Skip to content

SKILL.md

Latest commit

 

History

History
215 lines (157 loc) · 7.95 KB

SKILL.md

File metadata and controls

215 lines (157 loc) · 7.95 KB
name scrna-celltype-annotation
description 基于 Seurat FindAllMarkers 差异表达结果与文献 MCP 工具，对单细胞亚群进行 major/minor 细胞类型注释并生成带 R recode 代码和详细文献依据的 Markdown 报告。
version 1.0.0

单细胞亚群注释与文献报告（Gemini 版）

这个技能为 Gemini 模型提供一套标准化流程，用于：

  • 读取经过 Seurat 流程（特别是 FindAllMarkers）处理好的单细胞 DGE 表格（CSV）
  • 利用 MCP 文献检索工具（如 PubMed / OpenAlex）为每个 cluster/亚群做 major / minor 两层级注释
  • 输出一份包含 R recode 注释代码 + 文献依据说明 的 Markdown 报告

Overview

典型使用场景：

  • 用户已经完成 Seurat 聚类与差异分析，只缺“高质量细胞注释 + 文献支撑报告”
  • 希望在论文或项目文档中直接粘贴：
    • recode 注释代码
    • 每个 cluster 注释的文献依据（带 PMID/DOI 与具体证据描述）

这个技能强调：

  • MCP first：优先通过 PubMed/OpenAlex 等 MCP 工具获取真实文献信息
  • 两层级注释：major（大类）+ minor（精细亚型）
  • 报告结构固定：便于自动化集成与后续复用

Required Inputs

  1. DGE / FindAllMarkers 结果 CSV
    • 必备列（名称可自定义，但需能识别）：
      • cluster / ident（cluster ID）
      • gene / feature（基因 symbol）
      • 效应量列（如 avg_log2FC / avg_logFC）
      • 显著性列（如 p_val_adj / p_val）
    • 可选推荐列：
      • 表达比例：pct.1 / pct.2
  2. Seurat 对象元信息
    • R 对象名（如 colon、pbmc）
    • cluster 列名（如 seurat_clusters）
    • 目标注释列名（默认：celltype_major / celltype_minor）
  3. 生物学上下文
    • 物种（mouse / human / rat / other）
    • 组织/器官（如 colon、lung、PBMC）
    • 疾病或实验模型（如 IBD、tumor、针灸造模等）
    • 是否有指定的重要参考文献（如某 atlas 论文）

MCP Tools (Conceptual)

PubMed 系列

  • pubmed_search / pubmed_quick_search：按“marker 组合 + 组织 + single-cell”检索候选文献
  • pubmed_get_details：获取题目、摘要、期刊、年份、PMID 等
  • pubmed_extract_key_info：抽取摘要/结果中的关键信息
  • pubmed_cross_reference：查找相似或相关研究

OpenAlex / 其他

  • openalex_search：用标题/关键词检索相关单细胞文献
  • openalex_get_work：查看文章元数据与摘要
  • openalex_detect_fulltext / 其他全文工具：需要精确图注/表格描述时可调用

实现时应调用真实的 MCP 工具，而非凭空编造文献信息。禁止虚构 PMID/DOI 或伪造图表内容。

Workflow

1. Parse DGE Table

  1. 读取 CSV，识别：
    • cluster 列名
    • gene 列名
    • 效应量 & 显著性列名
  2. 按 cluster 分组，构建每个 cluster 的 marker 列表，并保证每个 cluster 至少有 30 个 log2FC 较高的上调基因被纳入后续分析：
    • 第一步：按显著性过滤上调基因（如 p_val_adj < 0.05 且 avg_log2FC > 0），按 avg_log2FC 从高到低排序。
    • 若显著上调基因数量 ≥ 30：在这些基因中选取 top N（例如 30–100 个，默认 N≈50，可根据上下文调整）。
    • 若显著上调基因数量 < 30：在保留全部显著基因的前提下，继续按 avg_log2FC 从高到低补充分子，即便其 p_val_adj 不显著，直到该 cluster 至少包含 30 个上调基因。
    • 后续解释时，应明确标注这部分“仅 log2FC 高但显著性不足的 marker”为探索性 marker，而非高置信度差异基因。

2. Initial Major Classification by Marker Rules

基于经典 marker 组合，对每个 cluster 进行初步 major 类型判定（仅供先验）：

  • EpC：EPCAM、KRT8/18、MUC 系列…
  • Myeloid / Macrophage：LYZ、CD68、CSF1R、MRC1…
  • T：CD3D/E、CD4、CD8A/B、IL7R、GZMB…
  • B / Plasma：MS4A1、CD79A/B、MZB1、XBP1、SDC1…
  • Endothelial：PECAM1、VWF、KDR、CLDN5…
  • Fibroblast/Stromal：COL1A1、COL3A1、DCN、PDGFRA…
  • Smooth muscle：ACTA2、TAGLN、MYH11…
  • Neuron / Glia：SNAP25、RBFOX3、GFAP…

输出每个 cluster 的候选 major 类型列表，为后续 MCP 检索提供上下文。

3. Literature Retrieval per Cluster

对于每个 cluster：

  1. 构造检索 query：
    • 组合 top marker + 组织 + 物种 + (“single-cell” / “scRNA-seq”) ± 预期 cell type 关键词
  2. 调用 PubMed/OpenAlex 检索候选文献：
    • 首先获取 5–10 篇最相关的单细胞/组织特异研究
  3. 对重点文献：
    • 提取：
      • 该细胞类型/亚型的 marker 列表
      • 单细胞图谱中 cluster 的命名方式
      • 与当前 cluster marker 高度吻合的片段（图注/结果/表格）
  4. 基于 marker + 文献证据，确定：
    • minor 注释名（精细亚型）
    • major 注释名（大类）

若证据不足以支持精细亚型：

  • 使用较宽泛的 minor 名称，并在报告中标注为“基于 marker 组合推断，缺乏直接单细胞文献支持”。

4. Generate R recode Code

根据每个 cluster 的 major/minor 结论，生成：

# major 注释
object$celltype_major <- recode(object$seurat_clusters,
  "0" = "EpC",
  "1" = "TC",
  ...
)

# minor 注释
object$celltype_minor <- recode(object$seurat_clusters,
  "0" = "EpC_goblet_precursor",
  "1" = "TC_matrix_secreting",
  ...
)

要求：

  • cluster 编码与原始 Seurat 对象完全一致
  • 在报告开头注明对象名、cluster 列名和两个注释列名

5. Compose Markdown Report

报告应至少包含：

  1. ## 总结与Recode函数
    • 说明对象名 & 列名
    • 输出两段完整的 R recode 代码（major / minor）
  2. ## 注释概述
    • 按 major 类型分节
    • 每个 major 小节：
      • 列出包含的 cluster 和 minor 名称
      • 用 2–4 句描述该大类的生物学功能
  3. ## 各 cluster 注释的文献依据
    • 每个 cluster 一个小节，包含：
      • 预测细胞类型（major + minor）
      • 关键 marker 基因列表
      • 文献依据条目：
        • [作者等, 年, 期刊, PMID: xxxx, DOI: yyyy] - 来自哪一部分（图/表/结果）的证据 + 简要描述

可选：在文末添加“方法说明与局限性”小节。

Output Contract

完成任务时，Gemini 模型必须输出：

  1. 一段完整的 Markdown 文档内容，结构至少包含：
## 总结与Recode函数
...（major / minor 两套 R recode 代码）

## 注释概述
...（按 major 类型归类 cluster）

## 各 cluster 注释的文献依据
...（逐 cluster 说明 marker 与文献证据）

在执行环境支持文件写入的情况下，Gemini 模型应当优先将完整 Markdown 报告直接写入当前项目根目录（例如保存为 ./scrna_celltype_annotation_report.md，或根据用户指定的文件名保存），而不是在对话中输出整篇长文。聊天回复中只需：

  • 指明报告文件的保存路径/文件名
  • 提供简短的结构说明和主要结论摘要。

后续若用户需要微调注释结果，应以该报告文件为核心，通过对该文件内容的增量修改来完成，而不是重复生成新的完整报告。

  1. 简短执行摘要：
    • 注释的 cluster 数量
    • major 类型数量与列表
    • 文献支持充分 vs 推断为主的 cluster 数量

Safety & Error Handling

  • 禁止伪造文献信息：不得虚构 PMID/DOI/期刊名或伪造“Figure X 结论”。
  • 证据不足时：
    • 明确标记为“基于 marker 组合的推断”
    • 鼓励用户在后续实验或更精细分析中进一步验证
  • 冲突结果时：
    • 说明不同文献的差异
    • 解释当前选择该注释方案的理由（如更贴合组织/疾病背景、样本量更大等）

遵循以上流程，Gemini 模型即可稳定地为单细胞项目生成可追溯、可复现的细胞类型注释与文献报告。