级PDF图表
- 跨平台兼容：Windows、macOS、Linux
适用场景：
- 没有R环境的用户
- 需要集成到Python数据处理流程
- 偏好Python生态的研究者
如何使用：
# 生成Python项目（而非R项目）
python scripts/generate_r_project.py --data-file data.csv --use-python
# 批量分析使用Python模式
python scripts/batch_analysis.py --files *.csv --use-python
数据要求
您的数据文件必须包含3列（列名区分大小写）：
| 列名 | 类型 | 说明 | 示例值 |
|---|---|---|---|
sample |
文本 | 样本或基因型名称 | Col_0, mutant1, Aox1a OE |
treatment |
文本 | 处理组（必须包含"Mock"） | Mock, ISX |
length |
数值 | 根长度测量值 | 5.23, 4.1, 3.87 |
关键规则
✅ 必须满足：
- 列名必须完全一致：
sample、treatment、length（小写） - 处理组必须包含
Mock（大写M） - 长度值必须只包含数字（不能有单位如"5.2 cm"）
- 每个样本×处理组合至少3次重复
❌ 常见错误：
- 错误的列名（如"Sample_Name"而非"sample"）
- 缺少Mock组或拼写不同（如"mock"、"Control"）
- 长度值包含非数字（如"5.2cm"、"未测量"）
- 样本名称不一致（如"upox1-1" vs "upox1_1"）
有效数据示例
sample,treatment,length
Col_0,Mock,5.2
Col_0,Mock,5.4
Col_0,Mock,5.1
Col_0,ISX,4.1
Col_0,ISX,4.3
Col_0,ISX,4.2
mutant1,Mock,3.8
mutant1,Mock,4.0
mutant1,Mock,3.9
mutant1,ISX,5.2
mutant1,ISX,5.4
mutant1,ISX,5.1
详细格式说明见：references/data_format.md
交互式工作流程
当您调用此技能时，我将引导您完成以下步骤：
步骤1：提供数据文件
我会询问您的数据文件路径。
支持格式：CSV (.csv)、Excel (.xlsx, .xls)
步骤2：数据验证
我会使用验证脚本自动检查您的数据：
python scripts/validate_data.py <您的文件>
验证项目：
- 文件是否存在且可读
- 必需列是否存在
- Mock处理组是否存在
- 长度列是否为数值
- 重复次数是否充足（少于3次会警告）
- 样本名称是否一致
如果验证失败：我会提供清晰的错误信息和具体修复建议。
如果验证成功：我会显示数据摘要：
{
"n_samples": 9,
"treatments": ["Mock", "ISX"],
"n_measurements": 450,
"length_range": {"min": 3.0, "max": 5.5, "mean": 4.4}
}
步骤3：配置参数
我会使用 ask_user_question 工具询问分析参数：
问题1：颜色方案
选项：
high_contrast（推荐）- 24种高对比度颜色，视觉最清晰default- 32种多样化颜色，适合大样本集blue- 蓝色渐变（5-16个样本）green- 绿色渐变，植物主题qualitative- 平衡的分类颜色
问题2：样本排序
选项：
auto（推荐）- Col_0优先，然后非OE样本，最后OE样本custom- 自定义排序（我会询问具体顺序）
步骤4：生成R项目
我会创建完整的R分析项目：
python scripts/generate_r_project.py \
--data-file <您的文件> \
--color-scheme <选择> \
--sample-order <auto或custom> \
--output-dir output \
--width 8 \
--height 6
输出结构：
r_analysis_project/
├── main.R
├── R/
│ ├── load_packages.R
│ ├── data_processing.R
│ ├── statistical_analysis.R
│ └── plotting.R
└── output/
├── figures/
└── records/
步骤5：执行分析
我会运行R分析：
cd r_analysis_project && Rscript main.R
处理过程：
- 加载所需R包（readxl、dplyr、ggplot2、multcompView等）
- 读取和处理数据
- 对每个处理组执行ANOVA
- 计算Tukey HSD事后检验
- 生成显著性字母
- 创建根长度图
- 计算ISX/Mock比率
- 对比率执行ANOVA
- 创建比率图
- 保存所有输出
步骤6：展示结果
我会向您展示：
统计摘要：
=== ANOVA结果（Mock组）===
F统计量：12.4，p < 0.001
样本间存在显著差异
=== ANOVA结果（ISX组）===
F统计量：8.7，p < 0.001
样本间存在显著差异
生成的文件：
output/figures/root_length_plot.pdf- 主图表，带显著性字母output/figures/ratio_plot.pdf- ISX/Mock比率比较output/records/sample_order.txt- 使用的样本排序output/records/color_mapping.csv- 颜色分配
可选：我可以解释统计结果、显著性字母或分析的任何方面。
理解结果
ANOVA结果
单因素方差分析检验每个处理组内不同样本的平均根长度是否存在差异。
关键数值：
- F统计量：组间方差与组内方差的比值。越大表示差异越明显。
- p值：偶然获得此F统计量的概率
- p < 0.05：样本间存在显著差异 ✓
- p ≥ 0.05：未检测到显著差异
示例：
处理组：Mock
F(8, 216) = 12.43，p < 0.001
解读：在8个样本和216次测量中，我们发现强有力的证据（p < 0.001）表明样本的Mock根长度存在差异。
Tukey HSD显著性字母
ANOVA检测到差异后，Tukey HSD识别具体哪些配对存在差异。
结果以字母显示（a、b、c等）：
规则：共享字母的组 → 无显著差异
示例1：
Col_0: a
mutant1: b
mutant2: c
三者互相都有显著差异。
示例2：
Col_0: a
mutant1: ab
mutant2: b
- Col_0 vs mutant1：无显著差异（共享"a"）
- mutant1 vs mutant2：无显著差异（共享"b"）
- Col_0 vs mutant2：可能有显著差异（无共同字母，但通过mutant1连接）
ISX/Mock比率图
目的：显示对ISX处理的相对响应。
计算方法：
比率 = (单个ISX长度值) / (该样本Mock组的平均值)
解释：
- 比率 > 1.0：ISX增加根长度
- 比率 = 1.0：ISX无影响
- 比率 < 1.0：ISX减少根长度
比率图上的显著性字母表明哪些样本对ISX的响应不同。
详细统计方法说明见：references/statistical_methods.md
输出文件
1. 根长度图 (root_length_plot.pdf)
内容：
- 两个分面：Mock（左）和ISX（右）
- 柱高 = 平均根长度
- 彩色柱/点 = 各个样本
- 误差线 = 标准误
- 柱上方字母 = 显著性分组
- 散点 = 单个测量值
用途：展示绝对根长度和处理效应
2. 比率图 (ratio_plot.pdf)
内容：
- 单面板显示ISX/Mock比率
- 柱高 = 平均比率
- 误差线 = 标准误
- 字母 = 比率差异的显著性分组
用途：比较不同样本对处理的相对响应
3. 样本顺序记录 (sample_order.txt)
内容：
样本排列顺序（左→右）：
1. Col_0
2. om66
3. upox1_1
4. Aox1a OE
5. UPOX1 OE
用途：理解图表布局，重现分析
4. 颜色映射 (color_mapping.csv)
内容：
sample,color
Col_0,#808080
om66,#8fb79d
upox1_1,#dd3125
用途：跨图表保持颜色一致性，创建自定义图表
5. 控制台输出
内容：
- 完整的ANOVA表格
- Tukey HSD配对比较
- 显著性字母
- 处理信息
用途：详细统计数据，论文方法部分
故障排查
数据验证错误
错误："缺少必需列"
修复：将列重命名为：sample、treatment、length（小写）
Excel：右键点击列 → 重命名
CSV：在文本编辑器中编辑
错误："treatment列必须包含'Mock'"
修复：将对照组重命名为"Mock"（大写M）
查找替换："control" → "Mock"
错误："length列包含非数值"
修复：从长度列中删除单位和文本
错误："5.2 cm"、"未测量"
正确：5.2、NA（表示缺失）
样本名称不一致
警告："某些样本的测量次数少于3次"
原因：某些行中样本名称拼写不同
修复：统一拼写
upox1-1 → upox1_1（选择一种风格）
Mutant1 → mutant1（检查大小写）
R包安装
错误："未找到包'readxl'"
修复：脚本首次运行时会自动安装包
如果失败，在R中手动安装：
install.packages(c("readxl", "dplyr", "ggplot2", "multcompView", "tidyr"))
颜色方案问题
样本数量超过颜色方案：
解决方案：使用"default"或"high_contrast"方案
这些方案会自动为大样本集生成额外颜色
图表元素被截断
样本名称截断或重叠：
修复1：增加图表宽度
--width 10（代替8）
修复2：编辑 R/plotting.R
修改：angle = 45 为 angle = 90（垂直标签）
修改：size = 12 为 size = 10（更小字体）
缺少显著性字母
图表上没有字母显示：
原因：ANOVA p值 > 0.05（无显著差异）
检查：控制台输出的ANOVA结果
如果确实不显著，这是正确的 - 不需要字母
如果数据看起来有差异，检查：
- 样本量（需要>3次重复）
- 高方差（离群值？）
- 数据录入错误
分析时间太长
脚本运行缓慢：
正常时间：200-500次测量需要1-2分钟
如果>5分钟：
- 检查数据文件大小（>10,000行？）
- 关闭其他R会话
- 检查是否有无限循环（报告为bug）
获取更多帮助
- 查看示例数据：将您的文件与
assets/example_data.csv比较 - 运行验证：
python scripts/validate_data.py your_file.csv - 查看参考文档：
- 数据格式问题 → references/data_format.md
- 统计问题 → references/statistical_methods.md
- 自定义 → references/customization.md
- 查看R控制台输出：寻找具体错误信息
高级自定义
想要修改分析的用户：
颜色方案：见 references/customization.md
样本排序：见 references/customization.md
图表尺寸：见 references/customization.md
统计选项：见 references/customization.md
添加自定义颜色方案：编辑 R/plotting.R → create_color_maps()
更改显著性水平：编辑 R/statistical_analysis.R → TukeyHSD(model, conf.level = 0.99)
修改图表美学：编辑 R/plotting.R → create_root_length_plot()
示例对话
用户："我需要分析突变体的根长度数据"
Claude："我来帮您用ANOVA分析根长度数据并生成出版级图表。
请提供CSV或Excel文件的路径。"
用户："C:/experiments/root_data.xlsx"
Claude：[运行验证]
"✓ 数据验证通过！
- 发现9个样本：Col_0、Aox1a OE、upox1_1...
- 处理组：Mock、ISX
- 总计450次测量
现在配置分析。您想要哪种颜色方案？"
[显示颜色方案选项]
用户：[选择"high_contrast"]
Claude："很好的选择！图表中的样本应该如何排序？"
[显示排序选项]
用户：[选择"auto"]
Claude：[生成项目并运行分析]
"✓ 分析完成！
统计结果：
- Mock组：F(8,216) = 12.4，p < 0.001 → 发现显著差异
- ISX组：F(8,216) = 8.7，p < 0.001 → 发现显著差异
- 比率分析：F(8,216) = 6.3，p < 0.001 → 样本对ISX的响应不同
生成的文件：
📊 r_analysis_project/output/figures/root_length_plot.pdf
📊 r_analysis_project/output/figures/ratio_plot.pdf
📄 r_analysis_project/output/records/sample_order.txt
📄 r_analysis_project/output/records/color_mapping.csv
需要我解释显著性字母的含义吗？"
用户："是的，请解释"
Claude：[用他们数据中的示例解释Tukey HSD字母]
引用
如果您在发表的研究中使用此技能，请致谢：
根长度统计分析使用R（v4.x）及以下包完成：ggplot2（Wickham，2016）、
dplyr（Wickham等，2023）和multcompView（Graves等，2023）。
ANOVA和Tukey HSD事后检验在α = 0.05显著性水平下进行。
参考文献：
- Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
- R Core Team (2024). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
许可证
本技能在MIT许可证下发布。详见 LICENSE.txt。
高级功能
多处理组分析
为什么需要多处理组？
在实际研究中，您可能需要比较：
- 多种药物：Mock、Drug1、Drug2、Drug3
- 多个浓度：Control、Low、Medium、High
- 多个时间点：0h、6h、12h、24h
传统的两组比较（Mock vs ISX）无法满足这些需求。多处理组支持让您可以在一张图表中比较所有条件。
如何使用
数据格式（与之前相同，只是treatment有更多选项）：
sample,treatment,length
Col_0,Mock,5.2
Col_0,Drug1,4.1
Col_0,Drug2,3.5
Col_0,Drug3,4.8
mutant1,Mock,3.8
mutant1,Drug1,5.2
mutant1,Drug2,4.2
mutant1,Drug3,4.5
命令行使用：
python scripts/generate_r_project.py \
--data-file data.csv \
--baseline-treatment Mock # 指定基线处理组（默认Mock）
通过对话： 技能会自动检测您有多个处理组，并询问：
- "检测到4个处理组：Mock、Drug1、Drug2、Drug3"
- "选择基线处理组用于比率分析？（默认：Mock）"
输出结果
根长度图：
- 自动生成多个分面（每个处理组一个）
- Mock组默认显示在最左侧
- 其他处理组按字母顺序排列
比率图：
- 计算所有非基线组相对于基线组的比率
- 例如：Drug1/Mock、Drug2/Mock、Drug3/Mock
- 显著性字母标记不同处理组间的差异
统计分析：
- 每个处理组内进行ANOVA（样本间比较）
- 比率数据的ANOVA（处理组响应比较）
- 完整的Tukey HSD事后检验
注意事项
- 至少需要2个处理组
- 推荐包含"Mock"作为对照组（但非必需）
- 如果没有Mock组，会收到警告但仍可继续分析
- 比率分析需要指定基线处理组
批量分析
适用场景
批量分析适用于以下情况：
场景1：时间序列实验
实验目录/
├── day1_roots.csv
├── day3_roots.csv
├── day5_roots.csv
└── day7_roots.csv
场景2：不同条件实验
数据/
├── temperature_20C.csv
├── temperature_25C.csv
└── temperature_30C.csv
场景3：独立重复实验
重复实验/
├── replicate1.csv
├── replicate2.csv
└── replicate3.csv
如何使用
方式1：分析整个目录
python scripts/batch_analysis.py \
--input-dir data_directory/ \
--output-dir batch_results \
--color-scheme high_contrast \
--baseline-treatment Mock
方式2：指定文件列表
python scripts/batch_analysis.py \
--files exp1.csv exp2.csv exp3.csv \
--output-dir batch_results
方式3：通过Claude对话
用户："我有10个实验的数据文件需要批量分析"
Claude："请提供文件所在目录，或提供文件列表"
用户："C:/experiments/batch_data/"
Claude：[自动批量分析所有文件]
输出内容
1. 独立分析结果
每个数据文件都会生成独立的分析项目：
batch_results/
├── experiment1_20240227_143025/
│ ├── main.R
│ ├── R/
│ └── output/
│ ├── figures/
│ │ ├── root_length_plot.pdf
│ │ └── ratio_plot.pdf
│ └── records/
├── experiment2_20240227_143026/
│ └── ...
└── summary_report.html
2. HTML汇总报告（summary_report.html）
包含：
- 总体统计：成功/失败文件数、成功率
- 每个文件的详细信息：
- 数据摘要（样本数、测量值、处理组）
- 分析状态（成功/失败）
- 项目目录链接
- 图表文件链接
- 可视化表格：易于浏览和比较
3. JSON输出
程序结束时输出JSON格式的结果：
{
"success": true,
"summary_report": "batch_results/summary_report.html",
"statistics": {
"total": 10,
"successful": 9,
"failed": 1
}
}
高级选项
跳过R执行（仅生成项目，不运行分析）：
python scripts/batch_analysis.py \
--input-dir data/ \
--skip-r
适用于：
- 快速验证数据格式
- 生成项目后手动修改再运行
- R环境未安装的情况
自定义配置：
python scripts/batch_analysis.py \
--input-dir data/ \
--color-scheme blue \
--baseline-treatment Control \
--output-dir my_batch_results
性能与时间
- 验证阶段：每个文件 < 1秒
- 项目生成：每个文件 < 2秒
- R分析（如果启用）：每个文件 1-2分钟
- 汇总报告生成：< 5秒
示例：分析10个文件
- 不运行R：< 30秒
- 运行R分析：10-20分钟
错误处理
批量分析会优雅处理错误：
- 数据验证失败：跳过该文件，继续处理其他文件
- R执行失败：标记为失败，保存错误信息，继续下一个
- 部分失败：仍会生成汇总报告，显示成功和失败的详细信息
所有错误都会在HTML报告中详细记录。
最佳实践
- 先小规模测试：用2-3个文件测试配置是否正确
- 统一数据格式：确保所有文件格式一致
- 合理分组：按实验类型分目录存放
- 保留原始数据：批量分析不会修改原始文件
- 定期清理：批量结果目录可能很大，定期归档
完整示例
示例1：多处理组药物筛选
数据（drug_screening.csv）：
sample,treatment,length
WT,Mock,5.2
WT,Mock,5.4
WT,Mock,5.1
WT,DrugA,4.1
WT,DrugA,4.3
WT,DrugB,3.5
WT,DrugB,3.7
WT,DrugC,5.8
WT,DrugC,6.0
mutant1,Mock,3.8
mutant1,DrugA,5.2
mutant1,DrugB,4.2
mutant1,DrugC,3.9
分析：
python scripts/generate_r_project.py \
--data-file drug_screening.csv \
--baseline-treatment Mock \
--color-scheme high_contrast
cd r_analysis_project && Rscript main.R
结果：
- 4个分面图（Mock, DrugA, DrugB, DrugC）
- 3个比率图（DrugA/Mock, DrugB/Mock, DrugC/Mock）
- 识别对不同药物响应不同的突变体
示例2：时间序列批量分析
数据结构：
time_series/
├── day0.csv (Mock, ISX)
├── day3.csv (Mock, ISX)
├── day7.csv (Mock, ISX)
└── day14.csv (Mock, ISX)
批量分析：
python scripts/batch_analysis.py \
--input-dir time_series/ \
--output-dir time_series_results
应用：
- 比较不同时间点的ISX效应
- 追踪根长度变化趋势
- 识别时间依赖的表型