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。