单样本无重复表达谱技能（SSGEP — Single Sample Gene Expression Profile）

来源 / Source：本技能由 山西大同大学 丁保朋（Ding Baopeng, Shanxi Datong University） 整理并开源，基于梨属 5 品种 × 7 阶段转录组表达谱分析及褪黑素功能基因挖掘研究（Natural-language-driven AI agent for pear gene expression profiling and melatonin functional gene mining）。

⚠ 务必先确认：你的数据属于哪一种？

• 单样本 / 无生物学重复（模式A，本技能核心场景）：每个实验条件（如每个品种 × 每个发育阶段）只有 1 个样本，没有生物学重复。常规 DESeq2/edgeR 无法估计基因水平离散度（dispersion），差异分析必须用"固定离散度 + 折叠变化法"近似。本项目（梨属 5 品种 × 7 阶段 = 32 样本，每条件 1 样本）即属此类。
• 有生物学重复（模式B）：每个条件 ≥ 2 个（推荐 ≥ 3 个）生物学重复。可正常估计离散度，统计检验可靠。

两种模式下游（富集 / WGCNA / SNP / 出图 / 成稿）完全一致，差异只在"差异表达分析"这一步。下面分模式说明。

零、新购 Windows 电脑 0 基础起步（无任何生信环境）

即使你拿到一台全新 Windows 电脑（或刚重装系统）、没装任何生信/编程软件，也能跑通本项目。你不需要成为程序员——三条路任选：

路线 A（推荐新手）：WorkBuddy + ssgep 技能，让 AI 替你跑

1. 安装 WorkBuddy 桌面客户端。
2. 把本技能目录 ssgep-single-sample-expression 放进 ~/.workbuddy/skills/（或发布/安装到技能市场）。
3. 在 WorkBuddy 里用中文说：“按 SSGEP 流程分析 data/raw 里的 fastq，出论文三格式”，AI 会自动检查环境、调用 R/Python、跑 01–10、并套用所有已知坑对策。

• 你只需提供原始 fastq 与参考转录本，其余交给 AI。