Промпты для биоинформатика. 30 готовых примеров для генерации

Биоинформатика – одна из тех областей, где ошибка в запросе к нейросети обходится дороже, чем в большинстве других профессий. Неточная формулировка – и вместо анализа дифференциальной экспрессии генов получаешь общие рассуждения на уровне учебника. Промпты для биоинформатика должны быть точными, структурированными и учитывать специфику задачи.

В этой статье – 30 готовых примеров запросов для нейросети, которые закрывают реальные задачи: от разбора геномных данных до написания скриптов на Python и R, от интерпретации результатов секвенирования до подготовки публикаций.

Какие задачи здесь закрыты:

• Анализ последовательностей и геномная сборка
• Работа с данными транскриптомики и протеомики
• Написание и отладка скриптов для обработки биологических данных
• Интерпретация результатов и подготовка научных текстов
• Статистическая обработка и визуализация
• Работа с базами данных и аннотация генов

30 промптов для биоинформатика: готовые запросы для нейросети

1. Анализ качества сырых данных секвенирования

Проблема: Перед началом любого анализа нужно оценить качество ридов, но интерпретация отчетов FastQC вызывает вопросы – особенно у тех, кто только начинает работать с данными секвенирования нового поколения.

Решение: Промпт помогает получить четкую интерпретацию показателей качества и рекомендации по фильтрации.

Текст промпта:

*****

Ты – [укажите роль, например, «опытный биоинформатик, специализирующийся на анализе данных секвенирования нового поколения»].

Задача: проанализируй отчет FastQC и дай развернутую интерпретацию результатов.

Контекст: у меня есть данные секвенирования [укажите тип, например, «парноконцевое секвенирование Illumina NovaSeq 6000, образцы тканей печени мыши»]. Показатели отчета: [вставьте ключевые метрики, например, «Per base sequence quality: предупреждение на позициях 85–100, Per sequence GC content: сбой, Overrepresented sequences: найдено 3 последовательности»]. Общее число ридов: [укажите, например, «42 миллиона»].

Логика действий:

1. Объясни значение каждого проблемного показателя простым языком.
2. Укажи, какие из них критичны, а какие допустимы для данного типа данных.
3. Дай конкретные рекомендации по параметрам фильтрации в Trimmomatic или Fastp.
4. Предупреди о возможных последствиях, если не устранить выявленные проблемы.

Формат ответа: структурированный разбор по каждому проблемному показателю, затем итоговая таблица с рекомендуемыми параметрами фильтрации.
Ограничения: не давай общих советов «улучшить качество данных» – только конкретные действия с параметрами.
Тон: профессиональный, четкий, без излишней академичности.

*****

Почему это работает: Указание конкретных метрик из отчета вынуждает нейросеть работать с реальными данными, а не генерировать общие рекомендации. Структура ответа с итоговой таблицей делает результат сразу пригодным к использованию.

2. Написание скрипта выравнивания ридов на референсный геном

Проблема: Выбор инструмента выравнивания и правильная настройка параметров – источник ошибок даже для опытных специалистов, особенно когда речь идет о нестандартных организмах или специфических типах данных.

Решение: Промпт генерирует готовый скрипт с объяснением каждого параметра.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик с опытом работы в геномике растений»].

Задача: напиши готовый скрипт выравнивания ридов на референсный геном с подробными комментариями к каждой строке.

Контекст: тип данных – [укажите, например, «одиночное секвенирование РНК, 75 bp, Illumina»]. Организм: [укажите, например, «Arabidopsis thaliana, референсный геном TAIR10»]. Инструмент выравнивания: [укажите предпочтительный, например, «STAR» или «HISAT2»]. Вычислительные ресурсы: [укажите, например, «сервер с 32 ядрами и 128 ГБ ОЗУ»].

Логика действий:

1. Напиши скрипт для командной строки (bash).
2. Включи шаг индексации генома, если он требуется.
3. Добавь параметры, оптимальные для данного типа данных.
4. Включи проверку успешного завершения каждого шага.

Формат ответа: готовый bash-скрипт с комментариями на русском языке к каждой команде, затем краткое объяснение ключевых параметров.
Ограничения: не используй устаревшие параметры, несовместимые с актуальными версиями инструментов; скрипт должен быть готов к запуску после подстановки путей.
Тон: технический, точный.

*****

Почему это работает: Указание конкретного инструмента и вычислительных ресурсов позволяет получить реально применимый скрипт, а не абстрактный пример из документации.

3. Дифференциальный анализ экспрессии генов в R

Проблема: Пакеты DESeq2 и edgeR имеют свои тонкости в настройке, и неправильный выбор параметров нормализации или модели приводит к ложноположительным результатам – что в научном исследовании равносильно катастрофе.

Решение: Промпт создает полный рабочий код с объяснением логики выбора параметров.

Текст промпта:

*****

Ты – [укажите роль, например, «статистик-биоинформатик, специализирующийся на транскриптомном анализе»].

Задача: напиши код на R для анализа дифференциальной экспрессии генов с использованием [укажите пакет, например, «DESeq2»].

Контекст: дизайн эксперимента – [опишите, например, «сравнение двух условий: контроль vs. обработка препаратом X, по 4 биологических повтора в каждой группе, клетки HeLa»]. Данные на входе: [укажите формат, например, «матрица счетчиков ридов (counts matrix) в формате CSV, гены в строках, образцы в столбцах»]. Порог значимости: [укажите, например, «FDR 1»].

Логика действий:

1. Загрузка и предобработка данных.
2. Создание объекта DESeq2 с правильной моделью.
3. Нормализация и оценка дисперсии.
4. Получение результатов с применением поправки на множественные сравнения.
5. Визуализация: вулкан-график и тепловая карта топ-50 генов.

Формат ответа: полный R-код с комментариями на русском языке, затем объяснение ключевых решений (почему выбрана именно эта модель, какой метод поправки использован и почему).
Ограничения: не упрощай код за счет пропуска шагов контроля качества; предупреди о типичных ошибках при работе с данными такого типа.
Тон: точный, методически строгий.

*****

Почему это работает: Детальное описание дизайна эксперимента позволяет нейросети выбрать правильную статистическую модель, а не предложить универсальный шаблон, который «работает для всех случаев» – то есть ни для какого конкретного.

4. Интерпретация результатов обогащения по генным онтологиям

Проблема: Анализ обогащения (GO enrichment) выдает длинные списки терминов, которые нужно осмысленно интерпретировать в контексте биологии конкретного эксперимента, а не просто перечислить в статье.

Решение: Промпт помогает получить биологически осмысленную интерпретацию результатов обогащения.

Текст промпта:

*****

Ты – [укажите роль, например, «молекулярный биолог с опытом функциональной геномики»].

Задача: интерпретируй результаты анализа обогащения по генным онтологиям и помоги сформулировать биологически значимые выводы.

Контекст: эксперимент – [опишите, например, «сравнение транскриптома нейронов до и после 24-часовой гипоксии»]. Список обогащенных терминов GO: [вставьте топ-20 терминов с p-значениями, например, «GO:0006986 response to unfolded protein, p=1.2e-8; GO:0034976 response to endoplasmic reticulum stress, p=3.4e-7…»]. Организм: [укажите, например, «Rattus norvegicus»].

Логика действий:

1. Сгруппируй термины по биологическим процессам, объединив семантически близкие.
2. Объясни биологический смысл каждой группы в контексте экспериментального условия.
3. Выдели наиболее биологически значимые находки и объясни почему.
4. Предложи формулировки для раздела «Обсуждение» научной статьи.
5. Укажи, какие термины могут быть артефактами или требуют дополнительной проверки.

Формат ответа: сначала группировка терминов с объяснением, затем раздел с готовыми формулировками для статьи, затем предупреждения о возможных артефактах.
Ограничения: не пересказывай определения терминов GO – только биологическую интерпретацию в контексте данного эксперимента.
Тон: академический, но доступный.

*****

Почему это работает: Требование группировки семантически близких терминов устраняет главную проблему GO-анализа – дублирование смысла в десятках похожих терминов. Нейросеть вынуждена синтезировать, а не перечислять.

5. Написание скрипта на Python для парсинга данных из базы данных NCBI

Проблема: Работа с программным интерфейсом NCBI через Entrez требует понимания ограничений по частоте запросов, форматов данных и особенностей обработки XML-ответов – и здесь легко потерять несколько часов на отладку.

Решение: Промпт генерирует готовый скрипт с обработкой ошибок и соблюдением ограничений программного интерфейса.

Текст промпта:

*****

Ты – [укажите роль, например, «Python-разработчик с опытом работы с биологическими базами данных»].

Задача: напиши скрипт на Python для автоматической загрузки данных из NCBI через Entrez.

Контекст: нужно загрузить [опишите задачу, например, «нуклеотидные последовательности всех генов 16S рРНК для рода Lactobacillus в формате FASTA, не менее 1400 нуклеотидов длиной»]. Ключевые слова для поиска: [укажите, например, «Lactobacillus[Organism] AND 16S ribosomal RNA[Title] AND 1400:2000[Sequence Length]»]. Адрес электронной почты для регистрации в Entrez: [укажите ваш email].

Логика действий:

1. Реализуй поиск через esearch и загрузку через efetch.
2. Соблюди ограничение: не более 3 запросов в секунду без ключа API.
3. Добавь обработку ошибок сети и повторные попытки при сбоях.
4. Сохрани результаты в файл с прогресс-баром.
5. Добавь проверку дубликатов по идентификаторам последовательностей.

Формат ответа: готовый Python-скрипт с комментариями на русском языке, список необходимых библиотек для установки, инструкция по запуску.
Ограничения: не используй устаревшие методы Biopython; скрипт должен корректно работать с большими выборками (более 10 000 записей).
Тон: технический, практичный.

*****

Почему это работает: Указание конкретных ограничений программного интерфейса и требование обработки ошибок делает скрипт пригодным для реальной работы, а не только для демонстрации концепции.

6. Анализ вариантов однонуклеотидного полиморфизма и их функциональная аннотация

Проблема: Интерпретация вариантов однонуклеотидного полиморфизма требует понимания множества баз данных и инструментов аннотации, и без четкого плана анализ превращается в хаотичное переключение между ресурсами.

Решение: Промпт выстраивает четкий конвейер аннотации с объяснением логики каждого шага.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на геномике человека и клинической интерпретации вариантов»].

Задача: разработай пошаговый план и инструменты для функциональной аннотации вариантов однонуклеотидного полиморфизма.

Контекст: на входе – [опишите данные, например, «VCF-файл с 50 000 вариантами, полученными при полногеномном секвенировании пациента с подозрением на наследственное заболевание»]. Цель анализа: [укажите, например, «выявить патогенные варианты в генах, связанных с кардиомиопатией»]. Доступные ресурсы: [укажите, например, «локальный сервер с 16 ядрами, доступ к ClinVar и gnomAD»].

Логика действий:

1. Фильтрация вариантов по качеству (VQSR или жесткая фильтрация).
2. Аннотация через ANNOVAR или VEP с указанием конкретных баз данных.
3. Приоритизация вариантов по частоте в популяции и предсказанному эффекту.
4. Сопоставление с базами патогенных вариантов (ClinVar, HGMD).
5. Формирование итогового списка кандидатных вариантов с классификацией по критериям ACMG.

Формат ответа: пошаговый план с конкретными командами для каждого шага, таблица используемых баз данных с их назначением, список типичных ошибок на каждом этапе.
Ограничения: не рекомендуй инструменты, требующие платной лицензии, без указания альтернатив; учти, что данные касаются пациента и требуют соблюдения конфиденциальности.
Тон: методически строгий, клинически ориентированный.

*****

Почему это работает: Указание конкретной клинической цели и упоминание критериев ACMG переводит нейросеть из режима общих рекомендаций в режим клинически значимого анализа.

7. Создание конвейера метагеномного анализа

Проблема: Метагеномный анализ – это цепочка из десятков шагов, где ошибка в одном звене обесценивает весь последующий анализ. Многие выбирают инструменты по принципу «видел в чужой статье», не понимая, подходят ли они для конкретных данных.

Решение: Промпт создает обоснованный конвейер с объяснением выбора каждого инструмента.

Текст промпта:

*****

Ты – [укажите роль, например, «микробиолог-биоинформатик с опытом анализа микробиома кишечника»].

Задача: разработай полный конвейер метагеномного анализа с обоснованием выбора инструментов.

Контекст: тип данных – [укажите, например, «ампликонное секвенирование гена 16S рРНК, регион V3-V4, Illumina MiSeq, 300 bp парноконцевые риды»]. Количество образцов: [укажите, например, «60 образцов фекалий человека, 30 здоровых доноров и 30 пациентов с болезнью Крона»]. Цель: [опишите, например, «сравнить состав микробиома между группами и выявить таксоны-маркеры заболевания»].

Логика действий:

1. Предобработка и контроль качества ридов.
2. Объединение парных ридов и удаление химер.
3. Кластеризация в ОТЕ или анализ на основе ампликонных вариантов последовательностей (АВП).
4. Таксономическая классификация с указанием базы данных.
5. Оценка альфа- и бета-разнообразия.
6. Статистическое сравнение между группами с поправкой на множественные сравнения.

Формат ответа: конвейер в виде пронумерованных шагов с конкретными командами, обоснование выбора QIIME2 vs. DADA2 vs. других инструментов для данного типа данных, список типичных ошибок и как их избежать.
Ограничения: объясни, почему одни инструменты предпочтительнее других именно для данного типа данных; не предлагай конвейер, оптимальный «для всего сразу».
Тон: методически строгий, с акцентом на воспроизводимость результатов.

*****

Почему это работает: Требование обоснования выбора инструментов заставляет нейросеть не просто перечислить популярные решения, а объяснить причинно-следственную связь между типом данных и выбором метода.

8. Предсказание структуры белка и интерпретация результатов

Проблема: AlphaFold2 стал доступен всем, но интерпретация показателя уверенности предсказания (pLDDT) и оценка качества модели требуют понимания, которого у многих пользователей просто нет.

Решение: Промпт помогает правильно интерпретировать предсказанную структуру и оценить ее надежность.

Текст промпта:

*****

Ты – [укажите роль, например, «структурный биолог с опытом работы с предсказаниями AlphaFold2 и сравнительным моделированием»].

Задача: помоги интерпретировать предсказанную структуру белка и оценить надежность модели.

Контекст: белок – [опишите, например, «гипотетический белок из Bacillus subtilis, 342 аминокислоты, функция неизвестна»]. Результаты предсказания AlphaFold2: [опишите ключевые показатели, например, «средний pLDDT = 71.4, регионы с pLDDT < 50 на участках 45–78 и 201–230, pTM = 0.68"]. Дополнительный контекст: [укажите, например, "белок имеет гомологию 34% с известной протеазой из E. coli"].

Логика действий:

1. Объясни значение показателей pLDDT и pTM для оценки качества модели.
2. Интерпретируй низкоуверенные регионы – это неупорядоченные участки или артефакт?
3. Предложи дальнейшие шаги: молекулярный докинг, сравнение со структурами из PDB, экспериментальная верификация.
4. Укажи, какие биологические выводы можно делать на основе этой модели, а какие – нельзя.

Формат ответа: структурированная интерпретация по каждому показателю, раздел с биологическими выводами, раздел с рекомендациями по дальнейшему анализу.
Ограничения: четко разграничивай, что является достоверным выводом, а что – лишь гипотезой; не преувеличивай надежность предсказания.
Тон: академически строгий, с четкими оговорками об ограничениях метода.

*****

Почему это работает: Требование четко разграничивать достоверные выводы и гипотезы – ключевое для работы с предсказательными методами, где соблазн переинтерпретировать результаты особенно велик.

9. Анализ данных одноклеточного секвенирования РНК

Проблема: Данные одноклеточного секвенирования РНК требуют специфической предобработки, и ошибки в фильтрации «пустых капель» или дублетов на раннем этапе необратимо искажают все последующие кластеры.

Решение: Промпт создает полный рабочий процесс с акцентом на критические шаги контроля качества.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на одноклеточной транскриптомике»].

Задача: разработай рабочий процесс анализа данных одноклеточного секвенирования РНК с акцентом на контроль качества и интерпретацию кластеров.

Контекст: данные – [опишите, например, «10x Chromium данные из 8 образцов опухоли поджелудочной железы, около 5000 клеток на образец, предобработка CellRanger уже выполнена»]. Биологический вопрос: [опишите, например, «идентифицировать клеточные популяции и найти маркеры опухолевых клеток в сравнении с нормальной тканью»]. Инструмент: [укажите, например, «Seurat в R»].

Логика действий:

1. Загрузка данных CellRanger и создание объекта Seurat.
2. Фильтрация по числу генов, числу молекул и доле митохондриальных генов – с обоснованием порогов.
3. Нормализация, выбор высокоизменчивых генов, масштабирование.
4. Снижение размерности (PCA, UMAP) и кластеризация.
5. Аннотация кластеров с использованием маркерных генов.
6. Интеграция нескольких образцов с коррекцией пакетного эффекта.

Формат ответа: полный R-код с комментариями, объяснение выбора порогов фильтрации, раздел о типичных ошибках при аннотации кластеров.
Ограничения: не пропускай шаг коррекции пакетного эффекта при работе с несколькими образцами; предупреди о рисках произвольной аннотации кластеров без валидации.
Тон: методически строгий, с акцентом на воспроизводимость.

*****

Почему это работает: Акцент на обоснование порогов фильтрации критически важен – именно здесь большинство аналитиков либо используют значения «из статьи», либо подбирают их интуитивно, что делает результаты невоспроизводимыми.

10. Написание раздела «Методы» для научной статьи

Проблема: Раздел «Методы» в биоинформатических статьях часто либо слишком скудный (невозможно воспроизвести), либо перегружен деталями, которые редакторы просят сократить. Найти баланс сложно.

Решение: Промпт создает раздел «Методы» нужного уровня детализации в соответствии с требованиями конкретного журнала.

Текст промпта:

*****

Ты – [укажите роль, например, «научный редактор с опытом подготовки биоинформатических статей для высокорейтинговых журналов»].

Задача: напиши раздел «Методы» для научной статьи, описывающий биоинформатический анализ.

Контекст: журнал – [укажите, например, «Nucleic Acids Research, требования: методы должны быть воспроизводимы, все версии программного обеспечения указаны, данные депонированы в открытый репозиторий»]. Описание анализа: [подробно опишите выполненные шаги, например, «секвенирование на Illumina HiSeq 4000, выравнивание STAR 2.7.9, дифференциальная экспрессия DESeq2 1.34, GO-анализ clusterProfiler 4.0, все данные в GEO под номером GSE…»]. Язык статьи: [укажите, например, «английский»].

Логика действий:

1. Структурируй раздел согласно требованиям журнала.
2. Укажи все версии программного обеспечения и базы данных.
3. Опиши параметры, отличающиеся от значений по умолчанию.
4. Включи ссылки на оригинальные публикации для каждого инструмента.
5. Добавь информацию о доступности данных и кода.

Формат ответа: готовый текст раздела «Методы» на указанном языке, соответствующий требованиям журнала, с плейсхолдерами для ссылок в квадратных скобках.
Ограничения: не используй пассивный залог там, где журнал требует активного; не пропускай информацию о версиях программного обеспечения.
Тон: академический, точный, в соответствии со стандартами научного письма.

*****

Почему это работает: Указание конкретного журнала с его требованиями позволяет получить текст, соответствующий реальным редакционным стандартам, а не обобщенный шаблон.

11. Сборка и аннотация бактериального генома

Проблема: Выбор между сборщиками и оценка качества сборки – два узких места, где даже опытные специалисты принимают решения на основе привычки, а не обоснованного анализа.

Решение: Промпт создает обоснованный план сборки и аннотации с критериями оценки качества.

Текст промпта:

*****

Ты – [укажите роль, например, «микробный геномик с опытом сборки и аннотации бактериальных геномов»].

Задача: разработай план сборки и аннотации бактериального генома с обоснованием выбора инструментов.

Контекст: данные – [опишите, например, «гибридные данные: короткие риды Illumina (150 bp, парноконцевые, покрытие ~100x) и длинные риды Nanopore (средняя длина 8 кб, покрытие ~30x)»]. Организм: [укажите, например, «новый штамм Pseudomonas sp., выделенный из почвы, ожидаемый размер генома ~6 Мб»]. Цель: [укажите, например, «получить полную замкнутую сборку и аннотировать гены вторичного метаболизма»].

Логика действий:

1. Контроль качества коротких и длинных ридов по-отдельности.
2. Гибридная сборка с обоснованием выбора инструмента (Unicycler, Flye+Pilon или другое).
3. Оценка качества сборки: N50, число контигов, BUSCO-полнота.
4. Аннотация генов через Prokka с дополнительной аннотацией специализированными базами данных.
5. Поиск кластеров генов вторичного метаболизма через antiSMASH.

Формат ответа: пошаговый план с командами, таблица критериев качества сборки с пороговыми значениями, список типичных проблем при гибридной сборке.
Ограничения: объясни, почему гибридная сборка предпочтительнее одного типа ридов для данной задачи; укажи, что делать, если сборка не замыкается в кольцо.
Тон: технически точный, практически ориентированный.

*****

Почему это работает: Требование обоснования выбора сборщика для конкретного сочетания типов данных заставляет нейросеть объяснить причинно-следственную связь, а не просто назвать популярный инструмент.

12. Анализ хромосомной доступности (ATAC-seq)

Проблема: Данные ATAC-seq требуют специфической предобработки с учетом смещения транспозазы, и игнорирование этого шага приводит к систематическим ошибкам в определении пиков.

Решение: Промпт создает полный конвейер обработки с акцентом на специфические шаги, критичные именно для этого типа данных.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на эпигеномике и анализе открытого хроматина»].

Задача: разработай конвейер анализа данных ATAC-seq от сырых ридов до биологической интерпретации.

Контекст: данные – [опишите, например, «парноконцевые риды ATAC-seq из первичных Т-лимфоцитов человека, 4 биологических повтора, секвенирование Illumina NovaSeq»]. Цель: [укажите, например, «идентифицировать регуляторные элементы, специфичные для активированных Т-клеток в сравнении с наивными»]. Референс: [укажите, например, «геном человека hg38»].

Логика действий:

1. Контроль качества и тримминг адаптеров.
2. Выравнивание с параметрами, оптимальными для ATAC-seq.
3. Коррекция смещения транспозазы Tn5 (сдвиг +4/-5 bp).
4. Удаление дублей и ридов из митохондрий.
5. Вызов пиков через MACS2/MACS3.
6. Дифференциальный анализ доступности между условиями.
7. Аннотация пиков и обогащение мотивов транскрипционных факторов.

Формат ответа: конвейер в виде bash-скрипта с комментариями, объяснение коррекции смещения транспозазы и почему это критично, типичные ошибки при анализе ATAC-seq.
Ограничения: не пропускай шаг коррекции смещения транспозазы – это критическая особенность метода; укажи, как оценить успешность обогащения.
Тон: технически точный, методически строгий.

*****

Почему это работает: Явное указание на коррекцию смещения транспозазы как критического шага гарантирует, что нейросеть не «упростит» конвейер, пропустив специфическую для метода обработку.

13. Филогенетический анализ и построение эволюционного дерева

Проблема: Выбор модели замен нуклеотидов и метода построения дерева (максимальное правдоподобие vs. байесовский подход) часто делается произвольно, хотя от этого зависит достоверность эволюционных выводов.

Решение: Промпт создает обоснованный рабочий процесс с выбором модели и оценкой надежности дерева.

Текст промпта:

*****

Ты – [укажите роль, например, «эволюционный биолог с опытом молекулярной филогенетики»].

Задача: разработай пошаговый план филогенетического анализа с обоснованием выбора метода.

Контекст: данные – [опишите, например, «нуклеотидные последовательности гена RecA из 45 штаммов бактерий рода Bacillus и 5 внешних групп»]. Цель: [укажите, например, «установить эволюционные отношения между штаммами и определить, является ли исследуемый штамм новым видом»]. Доступные инструменты: [укажите, например, «MAFFT, IQ-TREE2, MrBayes, FigTree»].

Логика действий:

1. Множественное выравнивание последовательностей с оценкой качества.
2. Отбор оптимальной модели замен нуклеотидов через ModelTest-NG.
3. Построение дерева методом максимального правдоподобия с бутстреп-поддержкой.
4. Альтернативно: байесовское дерево через MrBayes с апостериорными вероятностями.
5. Визуализация и интерпретация дерева.
6. Оценка, поддерживает ли дерево гипотезу о новом виде (порог ANI и другие критерии).

Формат ответа: пошаговый план с командами, объяснение разницы между методами и когда использовать каждый, интерпретация показателей поддержки ветвей.
Ограничения: объясни, почему выбор модели замен важен и что происходит при неправильном выборе; не рекомендуй метод объединения по соседям (NJ) как основной для публикации.
Тон: академически строгий, с акцентом на методологическую корректность.

*****

Почему это работает: Явное требование объяснить последствия неправильного выбора модели замен переводит нейросеть из режима инструкции в режим обучения – что значительно ценнее для понимания метода.

14. Разработка конвейера для обнаружения структурных вариантов генома

Проблема: Структурные варианты (делеции, дупликации, инверсии, транслокации) часто упускаются при стандартном анализе вариантов однонуклеотидного полиморфизма, хотя именно они могут быть функционально значимыми.

Решение: Промпт создает специализированный конвейер обнаружения структурных вариантов с объяснением логики выбора инструментов.

Текст промпта:

*****

Ты – [укажите роль, например, «геномик, специализирующийся на обнаружении структурных вариантов и анализе копийности»].

Задача: разработай конвейер обнаружения и аннотации структурных вариантов генома.

Контекст: данные – [опишите, например, «данные полногеномного секвенирования опухоли и нормальной ткани одного пациента, покрытие 60x для опухоли и 30x для нормы, Illumina NovaSeq»]. Цель: [укажите, например, «выявить соматические структурные варианты в опухоли, потенциально значимые для диагностики и выбора терапии»]. Референс: [укажите, например, «геном человека GRCh38»].

Логика действий:

1. Предобработка и выравнивание с параметрами, оптимальными для обнаружения структурных вариантов.
2. Обнаружение структурных вариантов несколькими инструментами (Manta, DELLY, LUMPY) и объяснение, почему нужно несколько.
3. Объединение результатов и фильтрация по поддержке нескольких инструментов.
4. Анализ числа копий через CNVkit или GATK4 CNV.
5. Аннотация соматических структурных вариантов.
6. Приоритизация клинически значимых находок.

Формат ответа: конвейер с командами, объяснение стратегии использования нескольких инструментов и как объединять их результаты, критерии фильтрации ложноположительных результатов.
Ограничения: объясни ограничения коротких ридов для обнаружения структурных вариантов и когда нужны длинные риды; не пропускай шаг сравнения с нормальной тканью для фильтрации зародышевых вариантов.
Тон: клинически ориентированный, методически строгий.

*****

Почему это работает: Требование использования нескольких инструментов с объяснением логики такого подхода отражает реальную практику – ни один инструмент не обнаруживает все типы структурных вариантов одинаково хорошо.

15. Анализ метилирования ДНК (WGBS/RRBS)

Проблема: Данные бисульфитного секвенирования требуют специального выравнивателя и особого подхода к нормализации, и использование стандартных инструментов для обычного секвенирования дает бессмысленные результаты.

Решение: Промпт создает специализированный конвейер для анализа данных метилирования с объяснением ключевых отличий от стандартного секвенирования.

Текст промпта:

*****

Ты – [укажите роль, например, «эпигеномик с опытом анализа метилирования ДНК методами WGBS и RRBS»].

Задача: разработай конвейер анализа данных бисульфитного секвенирования от предобработки до идентификации дифференциально метилированных регионов.

Контекст: тип данных – [укажите, например, «RRBS данные из клеток крови, 6 образцов здоровых доноров и 6 пациентов с аутоиммунным заболеванием»]. Цель: [укажите, например, «найти дифференциально метилированные регионы, связанные с заболеванием, особенно в промоторных областях генов иммунного ответа»]. Референс: [укажите, например, «геном человека hg38»].

Логика действий:

1. Контроль качества и удаление адаптеров с учетом специфики RRBS (Trim Galore).
2. Выравнивание через Bismark с объяснением, почему нельзя использовать обычные выравниватели.
3. Дедупликация и извлечение информации о метилировании.
4. Фильтрация позиций по покрытию.
5. Дифференциальный анализ метилирования через DSS или methylKit.
6. Аннотация дифференциально метилированных регионов и связь с экспрессией генов.

Формат ответа: конвейер с командами, объяснение ключевых отличий обработки данных бисульфитного секвенирования от стандартного, критерии выбора порогов для дифференциального анализа.
Ограничения: объясни, почему конверсия бисульфита требует специального выравнивателя; укажи, как оценить эффективность конверсии бисульфита.
Тон: методически строгий, с акцентом на специфику метода.

*****

Почему это работает: Явное требование объяснить, почему нельзя использовать стандартные инструменты, гарантирует, что нейросеть передаст понимание механизма метода, а не просто список команд.

16. Молекулярный докинг и виртуальный скрининг

Проблема: Результаты молекулярного докинга часто переинтерпретируются – высокая расчетная аффинность принимается за реальное связывание, хотя докинг имеет серьезные ограничения, о которых часто забывают.

Решение: Промпт создает план виртуального скрининга с явным указанием ограничений метода и критериев отбора кандидатов.

Текст промпта:

*****

Ты – [укажите роль, например, «вычислительный химик с опытом молекулярного докинга и виртуального скрининга лекарственных кандидатов»].

Задача: разработай план виртуального скрининга библиотеки соединений против белковой мишени с учетом ограничений метода.

Контекст: мишень – [опишите, например, «кристаллическая структура протеинкиназы DYRK1A из PDB (ID: 2WO6), разрешение 1.8 Å»]. Библиотека соединений: [укажите, например, «коллекция из 50 000 природных соединений из базы данных ZINC Natural Products»]. Цель: [укажите, например, «отобрать топ-50 кандидатов для экспериментального тестирования ингибирования киназы»].

Логика действий:

1. Подготовка структуры белка: удаление воды, добавление водородов, определение сайта связывания.
2. Предфильтрация библиотеки по правилам Липинского и другим фармакокинетическим критериям.
3. Докинг через AutoDock Vina или GNINA с параметрами для жесткого и гибкого докинга.
4. Анализ результатов: не только по энергии связывания, но и по ключевым взаимодействиям в активном центре.
5. Кластеризация результатов и отбор структурно разнообразных кандидатов.
6. Постдокинговая фильтрация и ранжирование.

Формат ответа: пошаговый план с командами, таблица критериев отбора кандидатов, явный раздел об ограничениях метода и что нельзя утверждать на основе результатов докинга.
Ограничения: обязательно включи раздел об ограничениях докинга; не позволяй делать выводы о реальной активности соединений только на основе расчетной аффинности.
Тон: научно строгий, с четкими оговорками об интерпретации результатов.

*****

Почему это работает: Требование обязательного раздела об ограничениях метода – редкость в промптах, но именно это делает результат научно корректным, а не просто красивым списком кандидатов.

17. Создание автоматизированного отчета по анализу данных в R Markdown

Проблема: Большинство биоинформатических анализов существуют в виде разрозненных скриптов без документации, что делает воспроизведение результатов через полгода квестом с неизвестным исходом.

Решение: Промпт создает шаблон воспроизводимого отчета, объединяющего код, результаты и интерпретацию.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на воспроизводимых исследованиях и документировании анализа данных»].

Задача: создай шаблон воспроизводимого отчета в R Markdown для биоинформатического анализа.

Контекст: тип анализа – [опишите, например, «полный конвейер анализа РНК-seq: от матрицы счетчиков до списка дифференциально экспрессированных генов и GO-анализа»]. Аудитория отчета: [укажите, например, «руководитель лаборатории (биолог без программирования) и коллеги-биоинформатики»]. Требования к воспроизводимости: [укажите, например, «все версии пакетов зафиксированы, случайные числа воспроизводимы, данные загружаются автоматически»].

Логика действий:

1. Структура отчета: введение, данные и методы, результаты, заключение.
2. Разделение кода на чанки с понятными названиями и описаниями.
3. Автоматическая запись версий всех использованных пакетов.
4. Параметризация отчета для легкого применения к новым данным.
5. Встроенная визуализация с подписями и интерпретацией.
6. Экспорт в HTML и PDF с единой командой.

Формат ответа: готовый шаблон R Markdown с заполненными примерами кода, объяснение каждого структурного блока, инструкция по параметризации для новых проектов.
Ограничения: шаблон должен быть понятен как программисту, так и биологу без опыта программирования; не усложняй структуру без необходимости.
Тон: практичный, ориентированный на долгосрочную воспроизводимость.

*****

Почему это работает: Указание двух разных аудиторий – биолога и биоинформатика – вынуждает нейросеть создать документацию, понятную обоим, что решает реальную проблему коммуникации в лабораториях.

18. Анализ взаимодействий белок-белок и построение сети

Проблема: Сети взаимодействий белков легко построить, но их интерпретация часто сводится к поиску «хабов» без понимания биологического контекста – что дает красивую картинку, но мало смысла.

Решение: Промпт создает план анализа сети с акцентом на биологически осмысленную интерпретацию.

Текст промпта:

*****

Ты – [укажите роль, например, «системный биолог с опытом сетевого анализа взаимодействий белков»].

Задача: разработай план анализа сети взаимодействий белков с биологически осмысленной интерпретацией.

Контекст: исходные данные – [опишите, например, «список из 200 дифференциально экспрессированных генов при раке молочной железы, полученных в предыдущем анализе»]. Источник данных о взаимодействиях: [укажите, например, «база данных STRING с порогом достоверности 0.7»]. Цель: [укажите, например, «выявить ключевые регуляторные узлы и модули, потенциально значимые как терапевтические мишени»].

Логика действий:

1. Построение сети взаимодействий через программный интерфейс STRING или Cytoscape.
2. Анализ топологических параметров: степень, центральность по посредничеству, кластерный коэффициент.
3. Выявление модулей (кластеров) через алгоритм MCODE или MCL.
4. Функциональная аннотация модулей.
5. Выявление ключевых узлов с биологическим обоснованием их значимости.
6. Сравнение с известными онкогенными путями.

Формат ответа: пошаговый план с кодом на R (пакет igraph) или инструкцией для Cytoscape, критерии отбора ключевых узлов, предупреждения о типичных ошибках интерпретации сетей.
Ограничения: предупреди о проблеме смещения в базах данных взаимодействий (хорошо изученные белки имеют больше задокументированных взаимодействий); не ограничивайся только топологическими метриками.
Тон: системно-биологический, с акцентом на биологическую интерпретацию.

*****

Почему это работает: Требование предупредить о смещении в базах данных взаимодействий – неочевидный, но критически важный нюанс, который большинство аналитиков упускают и который делает результаты потенциально вводящими в заблуждение.

19. Разработка праймеров для ПЦР и валидация in silico

Проблема: Дизайн праймеров «на глаз» или через простые онлайн-инструменты без проверки специфичности часто приводит к неспецифической амплификации – и к потере реагентов, времени и нервов.

Решение: Промпт создает полный план разработки и валидации праймеров с проверкой специфичности.

Текст промпта:

*****

Ты – [укажите роль, например, «молекулярный биолог с опытом дизайна праймеров для количественной ПЦР и цифровой ПЦР»].

Задача: разработай набор праймеров для [укажите цель, например, «количественной ПЦР для определения экспрессии гена BRCA1 в клетках человека»] и проведи их валидацию in silico.

Контекст: целевая последовательность – [укажите, например, «ген BRCA1 человека, нужно амплифицировать экзон 11, избегая псевдогенов»]. Параметры реакции: [укажите, например, «температура отжига 60°C, размер ампликона 80–150 bp для количественной ПЦР, использование мастер-микса SYBR Green»]. Дополнительные требования: [укажите, например, «праймеры должны перекрывать границу экзон-экзон для исключения геномной ДНК»].

Логика действий:

1. Дизайн праймеров через Primer3 с указанием параметров.
2. Проверка специфичности через BLAST против транскриптома и генома человека.
3. Анализ вторичных структур и димеров праймеров.
4. Расчет температуры плавления и проверка совместимости пары.
5. Проверка перекрытия границы экзон-экзон через базу данных UCSC.

Формат ответа: таблица с предложенными парами праймеров и их характеристиками, результаты in silico валидации, рекомендации по оптимизации условий ПЦР.
Ограничения: не предлагай праймеры без проверки специфичности; укажи потенциальные проблемы с псевдогенами или гомологичными последовательностями.
Тон: технически точный, практически ориентированный.

*****

Почему это работает: Требование проверки специфичности против транскриптома и генома, а не только против целевого гена, отражает реальную практику и предотвращает наиболее распространенную ошибку при дизайне праймеров.

20. Анализ данных ChIP-seq для картирования связывания транскрипционных факторов

Проблема: Качество данных ChIP-seq сильно зависит от эффективности иммунопреципитации, и анализ данных плохого качества дает результаты, которые красиво выглядят, но биологически бессмысленны.

Решение: Промпт создает конвейер с акцентом на оценку качества специфичного для ChIP-seq и интерпретацию результатов.

Текст промпта:

*****

Ты – [укажите роль, например, «эпигеномик с опытом анализа данных ChIP-seq для транскрипционных факторов и гистоновых модификаций»].

Задача: разработай конвейер анализа данных ChIP-seq с акцентом на контроль качества эксперимента.

Контекст: тип эксперимента – [опишите, например, «ChIP-seq для транскрипционного фактора p53 в клетках HCT116, обработанных доксорубицином, с соответствующим контролем (Input)»]. Данные: [укажите, например, «одиночное секвенирование, 50 bp, Illumina HiSeq, 2 биологических повтора»]. Референс: [укажите, например, «геном человека hg38»].

Логика действий:

1. Контроль качества ридов и выравнивание.
2. Оценка качества ChIP-seq: показатели FRiP, NSC, RSC – с объяснением пороговых значений.
3. Вызов пиков через MACS2 с контролем Input.
4. Оценка воспроизводимости между повторами через IDR.
5. Аннотация пиков: распределение по геномным элементам.
6. Анализ обогащения мотивов в пиках.
7. Сравнение с публичными данными ChIP-seq для p53.

Формат ответа: конвейер с командами, таблица показателей качества ChIP-seq с пороговыми значениями и интерпретацией, типичные признаки неудачного ChIP-seq эксперимента.
Ограничения: обязательно включи оценку показателей FRiP и NSC/RSC – без этого нельзя доверять результатам; объясни, что делать, если качество ниже порогового.
Тон: методически строгий, с акцентом на качество эксперимента.

*****

Почему это работает: Требование оценки показателей качества, специфичных для ChIP-seq, – это именно тот шаг, который пропускают при работе с данными из публичных репозиториев, не задумываясь о качестве исходного эксперимента.

21. Анализ кругового РНК и некодирующих РНК

Проблема: Круговые РНК требуют специфических инструментов обнаружения, и использование стандартных конвейеров для линейных РНК приведет к тому, что большинство из них будет просто отброшено как «химеры».

Решение: Промпт создает специализированный конвейер для обнаружения и характеризации некодирующих РНК.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на некодирующих РНК и посттранскрипционной регуляции»].

Задача: разработай конвейер для обнаружения и анализа круговых РНК из данных тотального РНК-seq.

Контекст: данные – [опишите, например, «тотальный РНК-seq без обеднения по рибосомальной РНК, парноконцевые риды 150 bp, клетки нейробластомы, 3 условия: контроль, дифференцировка, апоптоз»]. Цель: [укажите, например, «идентифицировать круговые РНК, специфически регулируемые при дифференцировке нейробластомы»]. Референс: [укажите, например, «геном человека hg38 с аннотацией Ensembl»].

Логика действий:

1. Предобработка ридов с сохранением ридов, пересекающих обратные сплайс-сайты.
2. Обнаружение круговых РНК через несколько инструментов (CIRI2, find_circ, CircRNA_finder).
3. Объединение результатов и фильтрация надежных кандидатов.
4. Количественная оценка экспрессии круговых РНК.
5. Дифференциальный анализ между условиями.
6. Функциональная аннотация: предсказание сайтов связывания микроРНК.

Формат ответа: конвейер с командами, объяснение, почему нужно несколько инструментов для обнаружения круговых РНК, критерии фильтрации надежных кандидатов.
Ограничения: объясни принципиальное отличие обнаружения круговых РНК от линейных и почему стандартные инструменты не подходят; предупреди о высоком уровне ложноположительных результатов.
Тон: технически точный, с акцентом на специфику метода.

*****

Почему это работает: Требование объяснить принципиальное отличие от анализа линейных РНК гарантирует передачу концептуального понимания, а не просто набора команд.

22. Интеграция мультиомных данных

Проблема: Интеграция геномных, транскриптомных и протеомных данных – это не просто объединение таблиц. Без правильного статистического подхода результаты будут либо тривиальными, либо ложными.

Решение: Промпт создает обоснованный план мультиомной интеграции с выбором метода под конкретную задачу.

Текст промпта:

*****

Ты – [укажите роль, например, «системный биолог с опытом интеграции мультиомных данных в онкологических исследованиях»].

Задача: разработай стратегию интеграции данных нескольких омических уровней для выявления молекулярных механизмов заболевания.

Контекст: доступные данные для одной когорты пациентов – [опишите, например, «данные полногеномного секвенирования (вариантный анализ), РНК-seq (транскриптомика), протеомика методом масс-спектрометрии, данные метилирования ДНК; 50 пациентов с глиобластомой и 20 здоровых контролей»]. Биологический вопрос: [опишите, например, «какие молекулярные изменения определяют агрессивный фенотип опухоли»]. Доступные инструменты: [укажите, например, «R, пакеты MOFA2, mixOmics»].

Логика действий:

1. Предобработка каждого омического слоя по-отдельности.
2. Выбор метода интеграции: ранняя, промежуточная или поздняя – с обоснованием.
3. Применение MOFA2 для факторного анализа мультиомных данных.
4. Интерпретация факторов: какой омический слой вносит наибольший вклад.
5. Выявление молекулярных подтипов и их клинических ассоциаций.
6. Валидация находок на независимой когорте.

Формат ответа: стратегия интеграции с обоснованием выбора метода, код на R для основных шагов, раздел о типичных ошибках при интеграции мультиомных данных.
Ограничения: объясни разницу между ранней и поздней интеграцией и последствия неправильного выбора; предупреди об опасности переобучения при малом числе образцов.
Тон: методически строгий, системно-биологический.

*****

Почему это работает: Требование обосновать выбор стратегии интеграции (ранняя/промежуточная/поздняя) – это именно тот концептуальный вопрос, ответ на который определяет корректность всего последующего анализа.

23. Подготовка данных для депонирования в публичный репозиторий

Проблема: Депонирование данных в GEO или SRA кажется простой формальностью, пока не выясняется, что метаданные заполнены неправильно, данные не прошли валидацию, и статью не принимают к публикации.

Решение: Промпт создает полный чек-лист подготовки данных к депонированию с учетом требований конкретного репозитория.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик с опытом депонирования геномных данных в публичные репозитории NCBI GEO и SRA»].

Задача: подготовь полный план депонирования биоинформатических данных в публичный репозиторий в соответствии с требованиями журнала.

Контекст: тип данных – [опишите, например, «данные РНК-seq: сырые риды в формате FASTQ, матрица счетчиков, нормализованные данные, метаданные образцов»]. Репозиторий: [укажите, например, «NCBI GEO»]. Журнал: [укажите, например, «Nature Communications – требует открытого доступа к данным до публикации»]. Конфиденциальность: [укажите, например, «данные от пациентов с обезличиванием согласно протоколу этического комитета»].

Логика действий:

1. Структура депозита: что загружать в GEO, что в SRA, какие файлы обязательны.
2. Заполнение метаданных: минимальный стандарт MIAME для транскриптомных данных.
3. Контроль качества файлов перед загрузкой.
4. Процедура обезличивания данных пациентов.
5. Получение идентификатора депозита для рецензентов (до публикации).
6. Проверка доступности данных после публикации.

Формат ответа: пошаговый план с конкретными действиями, таблица обязательных метаданных для данного типа данных, типичные причины отклонения депозита.
Ограничения: учти требования к конфиденциальности данных пациентов; не упрощай требования к метаданным – это частая причина задержки публикации.
Тон: практичный, ориентированный на соответствие требованиям журнала.

*****

Почему это работает: Требование учесть конфиденциальность данных пациентов и стандарты метаданных – это именно то, что превращает формальный чек-лист в реально полезный инструмент для исследователей, работающих с клиническими данными.

24. Анализ пространственной транскриптомики

Проблема: Пространственная транскриптомика – относительно новый метод, и большинство аналитиков переносят на него подходы из одноклеточного анализа без учета принципиальных различий в природе данных.

Решение: Промпт создает план анализа с акцентом на специфику пространственных данных и их интеграцию с одноклеточными данными.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на пространственной транскриптомике и пространственной биологии»].

Задача: разработай план анализа данных пространственной транскриптомики с учетом специфики метода.

Контекст: данные – [опишите, например, «данные 10x Visium из срезов ткани почки мыши при хроническом воспалении, 4 среза от 2 животных»]. Дополнительные данные: [укажите, например, «есть данные одноклеточного РНК-seq из той же ткани для деконволюции»]. Цель: [укажите, например, «картировать пространственное распределение клеточных популяций и выявить зоны активного воспаления»].

Логика действий:

1. Предобработка данных Space Ranger и оценка качества пятен.
2. Нормализация с учетом пространственных эффектов.
3. Идентификация пространственно вариабельных генов.
4. Деконволюция пятен с использованием одноклеточных данных как референса.
5. Выявление пространственных доменов через кластеризацию.
6. Анализ пространственной коэкспрессии и взаимодействий между клетками.

Формат ответа: пошаговый план с кодом на R (пакет Seurat/STARmap или Python Squidpy), объяснение ключевых отличий от одноклеточного анализа, типичные ошибки при интерпретации пространственных данных.
Ограничения: объясни, почему прямое применение методов одноклеточного анализа к пространственным данным некорректно; учти ограниченное разрешение метода Visium (пятно содержит несколько клеток).
Тон: методически строгий, с акцентом на специфику метода.

*****

Почему это работает: Явное указание на ограниченное разрешение метода Visium – критически важный нюанс, который определяет, какие биологические вопросы можно и нельзя решить с помощью этих данных.

25. Разработка пользовательского скрипта визуализации геномных данных

Проблема: Стандартные инструменты визуализации геномных данных либо не дают нужного уровня настройки, либо требуют времени на изучение, которого нет. В результате в публикациях появляются графики низкого качества.

Решение: Промпт создает настраиваемый скрипт визуализации, соответствующий требованиям публикации.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик с опытом создания публикационного качества визуализаций геномных данных»].

Задача: напиши скрипт для создания комплексной визуализации геномных данных публикационного качества.

Контекст: тип визуализации – [опишите, например, «многопанельный рисунок для статьи: вулкан-график дифференциальной экспрессии, тепловая карта топ-50 генов, точечный график GO-обогащения, UMAP одноклеточных данных с аннотацией кластеров»]. Требования журнала: [укажите, например, «разрешение 300 dpi, размер шрифта минимум 8pt, цветовая схема доступная для людей с нарушением цветовосприятия»]. Язык: [укажите, например, «R с использованием ggplot2»].

Логика действий:

1. Создание каждого типа графика с оптимальными параметрами.
2. Применение цветовой схемы, доступной для людей с нарушением цветовосприятия.
3. Настройка размеров шрифтов, отступов и подписей осей.
4. Объединение панелей в единый рисунок через patchwork.
5. Экспорт в форматах PDF и TIFF нужного разрешения.

Формат ответа: полный R-код с комментариями, объяснение выбора цветовых схем, инструкция по адаптации для разных данных.
Ограничения: используй только цветовые схемы, доступные для людей с нарушением цветовосприятия (ColorBrewer, viridis); размеры шрифтов должны соответствовать требованиям журнала.
Тон: практичный, ориентированный на требования публикации.

*****

Почему это работает: Требование доступности для людей с нарушением цветовосприятия – это не просто этическое требование, но и требование многих высокорейтинговых журналов, которое часто игнорируется при подготовке рисунков.

26. Предсказание функции белка по последовательности

Проблема: Предсказание функции белка – область, где легко получить уверенный ответ нейросети, который на самом деле является экстраполяцией с низкой надежностью. Различие между надежным предсказанием и догадкой критически важно.

Решение: Промпт создает многоуровневый анализ функции белка с явной оценкой надежности каждого предсказания.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик, специализирующийся на функциональной аннотации белков и сравнительной геномике»].

Задача: проведи многоуровневый анализ для предсказания функции белка с неизвестной функцией.

Контекст: белок – [опишите, например, «гипотетический белок из термофильной археи Sulfolobus acidocaldarius, 289 аминокислот, последовательность прилагается»]. Доступные инструменты: [укажите, например, «HHpred, InterPro, PSIPRED, AlphaFold2, FoldSeek»]. Контекст организма: [укажите, например, «термофил, оптимум роста 75°C, аэроб»].

Логика действий:

1. Поиск гомологов по последовательности через PSI-BLAST (несколько итераций).
2. Поиск структурных гомологов через HHpred и FoldSeek.
3. Предсказание доменов и функциональных мотивов через InterPro.
4. Предсказание вторичной структуры и физико-химических свойств.
5. Синтез всех предсказаний с явной оценкой надежности.
6. Предложение экспериментальных подходов для верификации.

Формат ответа: структурированный отчет по каждому методу с оценкой надежности (высокая/средняя/низкая и почему), итоговая гипотеза о функции с уровнем уверенности, план экспериментальной верификации.
Ограничения: четко разграничивай надежные предсказания (на основе близких гомологов) и спекулятивные; не давай уверенных функциональных аннотаций без достаточного основания.
Тон: академически строгий, с четкой оценкой уровня уверенности в каждом выводе.

*****

Почему это работает: Требование явной оценки надежности для каждого предсказания – ключевой элемент, который отличает научно корректный анализ от генерации правдоподобно звучащих, но ненадежных выводов.

27. Анализ данных протеомики методом масс-спектрометрии

Проблема: Протеомные данные требуют специфической статистической обработки с учетом пропущенных значений – и стандартные подходы к заполнению пропусков могут систематически искажать результаты дифференциального анализа.

Решение: Промпт создает конвейер анализа протеомных данных с правильной стратегией работы с пропущенными значениями.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик-протеомик с опытом анализа данных количественной масс-спектрометрии»].

Задача: разработай конвейер анализа данных количественной протеомики с правильной обработкой пропущенных значений.

Контекст: данные – [опишите, например, «данные метки TMT-10plex из 5 условий по 2 биологических повтора, около 6000 идентифицированных белков, предобработка в MaxQuant выполнена»]. Цель: [укажите, например, «выявить белки, дифференциально накапливающиеся при обработке клеток ингибитором протеасомы»]. Уровень пропущенных значений: [укажите, например, «около 30% пропущенных значений»].

Логика действий:

1. Оценка паттерна пропущенных значений: случайные vs. зависящие от уровня белка.
2. Выбор стратегии заполнения пропусков в зависимости от их природы.
3. Нормализация данных: сравнение методов и обоснование выбора.
4. Дифференциальный анализ с учетом дизайна эксперимента (limma или другой метод).
5. Визуализация: вулкан-график, тепловая карта, профили экспрессии.
6. Функциональная аннотация и обогащение по биологическим процессам.

Формат ответа: код на R с комментариями, объяснение стратегий заполнения пропущенных значений и последствий неправильного выбора, типичные ошибки при анализе протеомных данных.
Ограничения: объясни разницу между случайными пропущенными значениями и пропусками, зависящими от уровня белка, и почему это критично; не применяй одну стратегию заполнения пропусков ко всем данным без анализа их природы.
Тон: статистически строгий, с акцентом на правильную обработку данных.

*****

Почему это работает: Различие между случайными пропущенными значениями и зависящими от уровня белка – это фундаментальный концептуальный момент протеомного анализа, который определяет весь последующий статистический подход.

28. Создание рабочего процесса управления биоинформатическими проектами

Проблема: Биоинформатические проекты часто превращаются в хаос из файлов с именами «final_final_v3_corrected.R», и воспроизвести анализ через год невозможно даже самому автору. Что уж говорить о коллегах.

Решение: Промпт создает систему организации биоинформатического проекта, обеспечивающую воспроизводимость и управляемость.

Текст промпта:

*****

Ты – [укажите роль, например, «биоинформатик с опытом организации крупных вычислительных проектов и управления командными репозиториями»].

Задача: разработай систему организации биоинформатического проекта, обеспечивающую воспроизводимость и управляемость.

Контекст: проект – [опишите, например, «долгосрочный проект по анализу геномики рака, 5 человек в команде, несколько типов омических данных, несколько вычислительных кластеров»]. Требования: [укажите, например, «полная воспроизводимость анализа, версионирование кода и данных, автоматизация конвейеров, совместная работа команды»]. Доступная инфраструктура: [укажите, например, «сервер с системой управления задачами SLURM, хранилище данных 50 ТБ»].

Логика действий:

1. Структура каталогов проекта с разделением данных, кода и результатов.
2. Система версионирования кода через Git с правилами именования коммитов.
3. Управление зависимостями через conda или контейнеры Singularity.
4. Автоматизация конвейеров через Snakemake или Nextflow.
5. Документирование анализа и ведение журнала эксперимента.
6. Правила совместной работы и проверки кода в команде.

Формат ответа: готовая структура каталогов с объяснением назначения каждой папки, шаблон правил совместной работы для команды, типичные ошибки организации биоинформатических проектов.
Ограничения: учти реальные ограничения времени исследователей – система должна быть достаточно простой, чтобы ее реально соблюдали; не предлагай инструменты, требующие значительного времени на освоение без явных преимуществ.
Тон: практичный, ориентированный на долгосрочную поддерживаемость проекта.

*****

Почему это работает: Требование учесть реальные ограничения времени исследователей – это именно то, что отличает жизнеспособную систему организации от идеальной на бумаге, которую никто не соблюдает через неделю после внедрения.

29. Разработка алгоритма машинного обучения для классификации биологических данных

Проблема: Применение методов машинного обучения к биологическим данным страдает от систематической ошибки: модели обучают и тестируют на одних и тех же данных (или на данных с утечкой информации), получая оптимистичные результаты, которые рассыпаются на независимой выборке.

Решение: Промпт создает методологически корректный план применения машинного обучения с правильной валидацией.

Текст промпта:

*****

Ты – [укажите роль, например, «специалист по машинному обучению в биомедицинских данных с опытом разработки диагностических моделей»].

Задача: разработай методологически корректный план применения машинного обучения для классификации биологических образцов.

Контекст: задача – [опишите, например, «классификация пациентов с раком поджелудочной железы vs. хроническим панкреатитом vs. здоровые доноры на основе данных метилирования ДНК плазмы крови (жидкая биопсия)»]. Данные: [укажите, например, «850 000 позиций метилирования для 300 образцов (100 в каждой группе)»]. Цель: [укажите, например, «создать диагностическую модель с чувствительностью >85% при специфичности >90%»].

Логика действий:

1. Стратегия разделения данных: обучающая, валидационная и тестовая выборки – с объяснением, почему нельзя использовать только перекрестную проверку.
2. Отбор признаков строго на обучающей выборке (без утечки информации).
3. Выбор алгоритма: сравнение случайного леса, градиентного бустинга и линейных методов.
4. Настройка гиперпараметров через вложенную перекрестную проверку.
5. Оценка модели на независимой тестовой выборке.
6. Интерпретируемость: какие признаки наиболее важны и биологически ли они обоснованы.

Формат ответа: код на Python или R с комментариями, объяснение стратегии валидации и почему утечка информации критична, метрики оценки качества модели для несбалансированных классов.
Ограничения: строго запрети утечку информации из тестовой выборки в процесс обучения; объясни, почему высокая точность на обучающей выборке не означает хорошей модели.
Тон: методически строгий, с акцентом на воспроизводимость и предотвращение переобучения.

*****

Почему это работает: Явный запрет утечки информации и требование объяснить ее механизм – это ответ на самую распространенную методологическую ошибку в биомедицинских исследованиях с машинным обучением, которая публикуется в рецензируемых журналах с поразительной регулярностью.

30. Подготовка ответа на рецензию по биоинформатической статье

Проблема: Ответ на рецензию – это отдельный жанр научного письма, где неправильная тактика (излишняя уступчивость или, наоборот, защитная позиция) может стоить публикации даже при хорошей работе.

Решение: Промпт создает стратегически выверенный ответ на рецензию с правильным балансом между согласием и обоснованным несогласием.

Текст промпта:

*****

Ты – [укажите роль, например, «опытный ученый с практикой подготовки ответов на рецензии в высокорейтинговых биоинформатических журналах»].

Задача: подготовь стратегически выверенный ответ на рецензию биоинформатической статьи.

Контекст: журнал – [укажите, например, «Genome Biology»]. Статус рукописи: [укажите, например, «major revision»]. Комментарии рецензентов: [вставьте полный текст комментариев рецензентов]. Ваша позиция по каждому комментарию: [для каждого пункта укажите, например, «согласны и исправили / не согласны, вот обоснование / частично согласны»].

Логика действий:

1. Структурируй ответ: общее письмо редактору, затем ответы по каждому рецензенту.
2. Для каждого комментария: цитата рецензента → ответ → что изменено в рукописи.
3. Для несогласия: сформулируй научное обоснование без защитной позиции.
4. Выдели изменения в рукописи конкретными ссылками на страницы и строки.
5. Поблагодари рецензентов за конкретные замечания, улучшившие работу.

Формат ответа: готовый текст ответа на рецензию на указанном языке публикации, с правильной структурой и профессиональным тоном; отдельно – рекомендации по изменениям в рукописи.
Ограничения: не используй чрезмерно уступчивые формулировки («рецензент абсолютно прав») – они снижают авторитет авторов; не занимай защитную позицию при несогласии – только научные аргументы.
Тон: профессиональный, уважительный, уверенный.

*****

Почему это работает: Явное разграничение между уступчивостью и научно обоснованным несогласием – это именно та тонкость, которая определяет исход рецензии и о которой редко говорят в методических руководствах.

Типичные ошибки при составлении запросов для нейросети в биоинформатике

1. Не указывать тип и параметры данных, ожидая, что нейросеть «поймет сама». Без информации о типе секвенирования, покрытии и формате данных нейросеть генерирует универсальные ответы, которые могут быть неприменимы к конкретной задаче или вовсе противоречить ее требованиям.
2. Просить написать «скрипт для анализа» без указания версий инструментов. Биоинформатические инструменты меняют программный интерфейс между версиями, и скрипт, написанный для STAR 2.5, может не работать со STAR 2.7 из-за изменений в параметрах.
3. Не указывать организм и референсный геном при запросах на анализ последовательностей. Это приводит к получению обобщенных рекомендаций вместо конкретных команд с правильными базами данных и параметрами, специфичными для данного организма.
4. Принимать сгенерированный код без проверки на тестовых данных. Нейросеть может допустить логические ошибки в биоинформатических конвейерах – особенно в нюансах, специфичных для конкретного метода, – и запуск непроверенного кода на реальных данных грозит потерей результатов.
5. Не указывать цель анализа, ограничиваясь описанием данных. Нейросеть не знает, нужна ли воспроизводимость для публикации, скорость для предварительного анализа или клиническая интерпретация – и выдает решение, оптимальное для неизвестной ей цели.
6. Запрашивать интерпретацию результатов без предоставления контекста эксперимента. Интерпретация тех же значений дифференциальной экспрессии будет принципиально разной для нокаута гена у мыши и для клинического образца от пациента – без контекста нейросеть не может дать биологически корректный ответ.
7. Не просить указать ограничения предложенного метода. Нейросеть по умолчанию описывает метод в его лучшем применении, не упоминая ограничений – а именно они определяют, подходит ли метод для конкретной задачи.
8. Копировать предложенные параметры без понимания их смысла. Параметры фильтрации, пороговые значения и настройки инструментов должны быть обоснованы для конкретных данных – слепое копирование параметров из «чужой статьи» или ответа нейросети без проверки является одной из самых распространенных причин некорректных результатов.
9. Не уточнять требования к формату выходных данных. Нейросеть по умолчанию структурирует ответ так, как считает нужным, и без явного указания формата – таблица, скрипт, отчет – результат может потребовать значительной доработки перед использованием.

Сравнение слабых и сильных запросов для нейросети в биоинформатике

Задача	Слабый запрос	Сильный запрос (ключевые добавления)	Почему это важно
Анализ дифференциальной экспрессии	«Напиши код DESeq2 для анализа экспрессии генов»	«Напиши код DESeq2 для сравнения 4 повторов контроля vs. обработки, матрица счетчиков в CSV, порог FDR 0.05, log2FC 1, добавь вулкан-график и тепловую карту топ-50»	Без дизайна эксперимента и порогов нейросеть пишет учебный пример, а не рабочий код
Выравнивание ридов	«Как выровнять риды на геном?»	«Напиши bash-скрипт STAR для парноконцевых ридов РНК-seq 150 bp на геном мыши mm10, сервер 32 ядра, добавь комментарии к каждому параметру»	Тип данных и вычислительные ресурсы определяют параметры – без них скрипт будет неоптимальным
Интерпретация GO-анализа	«Объясни результаты GO-анализа»	«Сгруппируй эти 20 GO-терминов по биологическим процессам, интерпретируй в контексте гипоксии нейронов, предложи формулировки для раздела Обсуждение, укажи возможные артефакты»	Без контекста эксперимента интерпретация будет общей и бесполезной для написания статьи
Предсказание функции белка	«Какая функция у этого белка?»	«Проведи многоуровневый анализ (PSI-BLAST, HHpred, InterPro, AlphaFold2) для белка из термофильной археи, для каждого вывода укажи уровень надежности, предложи экспериментальную верификацию»	Без оценки надежности нейросеть выдает уверенный ответ там, где должна быть оговорка
Написание скрипта на Python	«Напиши скрипт для загрузки данных из NCBI»	«Напиши Python-скрипт для загрузки последовательностей 16S рРНК Lactobacillus через Entrez, соблюдая ограничение 3 запроса/сек, с обработкой ошибок, прогресс-баром и проверкой дубликатов»	Без ограничений по частоте запросов скрипт будет заблокирован NCBI при загрузке больших выборок
Метагеномный анализ	«Как анализировать данные 16S?»	«Разработай конвейер QIIME2 для ампликонного секвенирования V3-V4, 60 образцов кишечника (30 здоровых vs. 30 с болезнью Крона), сравни QIIME2 vs. DADA2 для данного типа данных»	Выбор инструмента зависит от типа данных – без этого контекста совет будет нейтральным и бесполезным
Ответ на рецензию	«Помоги ответить рецензентам»	«Подготовь ответ на рецензию для Genome Biology (major revision), для каждого комментария: цитата рецензента → ответ → изменения в рукописи со ссылками на страницы, без излишней уступчивости и защитной позиции»	Тон ответа на рецензию напрямую влияет на решение редактора – шаблонная вежливость снижает научный авторитет авторов

Советы по работе с нейросетью для задач биоинформатики

1. Создайте библиотеку шаблонов запросов для повторяющихся задач лаборатории. Если один и тот же тип анализа выполняется регулярно (например, стандартный конвейер РНК-seq), один раз отработанный и проверенный запрос экономит время на каждой новой итерации и гарантирует воспроизводимость подхода.
2. Просите нейросеть объяснить не только что делать, но и почему именно так, а не иначе. Понимание причины выбора конкретного параметра или инструмента позволяет адаптировать решение при изменении условий задачи – вместо слепого копирования команд, которые перестают работать при малейшем отклонении от шаблона.
3. Используйте нейросеть для генерации гипотез интерпретации, а не для окончательных выводов. Нейросеть хорошо справляется с предложением биологических объяснений для наблюдаемых паттернов, но финальная интерпретация требует верификации через литературу и экспериментальные данные – это разграничение сохраняет научную корректность работы.
4. Просите нейросеть самостоятельно указать, где ее ответ может быть неточным или устаревшим. Биоинформатические инструменты обновляются быстро, и прямой запрос «предупреди, где информация может быть устаревшей» дает более осторожный и честный ответ, чем принятие всего сказанного за актуальную истину.
5. Разбивайте сложный анализ на последовательные запросы вместо одного большого. Запрос «создай полный конвейер от сырых данных до публикации» дает поверхностный результат – серия запросов по каждому этапу с проверкой промежуточных результатов дает детально проработанное решение каждого шага.
6. Указывайте, для какой аудитории предназначен результат: для вас, для коллеги-биолога или для рецензента. Один и тот же анализ требует разного уровня технических деталей и разного языка объяснений – и нейросеть адаптирует ответ именно под указанную аудиторию, что экономит время на последующем редактировании.
7. Сохраняйте удачные запросы вместе с полученными результатами в единый файл проекта. Через полгода воспроизвести не только анализ, но и то, как именно был сформулирован запрос, который дал нужный результат, – задача нетривиальная. Документирование запросов является частью воспроизводимости исследования наравне с кодом и данными.