
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/slamseq是一个用于SLAMSeq测序数据的生物信息学分析管道的Docker镜像。该工作流使用Slamdunk处理SLAMSeq数据集,并通过DESeq2推断直接转录靶点。管道基于Nextflow构建,支持在多种计算基础设施上以高度可移植的方式运行,容器化设计确保安装简单且结果高度可重现。
适用于需要对SLAMSeq测序数据进行生物信息学分析的研究人员,特别是进行转录组学研究、需要推断直接转录靶点的场景。可用于学术研究、生物医学分析等领域,支持本地计算环境或集群系统。
下载管道并使用最小数据集测试:
bashnextflow run nf-core/slamseq -profile test,docker
若所在机构有自定义配置文件,可使用
-profile <institute>替代,自动启用Docker/Singularity并配置本地计算环境。
使用以下命令运行自定义分析:
bashnextflow run nf-core/slamseq -profile docker --input design.tsv --genome GRCh38
--input:设计文件(TSV格式),包含样本信息--genome:参考基因组名称(如GRCh38、mm10等)-profile:运行配置文件,指定使用docker、singularity等环境完整文档位于docs/目录,包括:
使用nf-core/slamseq进行分析时,请引用:https://doi.org/10.5281/zenodo.3826585
同时引用所使用工具:
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本,请访问 标签列表页面。
来自真实用户的反馈,见证轩辕镜像的优质服务