出品| 木青生信大模型
作者| 穆易青、kimi
文章目录
最近工作比较忙，更新有点慢，希望后面能够加快更新速度。
在生物信息学领域，数据处理和分析是日常工作的重要组成部分。写论文也需要通过表格对结果进行统计比较。对于没有编程基础的生信小白来说，编写一个统计脚本可能是一项挑战。
表1 细菌组装注释结果统计表（示例）
| Sequence ID | Genome size (bp) | GC content (%) | CDSs num (#) | Average Protein Len (bp) | Coding Ratio (%) |
|---|---|---|---|---|---|
| Sample1_pilon | 3,146,359 | 56.3 | 3,471 | 268.5 | 88.9 |
| Sample2_pilon | 3,155,279 | 56.3 | 3,472 | 269.5 | 89.0 |
| Sample3_pilon | 3,160,123 | 56.5 | 3,455 | 267.0 | 89.5 |
| Sample4_pilon | 3,140,567 | 56.1 | 3,438 | 265.5 | 88.0 |
| Sample5_pilon | 3,130,789 | 55.9 | 3,410 | 264.0 | 87.5 |
尽管通过excel将本地数据一个个不断Ctrl+C 和Ctrl+V，但遇到如群体遗传分析大样本量情况，挨个复制粘贴显然不现实。今天这篇文章将会以统计脚本为例，讲解如何与AI助手的合作，即使是编程新手也能够快速上手。本文将指导你如何向AI助手提供清晰的指令和要求，以便它能够为你生成一个准确无误的统计脚本。
为什么需要AI助手？
AI助手，如Kimi，可以帮助你：
- 理解需求：通过对话理解你的具体需求。
- 生成代码：根据你的需求生成相应的代码。
- 调试和优化：帮助你检查和优化代码，确保其正确性和效率。
如何向AI助手提供指令？
- 明确需求：首先，提供详细的描述，如数据的来源路径、格式；其次，指定脚本语言、工具和库；最后，明确你想要实现的目标（如何处理）与需求。
- 提供示例：如果可能，给出输入和期望输出的示例，这样AI助手可以更准确地理解你的需求。
- 指定工具和库：如果你有特定的工具或库要求，比如使用Python和Pandas，也要明确告知。
- 描述错误处理：如果你希望脚本能够处理特定的错误或异常，也要提前说明。
示例：编写统计脚本
假设你需要一个Python脚本，用于从多个样品文件夹内的statistics.txt文件中提取数据，并汇总到一个表格中。以下是如何向AI助手提供指令：
- 明确任务：
User：我需要一个Python脚本，用于统计每个sample文件夹内的statistics.txt文档，并将结果汇总到一个csv表格中。
加粗位置都有对应明确的要求，比如我让AI助手用我熟悉的语言进行编写，没有编程基础的读者可以让助手用bash写shell脚本。而后面对文档的描述一定要清晰，如文档名称和相对路径，这样才能尽可能地让AI助手生成脚本可以准确地提取文档信息。
-
提供输入/输出格式：
输入文件名：sample/statistics.txt 输入格式： "Total Sequence Length (bp) 3260264 Number of Sequences 17 Longest Sequences (bp) 971111 ..." 输出参考格式： "Sequence ID Genome size(bp) GCcontent(%) CDSs num(#) Average Protein Len(bp) Coding Ratio(%) SAMPLE1_pilon 3146359 56.3 3471 268.5 88.9 ..."
提供示例是提示工程里非常重要的一个技巧。第一个要求就是对输入，输出的格式用冒号+双引号扩入表示，以免AI将要求与格式混合。这里输入/输出的格式也非常重要，经常会遇到的就是文本之间分隔有的是空格，有的是分隔符。如果对分隔符文档进行全选复制，粘贴给AI助手后会变成空格分隔，导致生成的脚本出现bug。如果能输入markdown格式最好，可以将输入，输出格式先让AI助手转换成markdown格式，进行校正（AI识别错误会在markdown格式中体现）再进行输入。
后面两点比较高级，适合有基础的读者使用。
-
指定工具和库：
请使用Python语言 利用第三方库（如Pandas）来处理数据（有编程基础可选）。 明确工具和相应参数
指定工具属于比较高级的应用，更适合做一些指向性明确的分析。对于初学者而言，并不清楚什么工具做什么分析；而有编程基础的研究人员，就可以明确清楚哪些工具可以进行什么分析。需要注意的是，仅仅提供工具的名称可能会出现模型幻觉问题，即AI助手将多个类似功能的工具参数进行混用，或者无中生有，生成一个工具本身没有的参数。解决方案是在要求写代码前，先向AI助手提供相关的github链接，或者上传工具的使用文档让AI助手理解，以提高工具的使用准确性。
-
描述错误处理：
如果遇到无法读取的文件或格式错误，请在脚本中添加错误处理机制。
同样属于高级内容，当遇到比较复杂的分析情况时，通常会遇到一些错误，如某行数据为空，行列不一致等情况，和自己写代码的时候差不多，需要实际情况实际处理。在执行一次代码遇到报错后，需要详细描述报错内容，并向AI助手请求提供解决方案，比如遇到样品部分表达水平为空，需要强调对为空的数据进行替换或者归一化。或者，当生成结果与预期不一致时，可以重新调整指令，重点强调AI哪里没有做对，应该如何做。
AI助手生成的代码
根据上述指令，AI助手会生成以下代码：
import os
import pandas as pd
input_dir = 'sample'
output_file = 'summary_statistics.csv'
summary_df = pd.DataFrame(columns=[
'Sequence ID', 'Genome size(bp)', 'GCcontent(%)', 'CDSs num(#)',
'Average Protein Len(bp)', 'Coding Ratio(%)'
])
for root, dirs, files in os.walk(input_dir):
for file in files:
if file == 'statistics.txt':
file_path = os.path.join(root, file)
with open(file_path, 'r') as f:
lines = f.readlines()
data = {line.split('\t')[0].strip(): line.split('\t')[1].strip() for line in lines}
row = {
'Sequence ID': os.path.basename(root),
'Genome size(bp)': data['Total Sequence Length (bp)'],
'GCcontent(%)': data['GCcontent (%)'],
'CDSs num(#)': data['Number of CDSs'],
'Average Protein Len(bp)': data['Average Protein Length'],
'Coding Ratio(%)': data['Coding Ratio (%)']
}
summary_df = summary_df.append(row, ignore_index=True)
summary_df.to_csv(output_file, index=False)
print(f'Summary statistics have been written to {output_file}')
对我而言，pandas库其实我不是很熟，但是因为有python基础，这个代码我是可以读懂的，能读懂的意思就是可以改。我在样品文件夹当前路径vim创建了一个py脚本，把代码复制粘贴进去，把input_dir = 'sample'改成input_dir = './'（如果指令中说当前路径下的文件夹或许这里也不用改）。直接运行，结果非常顺利生成了统计文档。
| Sequence ID | Genome size (bp) | GC content (%) | CDSs num (#) | Average Protein Len (bp) | Coding Ratio (%) |
|---|---|---|---|---|---|
| Sample1_pilon | 3,146,359 | 56.3 | 3,471 | 268.5 | 88.9 |
| Sample2_pilon | 3,155,279 | 56.3 | 3,472 | 269.5 | 89.0 |
| Sample3_pilon | 3,160,123 | 56.5 | 3,455 | 267.0 | 89.5 |
| Sample4_pilon | 3,140,567 | 56.1 | 3,438 | 265.5 | 88.0 |
| Sample5_pilon | 3,130,789 | 55.9 | 3,410 | 264.0 | 87.5 |
总结
示例中还有很多可以优化的地方，比如输出文档的名称没有要求、输出参考格式应当强调列名的统一（或者说不应该用参考二字），实际情况是我生成的代码将statistics.txt里面所有的结果都做了一行进行汇总统计，而不是我指定输出的五列结果（AI助手生成的代码已是二次调整后生成）。另外input_dir = 'sample'这里只是一个示例，需要读者自己选择在哪里执行脚本来运行。
通过向AI助手提供清晰的指令和要求，即使是没有编程基础的生信小白也能够获得一个定制的统计脚本。记住，与AI助手的沟通越明确，生成的代码就越能满足你的需求。不要害怕提问和提供反馈，这是提高代码质量和效率的关键。
🌟 非常感谢您抽出宝贵的时间阅读我的文章。如果您觉得这篇文章对您有所帮助，或者激发了您对数据科学的兴趣，我诚挚地邀请您：
👍 点赞这篇文章，让更多人看到我们共同的热爱和追求。
🔔 关注我的账号，不错过每一次知识的分享和探索的旅程。
📢 您的每一个点赞和关注都是对我最大的支持和鼓励，也是推动我继续创作优质内容的动力。
📚 我承诺，将持续为您带来深度与广度兼具的数据科学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。
💌 如果您有任何问题或想要进一步交流，欢迎在评论区留言，我会尽快回复您。
