如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
nf-core/deepvariant是一个基于Nextflow框架开发的生物信息学标准化流程,核心整合了Google DeepVariant工具,专门用于从高通量测序数据中精准检测遗传变异。该流程旨在简化变异分析流程,让科研和临床团队能高效获取可靠的变异结果。 在功能上,它支持多种测序数据类型,包括全基因组(WGS)、外显子组(WES)和靶向测序数据,可准确识别单核苷酸变异(SNV)和小插入缺失(Indel)。流程内置完整的数据预处理环节,自动完成序列比对、质量控制和格式转换等步骤,最终输出标准VCF格式文件,直接兼容下游注释、功能预测等分析工具。 适用场景广泛,既适用于人类遗传学研究中的个体变异分析,也能满足临床诊断中对肿瘤样本、遗传病样本的变异筛查需求,还可支持群体基因组学项目中大规模样本的批量处理。 相比直接使用DeepVariant工具,该流程的优势在于标准化和易用性:基于nf-core规范开发,确保不同实验室、不同批次的分析结果可重复;采用容器化部署(Docker/Singularity),解决了生物信息工具常见的环境依赖问题,无需手动配置复杂软件链;支持本地服务器、集群和云平台(如AWS、GCP)运行,灵活适配不同算力环境。此外,流程持续更新维护,会同步集成DeepVariant的最新版本和参考基因组资源,保障分析的时效性和准确性。 使用时,用户只需通过Nextflow调用流程,修改配置文件中的样本路径、测序类型等参数即可启动分析,无需深入了解底层工具细节,无论是生物信息学新手还是专业人员都能快速上手。
来自真实用户的反馈,见证轩辕镜像的优质服务