Den vollständigen Index der Dokumentation findest du in llms.txt. Die Markdown-Version einer Dokumentationsseite erhältst du, indem du .md an die URL der Seite anhängst.
Hauptnavigation
Design
Codex

Anwendungsfall für Codex

Eingabedaten für bulk RNA-seq validieren

Validiere Eingabedaten für bulk RNA-seq, bevor du die differenzielle Genexpression analysierst.

Schwierigkeitsgrad Intermediate
Zeithorizont Long-running

Validiere mit ChatGPT und dem Plugin NGS Analysis deine Probentabellen, FASTQ-Dateien und Referenzdaten. Vor der Analyse der differenziellen Genexpression erhältst du einen MultiQC-Bericht, Salmon-Matrizen, Angaben zur Datenherkunft und eine kurze Einordnung der QC-Ergebnisse.

Besonders geeignet für

  • Bioinformatikteams, die Eingabedaten für bulk RNA-seq vor der Analyse der differenziellen Genexpression validieren.
  • Forschende, die in einem Chat die Expression auf Transkript- und Genebene quantifizieren und die Datenqualität prüfen möchten.
  • Teams, die Mapping-Rate, Duplikationsrate und Bibliothekstyp prüfen und feststellen müssen, ob die benötigten Ressourcen einsatzbereit sind.

Inhalt

    ← Alle Anwendungsfälle

    Eingabedaten für bulk RNA-seq validieren

    Validiere Eingabedaten für bulk RNA-seq, bevor du die differenzielle Genexpression analysierst.

    Validiere mit ChatGPT und dem Plugin NGS Analysis deine Probentabellen, FASTQ-Dateien und Referenzdaten. Vor der Analyse der differenziellen Genexpression erhältst du einen MultiQC-Bericht, Salmon-Matrizen, Angaben zur Datenherkunft und eine kurze Einordnung der QC-Ergebnisse.

    Intermediate
    Long-running

    Validiere mit ChatGPT und dem Plugin NGS Analysis deine Probentabellen, FASTQ-Dateien und Referenzdaten. Vor der Analyse der differenziellen Genexpression erhältst du einen MultiQC-Bericht, Salmon-Matrizen, Angaben zur Datenherkunft und eine kurze Einordnung der QC-Ergebnisse.

    Intermediate
    Long-running

    Besonders geeignet für

    • Bioinformatikteams, die Eingabedaten für bulk RNA-seq vor der Analyse der differenziellen Genexpression validieren.
    • Forschende, die in einem Chat die Expression auf Transkript- und Genebene quantifizieren und die Datenqualität prüfen möchten.
    • Teams, die Mapping-Rate, Duplikationsrate und Bibliothekstyp prüfen und feststellen müssen, ob die benötigten Ressourcen einsatzbereit sind.

    Skills und Plug-ins

    • Validiere die Eingabedaten für die Sequenzierungsauswertung, ermittle Counts für bulk RNA-seq, führe die Qualitätskontrolle durch und gib die Ergebnisse in überprüfbarer Form aus.
    Skill Nutzen
    NGS Analysis Validiere die Eingabedaten für die Sequenzierungsauswertung, ermittle Counts für bulk RNA-seq, führe die Qualitätskontrolle durch und gib die Ergebnisse in überprüfbarer Form aus.

    Prompt für den Einstieg

    Verwende das Plugin NGS Analysis. Führe für bulk RNA-seq die Qualitätskontrolle von den FASTQ-Dateien bis zu den Counts durch. Verwende dafür die bereitgestellte Probentabelle, das Stammverzeichnis der FASTQ-Dateien, die FASTA-Dateien für Transkriptom und Genom sowie die GTF-Datei. Gib Folgendes aus: - run_manifest.json - einen MultiQC-Bericht und Links, die sich zur Prüfung sicher im Browser öffnen lassen - Salmon-Matrizen auf Transkript- und Genebene - Nachweise über die Validierung der Eingabedaten und die Einsatzbereitschaft der benötigten Ressourcen - eine kurze Einordnung der QC-Ergebnisse. Gehe auf die Mapping-Rate und die Duplikationsrate ein. Gib an, ob der ermittelte Bibliothekstyp mit dem erwarteten übereinstimmt und welche Proben als Ausreißer auffallen. Nenne alle Befunde, die einer anschließenden Analyse der differenziellen Genexpression im Weg stehen würden.
    Verwende das Plugin NGS Analysis. Führe für bulk RNA-seq die Qualitätskontrolle von den FASTQ-Dateien bis zu den Counts durch. Verwende dafür die bereitgestellte Probentabelle, das Stammverzeichnis der FASTQ-Dateien, die FASTA-Dateien für Transkriptom und Genom sowie die GTF-Datei. Gib Folgendes aus: - run_manifest.json - einen MultiQC-Bericht und Links, die sich zur Prüfung sicher im Browser öffnen lassen - Salmon-Matrizen auf Transkript- und Genebene - Nachweise über die Validierung der Eingabedaten und die Einsatzbereitschaft der benötigten Ressourcen - eine kurze Einordnung der QC-Ergebnisse. Gehe auf die Mapping-Rate und die Duplikationsrate ein. Gib an, ob der ermittelte Bibliothekstyp mit dem erwarteten übereinstimmt und welche Proben als Ausreißer auffallen. Nenne alle Befunde, die einer anschließenden Analyse der differenziellen Genexpression im Weg stehen würden.

    Skills nutzen

    Das Plugin NGS Analysis enthält folgende Skills:

    • ngs-analysis-router
    • ngs-bulk-rnaseq-counts-qc
    • ngs-runtime-env

    Wenn du das Plugin verwendest, kann ChatGPT alle enthaltenen Skills nutzen.

    Schritt-für-Schritt-Anleitung

    1. Gib ChatGPT den Pfad zum Verzeichnis mit der Probentabelle, den FASTQ-Dateien, den FASTA-Dateien für Transkriptom und Genom sowie der GTF-Datei. Alternativ kannst du die genauen Pfade zu den einzelnen Dateien angeben.
    2. Führe den Einstiegsprompt aus. So kann ChatGPT vor dem Start der Analyse die Strangspezifität prüfen und feststellen, ob die Referenzdateien zueinander passen und die benötigten Tools einsatzbereit sind.
    3. Öffne den erstellten MultiQC-Bericht und die zugehörigen Matrizen in ChatGPT. Prüfe die Mappingrate und den Anteil duplizierter Reads. Kontrolliere außerdem, ob der ermittelte Bibliothekstyp dem erwarteten entspricht und die benötigten Ressourcen verfügbar sind.
    4. Arbeite im selben Chat weiter, um Probleme zu beheben, die den Lauf blockieren, die Analyse mit aktualisierten Metadaten erneut auszuführen oder die erzeugten Zählmatrizen auf Genebene für die anschließende Analyse der differenziellen Genexpression zu verwenden.

    Ergebnisse

    Der Lauf liefert die Zähldaten zusammen mit den Ergebnissen der Qualitätskontrolle. Sieh dir zuerst den MultiQC-Bericht an. Achte auf Warnungen, die für die spätere Interpretation der Daten relevant sein könnten. In diesem Beispiel zeigt ChatGPT neben der Zusammenfassung des Laufs auch die FastQC-Warnungen zur Basenzusammensetzung der Reads. So kann das Team beurteilen, ob das beobachtete Muster bei der verwendeten Bibliothekspräparation zu erwarten ist.

    Prüfe die FastQC-Warnungen zur Basenzusammensetzung neben der Zusammenfassung des Laufs für bulk RNA-seq.

    Sieh dir als Nächstes die Salmon-Statistiken im selben Bericht an. Anhand der Mappingraten, der ermittelten Bibliothekstypen und der Hinweise auf duplizierte Reads kannst du schnell einschätzen, ob sich die Daten für die Analyse der differenziellen Genexpression eignen.

    Prüfe im erstellten MultiQC-Bericht die Salmon-Statistiken zum Alignment und zum Bibliothekstyp.

    Die Zählmatrix auf Genebene wird als wiederverwendbares Artefakt gespeichert. Öffne sie in ChatGPT und prüfe, ob alle erwarteten Proben und Gene enthalten sind. Bewahre die Matrix für spätere Analysen zusammen mit den Angaben zur Herkunft der Daten und zum Ablauf der Verarbeitung auf.

    Öffne die erzeugte Zählmatrix auf Genebene zur weiteren Prüfung.

    Verwandte Anwendungsfälle