Drylab

ヒントとベストプラクティス

長い分析でも焦点を保つ

分析セッションを短く絞り込み、長いチャットで起こりがちなコンテキストの取り違えを防ぎます。

チャットが長くなると、AI は以前のメッセージ、出力、変数を大量に追い続けなければならず、誤りが起こりやすくなります。

コンテキストが大きくなると、AI は次のような誤りを起こすことがあります。

  • ファイルパスや変数名を取り違える
  • 異なる分析ステップの結果を混同する
  • もっともらしいが誤った統計値を出す
  • 以前の出力を覚えていられなくなる

いちばん安全なのは、分析セッションをそれぞれ短く、焦点を絞って進めることです。

基本の考え方:1 つの分析 = 1 つのセッション

ワークフロー全体を 1 つの長いチャットで進めるのではなく、焦点を絞ったセッションに分けましょう。

避ける:1 つの長いセッションで全部行うおすすめ:焦点を絞ったセッションに分ける
QC → クラスタリング →セッション 1:QC と前処理
DE → エンリッチメント →セッション 2:クラスタリング
可視化セッション 3:発現変動解析
セッション 4:パスウェイエンリッチメント

どのセッションも短く、焦点が絞られ、コンテキストがすっきりした状態を保てます。

実践のコツ

1. 分析ステップごとに 1 セッション

分析の大きな段階ごとに、新しいセッションを始めます。

ワークフローの例:

  • セッション 1: QC と前処理 → adata_qc.h5ad を保存
  • セッション 2: adata_qc.h5ad を読み込み → クラスタリングとアノテーション → adata_annotated.h5ad を保存

2 つ目のセッションは、まっさらなコンテキストから始まります。

2. 大きなステップのあとにチェックポイントを保存する

途中の結果は必ず保存しておきましょう。

# After QC
adata.write_h5ad("/home/user/user_data/Project/checkpoints/adata_qc.h5ad")

# After clustering
adata.write_h5ad("/home/user/user_data/Project/checkpoints/adata_clustered.h5ad")

# After annotation
adata.write_h5ad("/home/user/user_data/Project/checkpoints/adata_annotated.h5ad")

3. 新しいセッションはコンテキストの要約から始める

新しいセッションで作業を続けるときは、最初に短い要約を書きます。

scRNA-seq 解析の続きです。

前回のセッションで、アノテーション済みの AnnData を次の場所に保存しました:
/home/user/user_data/Project/adata_annotated.h5ad

割り当てた細胞タイプ:
T 細胞、B 細胞、マクロファージ、NK 細胞

クラスタリングの解像度:
0.5(Leiden アルゴリズム)

このセッションの目的:
各細胞タイプ内で Treated と Control の発現変動解析を行う

AI の記憶に頼らず、正確なコンテキストを渡せます。

4. 1 つのプロンプトでは 1 つのタスクに絞る

複数のステップを 1 つの依頼にまとめないようにしましょう。

悪い例: 「DE を実行して、パスウェイエンリッチメントを行い、ヒートマップを作成し、上位遺伝子にラベルを付けて、すべて保存して」

ステップに分ける: 発現変動解析を実行 → パスウェイエンリッチメントを実行 → 可視化を作成。

5. ノートブックの出力を正とする

チャットでの AI の要約ではなく、ノートブックの実際の出力を常に信頼してください。

6. チャットが長くなったらセッションを切り替える

チャットのやり取りが 15〜20 回ほどを超えたら、主な結果を要約して新しいセッションを始めましょう。

1 つのチャットのメッセージ上限

1 つのチャットで送れるメッセージ数の上限は、ご利用のプランで決まります(プランと請求を参照)。上限に達すると、Drylab はメッセージを送信せずにこの会話は上限に達しましたと表示します。新しい会話を開始をクリックしてください。入力したメッセージは新しいチャットに引き継がれるので、失われることはありません。新しいチャットは、コツ 3 のように短いコンテキストの要約から始めましょう。

このページの内容