批量数据处理与作图

批量处理是智能体最容易放大效率的地方。它可以先写脚本，再运行脚本，最后检查输出文件是否完整。

常见数据类型

实验数据类型	适合让智能体做什么	常见图	必须检查什么
时间序列实验	按时间点汇总每组均值、标准误，生成趋势图	折线图、面积图、带误差线折线图	时间单位是否一致，重复数是否一致。
多组处理实验	计算组间差异，生成描述统计和显著性标注所需数据	箱线图、小提琴图、柱状图、散点叠加图	统计检验是否适合实验设计。
高通量指标	筛选显著指标，排序，聚类，生成矩阵和图	热图、火山图、气泡图、UMAP/tSNE	阈值、校正 p 值、归一化方法。
图像定量结果	读取 ImageJ/显微图定量表，按样本和处理组汇总	柱状图、箱线图、散点图、分面图	不能把视野误当生物重复。
文献提取参数	从论文中抽取样本量、方法、指标、结论	证据矩阵、研究设计分布图	不能猜字段；不确定就写“未说明”。

示例 1：时间序列数据

请读取 data/time_series.csv。
字段包括：sample_id, group, time_min, value。

请生成：
1. 每个 group 在每个 time_min 的 mean、SD、SEM、n；
2. 一张带误差线的折线图；
3. 输出 summary.xlsx 和 fig/time_series.png；
4. 写 scripts/plot_time_series.py，保证下次换数据能重跑。

检查重点：

• 时间单位是否一致。
• 每组每个时间点的 n 是否正确。
• 是否有缺失时间点。
• 误差线代表 SD 还是 SEM。

示例 2：差异分析结果

请读取 results/differential_expression.csv。
字段包括：gene, log2FC, pvalue, padj, baseMean。

请生成：
1. 火山图：x 轴 log2FC，y 轴 -log10(padj)；
2. 标出 padj < 0.05 且 |log2FC| > 1 的基因；
3. 给 top 10 显著基因加文字标签；
4. 输出 up/down regulated gene summary；
5. 如果有 expression_matrix.csv，再画 top 30 基因热图；
6. 图片保存为 PNG 和 PDF，300 DPI；
7. 脚本保存为 scripts/plot_expression.py。

请不要解释成生物学结论，只做数据整理和可视化。

检查重点：

• 阈值是否写清楚。
• adjusted p-value 是否使用正确。
• 是否误把 pvalue 当成 padj。
• 热图是否使用合适的归一化方式。

示例 3：ImageJ 定量结果

显微图、Western blot、ImageJ 定量结果经常会导出一张表。注意：一个样本可能有多个视野，不能直接把每个视野当成独立样本。

请分析 data/imagej_measurements.csv 和 data/sample_info.xlsx。
measurement 表里每行是一个视野，字段有 sample_id, image_id, area, intensity。
sample_info 里有 sample_id, group, batch。

请先检查：
1. 每个 sample_id 有多少个 image_id；
2. 是否有样本缺少分组信息；
3. intensity 是否有极端值。

然后生成：
1. sample_level_summary.xlsx：先按 sample_id 汇总平均 intensity；
2. group_level_summary.xlsx：再按 group 汇总 mean、SD、SEM、n；
3. fig/intensity_by_group.png：每组显示散点 + 箱线图；
4. README：说明为什么不能直接把视野当生物重复。

一条完整任务怎么写

请作为数据分析助手处理这个实验数据项目。

输入：
- data/raw/：原始 Excel，不要修改
- data/metadata.xlsx：样本分组信息

任务：
1. 检查每个文件的列名、缺失值、异常值；
2. 合并数据和 metadata；
3. 生成 data/processed/cleaned_data.xlsx；
4. 按 group、time、marker 计算 mean、SD、SEM、n；
5. 每个 marker 生成一张带误差线的图；
6. 图保存到 fig/，表保存到 outputs/；
7. 写 README 说明每一步做了什么。

限制：
- 不要覆盖 raw 数据；
- 统计检验先给建议，不要擅自下结论；
- 所有脚本放 scripts/。

生成图以后不要马上用

• 看原始数据行数和清洗后行数是否能对上。
• 检查每组 n 是否正确，尤其是生物重复和技术重复。
• 看单位是否一致，例如 mg/L、ug/mL、百分比、fold change。
• 确认异常值是错误、真实极端值，还是单位录入问题。
• 检查图例、坐标轴、标题、误差线含义是否写清楚。
• 保存脚本，保证下次换数据也能重新跑一遍。