RNA-seq 表达量工作流 (rnaseq_expression)

插件: rnaseq_expression 状态: 活跃 (2026-06-18)

工作流

FASTQ
  → fastp (QC)
  → STAR / HISAT2 (比对)
  → featureCounts (定量)
  → DESeq2 (差异表达)
  → 离线基因符号注释 + GO/Reactome ORA/GSEA（GSEApy，可选）
  → 报告 + 图表

工具链

阶段

默认工具

替代方案

类别

QC

fastp

FastQC, MultiQC

qc

比对

STAR

HISAT2

alignment

定量

featureCounts

Salmon, Kallisto

expression

差异表达

DESeq2

edgeR

differential_expression

富集分析

ABI 离线富集 + GSEApy

—

enrichment

标准表格

表格

内容

必需

qc_summary

Reads QC 指标 (总 reads, Q30, GC)

是

alignment_summary

比对率, 唯一/多重比对 reads

是

gene_expression

每个基因的原始计数

是

normalized_expression

DESeq2 中位数比率归一化计数

是

differential_expression

每个基因的 log2FC, p-value, padj

是

annotated_differential_expression

带 GTF gene_symbol 的 DESeq2 结果

否

go_overrepresentation、reactome_overrepresentation

含 overlap gene symbols 的完整 ORA 结果

否

go_gsea、reactome_gsea

含 leading-edge gene symbols 的完整 preranked GSEA 结果

否

图表

图表

文件

必需

QC reads 计数

figures/qc_read_counts.png

是

比对率

figures/mapping_rate.png

是

PCA 表达量

figures/pca_expression.png

是

火山图

figures/volcano_deg.png

是

MA 图

figures/ma_plot.png

否

Top DEG 热图

figures/top_deg_heatmap.png

否

GO/Reactome ORA + GSEA

四组 SciPlot PDF/SVG/PNG 图

否

快速开始

# 计划
abi plan --type rnaseq_expression \
  --config data/examples/rnaseq_expression/config.yaml \
  --outdir results/rnaseq_example

# 干运行
abi dry-run --type rnaseq_expression \
  --config data/examples/rnaseq_expression/config.yaml \
  --outdir results/rnaseq_example

# 真实执行 (需要 STAR 索引 + GTF 注释)
abi run --type rnaseq_expression \
  --config data/examples/rnaseq_expression/config.yaml \
  --outdir results/rnaseq_example \
  --confirm-execution

# 报告
abi report --type rnaseq_expression \
  --result-dir results/rnaseq_example

配置

最小配置

project_name: "rnaseq_expression_run"
mode: dry_run
threads: 4
outdir: results/rnaseq_expression
input:
  sample_sheet: sample_sheet.tsv
alignment:
  tool: star
resources:
  genome_index: /path/to/star_index
  annotation_gtf: /path/to/Homo_sapiens.GRCh37.75.gtf
  go_obo: /path/to/go-basic.obo
  go_gaf: /path/to/goa_human.gaf.gz
  reactome_gmt: /path/to/ReactomePathways.gmt
enrichment:
  enabled: true
  annotation_release: GRCh37.75
  rank_column: stat
  permutations: 1000
  gsea_fdr: 0.25
  seed: 20260727
differential_expression:
  comparison: "treatment_vs_control"
  alpha: 0.05

enrichment.gsea_fdr 必须位于 (0, 1]。它只筛选 SciPlot 的 GSEA 预览图； 完整 GO 与 Reactome GSEA 表不会截断。

样本表格式

sample_id	group	condition	platform	read1	read2
sample1	treatment	treated	rna_seq	raw/s1_R1.fastq.gz	raw/s1_R2.fastq.gz
sample2	treatment	treated	rna_seq	raw/s2_R1.fastq.gz	raw/s2_R2.fastq.gz
sample3	control	untreated	rna_seq	raw/s3_R1.fastq.gz	raw/s3_R2.fastq.gz
sample4	control	untreated	rna_seq	raw/s4_R1.fastq.gz	raw/s4_R2.fastq.gz

必需列: sample_id, read1, read2。可选: group, condition, platform。

资源需求

真实执行需要：

  1. STAR 基因组索引 — 通过 STAR --runMode genomeGenerate 构建。

  2. GTF 注释 — GENCODE、Ensembl 或 RefSeq 格式。

  3. R + DESeq2 — BiocManager::install("DESeq2")。

  4. 可选富集资源 — 本地 GO OBO、人类 GOA GAF 和 Reactome GMT 快照。

  5. 可选富集运行时 — 锁定的 rnaseq 环境包含 GSEApy 1.3.0；该阶段不访问网络。

所有资源在真实运行后出现在 provenance/resource_manifest.json 中。

已知局限性

详见 plugins/rnaseq_expression/limitations.yaml。要点：

  1. RNA-seq 测量的是转录本丰度，而非蛋白质水平。

  2. 比对率取决于参考基因组的完整性。

  3. DESeq2 假设大多数基因不差异表达。

  4. 低表达基因具有膨胀的 FDR。

  5. 参考基因组/注释版本会影响结果。

架构说明

此插件是内联实现（没有 _engine/ 子包），遵循与 metatranscriptomics 相同的模式。解析函数存在于插件模块 本身，而非单独的 parsers.py 文件中。

插件生命周期

load_config()  →  build_plan()  →  run (ExternalExecutor)
  →  parse_outputs() (按步骤)  →  write_report()

解析器分发

parse_outputs(tool_id, output_dir, sample_id) 分发：

  • fastp → _parse_fastp() → qc_summary

  • star → _parse_star() → alignment_summary

  • featurecounts → _parse_featurecounts() → gene_expression

  • deseq2 → _parse_deseq2() + _parse_deseq2_normalized() → differential_expression + normalized_expression

  • rnaseq_enrichment → 基因符号注释 + 四张完整富集表 + 四张 top-N SciPlot 输入表