NCPGR 生信路由

用途

本 skill 作为 NCPGR 集群生信分析的路由层，协调三个知识层，不重复它们的细节：

1. bioSkills：决定生物学工作流、工具选择、文件格式和方法级参数。
2. ncpgr-software：将工作流适配到 NCPGR 的 module、Singularity 镜像、公共数据库、本地软件可用性和资源指导。
3. ncpgr-lsf：将计算步骤转化为简洁的 LSF 脚本、提交策略、监控命令和故障排查步骤。

bioSkills 路径解析

bioSkills 在磁盘上的存储路径为： /public/home/software/.claude/skills/bioSkills/

当 workflow-map.md 引用形如 read-qc/quality-filtering 的 skill 时，完整路径为：/public/home/software/.claude/skills/bioSkills/read-qc/quality-filtering/SKILL.md

在生成分析指导之前，始终使用 Read 工具加载对应的 bioSkill SKILL.md —— 不要仅依赖训练知识。

执行顺序

处理 NCPGR 集群生信请求时：

1. 识别分析类型、输入文件、物种/参考基因组、样本数量和预期输出。
2. 加载或查阅对应分析方法的 bioSkills 指导。
3. 应用 ncpgr-software 本地化软件调用、数据库、容器和资源建议。
4. 应用 ncpgr-lsf 生成 .lsf 脚本、数组作业、依赖策略和作业监控命令。
5. 返回用户可在集群上运行的本地执行方案。

如果请求仅涉及安装公共软件，使用 ncpgr-install-software 而非本 skill。

严格模式

当用户请求严格模式（或传入 --strict）时，以下规则覆盖所有默认行为：

门控规则

禁止在未读取 bioSkill SKILL.md 的情况下编写或执行该步骤的脚本。

每个流程步骤在执行前必须通过以下门控：

1. 读取该步骤对应的 bioSkill SKILL.md（使用 Read 工具加载文件）
2. 从 SKILL.md 中提取推荐的参数、方法和工具用法
3. 在跟踪日志中记录加载信息：bioSkill 路径、步骤名称、"已加载"、使用的关键参数
4. 然后才能编写该步骤的 LSF/R 脚本

如果某步骤没有对应的 bioSkill，记录"未加载 | 无对应bioSkill"后继续。

验证清单

每个步骤执行前，用结构化条目确认完成情况：

[STRICT] 步骤: <步骤名称>
  bioSkill: <SKILL.md 路径>
  已读取: 是/否
  来自 skill 的关键参数: <列表>
  与 skill 的偏差: <列表或"无">

严格模式违规

以下行为在严格模式下视为违规：

• 未先读取 bioSkill SKILL.md 就编写该步骤的脚本
• 使用与 bioSkill 矛盾的参数但未记录偏差
• 跳过 workflow-map.md 中为该分析类型列出的 bioSkill

优先级规则

1. 用户显式约束覆盖默认值。
2. NCPGR 本地执行规则覆盖通用 bioSkills 示例。
3. bioSkills 负责生物学正确性和分析逻辑。
4. ncpgr-software 负责软件可用性、module load、Singularity、数据库路径、队列和资源估算。
5. ncpgr-lsf 负责 LSF 脚本结构、提交、监控和作业状态故障排查。

冲突规则

• R 语言版本规则：所有 LSF 脚本中 R 相关步骤优先使用 module load R/4.0.0。R/4.0.0 已内置 clusterProfiler、DESeq2、edgeR、limma、ggplot2、pheatmap 等 758 个包，这些已内置的包不需要额外执行 install.packages() 或 BiocManager::install()。仅当所需包不在 R/4.0.0 内置列表中时，才考虑使用其他 R 版本。
• 优先使用集群提供的 module 软件。
• 不要假设软件存在；当可用性重要时，用 mii search、module av、/share/Singularity/ 或数据库 module 检查来验证。
• 不要将依赖网络的任务提交到计算节点。下载、包安装和 API 调用在登录节点执行。
• /share/database/ 下的公共数据库应在合适时复用，而非重建。
• LSF 脚本应保持简洁可读。除非用户明确要求，避免复杂的 shell 元编程。
• 除非平台指导明确要求，不要设置 LSF 内存或时间限制。
• 对普通生信工具使用 #BSUB -R "span[hosts=1]"，除非该工具已知支持多节点 MPI。
• 避免在计算作业中使用 /tmp，除非工具要求且会自行清理。

输出规范

生成分析回答时，应包含：

1. 工作流概述。
2. 所需输入文件和前提假设。
3. 软件/module/数据库检查。
4. 队列和核心数建议。
5. 涉及计算时的 LSF 脚本。
6. 提交、监控和检查命令（参见下方"作业监控清单"）。
7. 结果校验和常见失败点。

对于多样本多步骤工作流，在生成所有脚本之前，询问用户选择逐步提交还是依赖链提交。默认推荐逐步提交，因为更易于检查和恢复。

作业监控清单

生成 LSF 脚本后，始终生成针对该工作流定制的监控清单。不要重复 ncpgr-lsf 中的通用 LSF 命令；重点放在每个分析步骤需要验证什么。

结构

工作流中的每个步骤，包含：

步骤 N: <步骤名称> (作业名: <job_name>)
  查看输出:  bpeek <jobid>
  检查要点:  <该步骤特有的成功/失败标志>
  输出文件:  <预期产出文件及大小范围>
  常见问题:  <该步骤典型的失败模式和解决方法>

示例：RNA-seq 流程监控

步骤 1: 质控 (作业名: fastp)
  查看输出:  bpeek <jobid>
  检查要点:  末尾应出现 "total reads" 统计；过滤后 reads 数不应骤降超过 50%
  输出文件:  *.clean.fastq.gz + *.json 报告
  常见问题:  输入文件路径错误 → PEND 或秒退 EXIT

步骤 2: 比对 (作业名: STAR)
  查看输出:  bpeek <jobid>
  检查要点:  "Uniquely mapped reads %" 应 > 70%（模式生物）；Log.final.out 中 "Number of input reads" 与步骤1一致
  输出文件:  Aligned.sortedByCoord.out.bam (~原始 fq.gz 的 0.5-1 倍大小)
  常见问题:  内存不足 → EXIT，换 smp 队列；索引路径错 → 假运行无输出

步骤 3: 定量 (作业名: featureCounts)
  查看输出:  bpeek <jobid>
  检查要点:  "Successfully assigned" 比例应 > 60%；所有样本的 assigned 比例应大致一致
  输出文件:  counts.txt（行数 ≈ 基因数 + 几行表头）
  常见问题:  GTF 文件与参考基因组版本不匹配 → assigned 比例极低

步骤 4: 差异表达 (作业名: DESeq2)
  查看输出:  bpeek <jobid>
  检查要点:  R 脚本无 Error 或 Warning；MA plot 和火山图正常生成
  输出文件:  diff_results.csv + 质控图
  常见问题:  未使用 R/4.0.0 时可能缺少 DESeq2/clusterProfiler 等内置包 → 优先切换到 R/4.0.0

编写原则

1. 每一步的"检查要点"必须包含该步骤特有的数值指标（如比对率、assigned 比例），不能只写"看日志无报错"
2. 输出文件应给出预期大小范围，帮助用户判断是否正常完成
3. 常见问题应针对该步骤，不要笼统写"检查内存/核数"
4. 通用 LSF 操作（bjobs 查状态、bkill 终止、bpeek 看输出）由 ncpgr-lsf 提供，此处不重复语法

常用路由

工作流映射请查阅 references/workflow-map.md。该文件包含两层：

1. 覆盖每个 bioSkills 场景家族的全量映射表。
2. 常见端到端工作流的详细路由说明。

如果用户请求匹配的 bioSkills 场景在详细工作流章节中未覆盖，先通过全量映射表路由，然后查阅对应的 bioSkills/<family>/<skill> 指导，再应用 ncpgr-software 和 ncpgr-lsf。