科研智能體
一批能替你完成工作的科研智能體,涵蓋選題、檢索、精讀到成稿。由懂科研的人設計。
數據分析

研究設計與分析方案
把研究問題轉化為可行且可查核的研究計畫書。

數據分析
上傳 CSV/XLSX,透過對話檢查資料、進行研究統計,並製作可直接發表的圖表。

用你的差異表現分析結果畫火山圖
上傳 DESeq2、edgeR、limma 或 Cuffdiff 的結果表,取得可直接投稿的火山圖:核對倍數變化的方向、套用門檻值、標註關鍵基因,並附完整程式碼。

畫一張基因表現分群熱圖
上傳基因表現矩陣,取得變異最大基因的分群熱圖:先依表現量過濾,再轉換為 z 分數,標註樣本分組,並附基因列表與完整程式碼。

用你的追蹤資料畫 Kaplan–Meier 存活曲線
上傳追蹤資料,取得可直接投稿的 Kaplan-Meier 存活曲線圖:含風險人數表、log-rank 檢定、Cox 模型與比例風險假設檢查。

畫出 ROC 曲線,正確報告 AUC
上傳資料,取得經交叉驗證的 ROC 曲線、AUC 及其 95% 信賴區間、比較模型,以及 Youden 切點下的敏感度與特異度,並附完整程式碼。

合併多項研究,畫出森林圖
上傳各研究結果的資料表,取得可直接投稿的森林圖:含合併估計值、預測區間、Q、I² 與 τ²,另附統合迴歸分析與 R 程式碼。

畫一張能直接放進論文的相關係數熱圖
上傳資料,取得可直接投稿的相關係數熱圖:Pearson 或 Spearman 相關係數、多重檢定校正、依分群排序的變數,並附上完整程式碼。

為你的稿件製作 Table 1
上傳資料,取得可直接放進稿件的 Table 1:依分布選擇描述統計量,每一列採用合適的檢定,附標準化差異,並輸出成 Word 表格。

做主成分分析,把圖畫得正確又清楚
上傳資料,取得可直接投稿的主成分分析:附各組信賴橢圓的分數圖、陡坡圖、呈現負荷量最大變數的雙標圖,以及解釋變異量表與程式碼。

用 2^−ΔΔCt 法分析 qPCR 資料
上傳 qPCR 的 Ct 值,以 2^-ΔΔCt 法計算相對表現量,逐一基因以 ΔCt 進行檢定,畫出呈現每個重複的倍數變化圖,並附完整計算表與程式碼。

科研數據探索
在選擇分析路徑前,先剖析科研資料集。

統計分析與結果寫作
選擇檢定方法、檢查前提假設、執行分析,並寫出可直接發表的結果。
