1. 开始使用 Drylab

Drylab 是一个广泛且全面的环境，旨在支持多种生物医学分析。

它包括从基因组学、蛋白质组学、代谢组学、影像学、流式细胞术、机器学习到工作流程自动化的一系列工具。

该环境优先考虑灵活性和覆盖范围。

主要元素

核心能力

1. 多组学分析:

• 体RNA测序，单细胞RNA测序

• 基因组学和变异分析

• 表观基因组学（ChIP-seq，甲基化）

• 蛋白质组学和代谢组学

• 系统生物学和通路分析

2. 影像和病理学

• 显微镜图像分析

• 细胞分割和跟踪

• 组织学和全片图像

• 从图像中提取特征

3. 流式和质谱细胞术

• 流式细胞术预处理

• 聚类和群体发现

• 与转录组学数据整合

4. 药物发现和化学

• 分子描述符和指纹

• QSAR 建模

• 对接准备和ADMET预测

5. 机器学习和统计

• 经典和现代的机器学习模型

• AutoML和超参数调优

• 贝叶斯建模

• 模型解释和可解释性

6. 工作流程自动化

• 可重复的管道

• 脚本化的、端到端的分析

• 可扩展的批处理

包含的工具（高级）

1. Python

• 基因组学：pybedtools，pyranges，cyvcf2，gffutils

• 单细胞实用工具：harmonypy，scanorama，celltypist，velocyto

• 蛋白质组学和代谢组学：pyopenms，pyteomics，matchms

• 影像：cellpose，stardist，aicsimageio，histomicstk

• 流式细胞术：cytopy，pytometry，flowcal

• 机器学习和统计：XGBoost，LightGBM，CatBoost，PyMC，SHAP

• 工作流程工具：Snakemake，nf-core

2. R

• 全面的CRAN和Bioconductor覆盖

• 单细胞、批量RNA测序、蛋白质组学、代谢组学

• 流式细胞术（flowCore，FlowSOM，diffcyt）

• 通路和富集分析

• 报告和可重复性（rmarkdown，bookdown）

3. 系统和CLI工具

• 比对和质量控制：bwa，bowtie2，minimap2，fastqc

• 变异调用：freebayes，vcftools

• 序列实用工具和BLAST

• 用于工作流程编排的 Nextflow

典型应用

• 多模态研究（例如RNA-seq+蛋白质组学+影像）

• 核心设施和平台实验室

• 方法开发和基准测试

• 具有动态或不明确分析需求的项目