ClaudeScience无法使用？我教你，并带你跑通单细胞分析全流程

这段时间生信圈都在聊 Claude Science。发布稿里说得很漂亮：面向科学家的 AI 工作台，能连数据库、连计算资源、连远程服务器，把文献、数据、代码、算力串成一条连续的科研链路。听起来确实心动。

但心动之后，很多人都会卡在同一个问题上——门槛。要配置、要额度、要等开通，真正想上手跑一次自己的数据，没那么容易。

所以今天这篇文章，主角不是它，而是它的平替：OKClaw。

OKClaw 一个更轻、更容易上手的工具，能不能把「远程服务器做生信分析」这件最实在的事真正跑通？于是我没有让它总结论文，也没让它写一段孤零零的脚本，而是给它安排了一个非常贴近日常的真任务——连上一台远程服务器，用服务器上现成的分析环境，把一套单细胞分析从头跑到尾。

01.热点归热点，我给它派了个真活儿

这次我给 okclaw 的任务，是一份很典型的单细胞实战需求。我把服务器地址、端口、要用的 conda 环境、数据路径和产出要求，一次性丢给它：

SSH 连上远程服务器（用户名 + IP + 指定端口）先conda activate r-4-4-1 激活现成的分析环境，再开始分析 数据放在/mnt/data/home/tyu-mn0wyf1o/sc_data 输出目录固定为sc_results，禁止修改、覆盖原始数据 做一整套单细胞常规分析流程 最后生成REPORT.md，说明用了哪些分析、什么工具（含版本参数）、输出路径、有没有 warning/error，并给出进一步分析建议

这里有个关键点：我没有让它安装任何软件，因为重新安装一套分析环境太费时间了，我直接让它连接天意云服务器进行分析，天意云服务器配置了 R 环境，预装了上千个包，开箱即用，无需再自己配置。

图 1｜我把 SSH、conda 环境、数据路径和产出要求一次性交给 OKClaw

02.步：它先摸清了数据长什么样

单细胞分析最怕的就是「格式没对上就开跑」。10x 的数据是 matrix.mtx + barcodes.tsv + genes.tsv 三个文件一组，少一个、命名不规范、压没压缩，下游 Read10X 就会报错。

OKClaw 直接登录服务器，把数据目录列了个清清楚楚：

图 2｜远程服务器上的 sc_data 目录：4 个样本 × 3 个文件，标准 10x MTX 三件套，命名规整

四个样本一目了然：GSM5572238Ctrl-1、GSM5572239Ctrl-2、GSM5572241RIF-1、GSM5572242RIF-2，每个都配齐了 barcodes / genes / matrix。这是一组对照 vs RIF 处理的双组设计，非常适合走一套标准的单细胞比较分析。

这一步看着简单，却是决定后面能不能顺跑的地基。它先确认「数据是什么、在哪里、格式对不对」，再动手——顺序是对的。

03.步：环境早就备好了，它拿来就用

这是我最想强调的一点，也是 okclaw 在真实生信场景里特别实用的地方——服务器上的分析环境是现成的，它不需要自己费劲安装。

我让它先 conda activate r-4-4-1。它照做之后，顺手把服务器上的 conda 环境列了出来：

图 3｜服务器现有的 conda 环境：base、jupyterhub、python3.10，以及专门的 r-4-4-1 单细胞分析环境

r-4-4-1 就是那套为单细胞准备好的环境：R 4.4 + Seurat 全家桶都在里面。okclaw 识别到它、激活它、直接调用，全程没有 pip/conda install 折腾，也没有把服务器搞乱。

这点对生信人太重要了。真实工作里，环境往往是运维或 PI 早就配好的，我们最不想看到的就是 AI 自作主张去装一堆包、改坏依赖。OKClaw 的做法是——尊重现有环境，激活即用。

换句话说：你机器上有什么，它就用什么。不重复造轮子，不污染环境，这才是能放进真实团队里干活的姿势。

04.步：一套单细胞常规流程，它自己串起来了

环境和数据都确认无误后，OKClaw 在r-4-4-1 环境里把整条单细胞分析链路跑了下来。它没有一股脑堆代码，而是按标准流程分步推进：

• 数据读入：用 Read10X 分别载入 4 个样本，合并成一个 Seurat 对象，并给每个细胞打上样本 / 分组（Ctrl vs RIF）标签
• 质量控制：计算 nFeature、nCount、线粒体基因比例，按阈值过滤低质量细胞和潜在双胞（doublet）
• 标准化与高变基因：LogNormalize 标准化，挑选高变基因（HVG）
• 降维聚类：ScaleData → PCA → 选主成分 → 构建近邻图 → 分辨率聚类 → UMAP 可视化
• 批次 / 分组整合：按样本来源检查批次效应，做整合，保证 Ctrl 与 RIF 可比
• marker 基因与注释：FindAllMarkers 找各簇特征基因，为细胞类型注释与后续差异分析打底
• 分组比较：对照组 vs RIF 处理组之间的细胞组成与表达差异

所有计算都在远程服务器上完成，产物统一写进 scresults，原始 scdata 一个字节都没动——完全守住了「禁止修改、覆盖原始数据」这条红线。

05.步：结果长什么样？一整套规整的交付物

光说「跑通了」没有说服力，直接看产出。跑完之后，OKClaw 把所有结果按分析步骤分门别类地组织进了 sc_results，一条命令列出来就是下面这样——清爽、规整、每个目录一看就知道装了什么：

图 4｜sc_results 完整产出目录：QC、双胞、整合、聚类、marker、分组比较、日志、脚本、中间对象，分门别类

把这棵目录树翻译成人话，它实际交付给客户的是这样一份东西：

这份产出最打动我的，不是「有图」，而是它的组织方式——按分析阶段分目录，图表、表格、中间对象、日志、脚本各归其位。客户拿到手，不用问「这个图哪来的、参数是啥、能不能重跑」，因为脚本、日志、版本、会话信息全都在。

换句话说，OKClaw 交付的不是一堆散落的 PNG，而是一个可复现、可交接、可继续往下做的完整分析工程。这正是团队协作和向客户交付时最看重的东西。

那这套流程最后到底跑出了什么生物学结果？直接上图。下面这张 UMAP 是 okclaw 自动完成聚类 + 注释后的细胞类型图谱——它把两组样本整合到同一张图上，识别并标注出了 8 大类细胞：

图 5｜细胞类型注释结果（UMAP）：OKClaw 自动整合 4 个样本并注释出 8 类细胞——基质细胞 Stromal、上皮 Epithelial、内皮 Endothelial、髓系 Myeloid、NK、T 细胞、肥大细胞 Mast、增殖细胞 Prolif

这张图信息量很足：占比最大的紫色 Stromal（基质细胞）符合子宫内膜的组织学常识；免疫细胞（Myeloid、NK、Tcell、Mast）各成一簇、边界清晰；上皮、内皮、增殖细胞也都被干净地区分出来。各簇分离度好、注释合理，说明前面的 QC、双胞剔除、批次整合这些步骤都做扎实了——结果是可信的。

从「一句需求」到「一张能直接放进报告的细胞图谱」，中间所有工程环节都由 okclaw 在远程服务器上自动完成。这就是它最实在的价值。

06.步：它还自己写了一份交付级的 REPORT.md

在上面这套产物之上，OKClaw 按要求生成了 REPORT.md。这份报告不是一句「分析完成了」就完事，而是老老实实交代了四件事：

• 进行了哪些分析，分别用了什么工具（含版本与关键参数）——比如 Seurat 版本、过滤阈值、PCA 维度、聚类分辨率
• 每一步的输出文件都放在 sc_results 的哪个路径下
• 运行过程中有没有 warning / error，出现在哪一步
• 基于现有数据，下一步还建议做哪些分析

光描述不够直观，直接看它生成的 REPORT.md 原文——从分析日期、服务器、计算环境、只读原始数据，到每一步的工具版本和关键参数，全都写得明明白白：

图 6｜OKClaw 自动生成的 REPORT.md：分析元信息 + 「分析流程、工具与参数」表 + QC/双细胞结果汇总，可复现、可交接

这份报告的含金量，藏在细节里。它把每一步用的工具和参数都钉死了，随手摘几条：

报告里还附了一张 QC / 双细胞结果汇总表，把每个样本从原始细胞数到最终保留数、剔除的双细胞、最优 pK、期望双率都列了出来：

（RIF 两个样本的数据在报告后续同表中，此处只截取前两行示意。）完整的 sessionInfo() 和包版本清单也都归档在 logs/ 里。

这份报告的价值，在于「可复现 + 可交接」。你不用去翻它的每一条命令，光看 REPORT 就知道整条流程做了什么、用了什么版本、结果在哪、有没有坑。这恰恰是团队协作和客户交付里最缺的一环。

07.不止会跑流程：它还能连数据库、查文献

如果说跑通单细胞流程展示的是 OKClaw 的「工程能力」，那它另一面同样重要的能力，是把文献和权威数据库直接接进来——这也是「科研工作台」和「代码助手」的分水岭。

举个例子，随手问它一句「P53 是做什么的？给它的功能注释 + 相关文献」，它会实时连上 UniProt 取功能注释、连上 PubMed 取文献，无需网页跳转，AI 可自动调取数据，然后把结果整理成带机制通路图的完整回答：

图 7｜OKClaw 实时连接 UniProt + PubMed，为 P53 生成功能注释、机制通路图与文献支撑

这意味着 OKClaw 不只是在你的服务器上「埋头跑脚本」，它还能把 UniProt、PubMed 这类权威生信数据库和文献接进来，帮你解释基因、注释细胞类型、串联通路证据。跑流程 + 连数据库 + 查文献，这三件事凑齐，才真正撑得起「平替科研工作台」这个说法。

08.我觉得 okclaw 最值钱的地方

跑完这一趟，我最大的感受是：OKClaw 值钱的地方，真不是「会写 Seurat 代码」。

Read10X、FindClusters、RunUMAP 这些命令，很多生信人都会写。真正烦人的，是把这件事放到一台远程服务器上，用别人配好的环境，从头到尾不出岔子地跑完，并且把过程和产物整理清楚。

OKClaw 这次帮我干掉的，恰好是这些我平时最不想重复做的杂活：

• SSH 连上陌生服务器并验证连通性
• 摸清数据目录结构、识别 10x 格式是否完整
• 激活现成 conda 环境、直接复用，不乱装软件
• 按标准流程串起 QC → 双胞 → 整合 → 聚类 → marker → 分组比较
• 把产物按阶段分目录，配齐脚本、日志、版本、中间对象
• 守住「不碰原始数据、输出隔离」的边界
• 必要时连 UniProt / PubMed 补功能注释与文献
• 产出一份含工具版本、路径、报错、后续建议的交付报告

每一件单独看都不难，但每一件都真实存在、都费时间。一个只会写脚本的工具，是代码助手；一个能把这些上下游杂事一起收拾干净、还能连库查文献的工具，才开始接近「科研工作台」。

09.复现这套流程，可以从这里开始

这次工作流里使用到的是OKClaw+天意云服务器。一个是 OKClaw，负责把 AI 接到真实工作流里；一个是天意云服务器，负责提供现成可用的生信计算环境。

OKClaw官网【https://okclaw.dafoai.com/】

天意云服务器官网【https://cloud.dftianyi.com/】

OKClaw配置服务器教程：

1. 本地电脑生成 SSH 密钥对（如果还没有）

在本地终端执行以下内容：

ssh-keygen -t ed25519 -C "你的备注，比如 openclaw-server"

• 回车接受默认路径（~/.ssh/id_ed25519）
• 可以设置 passphrase（推荐设置一个密码保护密钥），也可以直接回车留空
• 生成后会有两个文件：ided25519（私钥）和 ided25519.pub（公钥）

2. 把公钥复制到服务器（推荐使用 ssh-copy-id）

最简单的方式：

在本地终端输入ssh-copy-id -i ~/.ssh/id_ed25519.pub -p 端口号 账户名@IP地址，如

ssh-copy-id -i ~/.ssh/id_ed25519.pub -p 22 root@123.123.123.123

输入服务器 root 密码后，公钥会自动添加到服务器的 ~/.ssh/authorized_keys。

如果 ssh-copy-id 不可用（比如 Windows），手动复制到服务器，按以下操作执行：

cat ~/.ssh/id_ed25519.pub # 先查看你的公钥内容

ssh root@123.123.123.123 -p 22 # 复制输出的那一行，然后 SSH 登录服务器

接着在服务器上执行：

mkdir -p ~/.ssh

chmod 700 ~/.ssh

echo "你的公钥内容粘贴在这里" >> ~/.ssh/authorized_keys

chmod 600 ~/.ssh/authorized_keys

3. 测试免密登录

断开当前连接，在本地直接尝试：

ssh root@123.123.123.123 -p 22

4.让 OKClaw 链接服务器，输入指令：

帮我连接远程服务器ssh tyu-mn0wyf1o@110.42.12.156-p 10529【这里可以改成 ssh 账户名@IP地址 -p 端口号 】

10.写在最后

Claude Science 确实点燃了「AI 接管科研工程杂活」这个方向的热度。但热度归热度，能不能真正落到自己的服务器、自己的数据、自己的环境上跑通，才是关键。

okclaw 这次给我的答案是肯定的：它连得上远程服务器，认得出现成的 conda 环境并拿来即用，守得住数据边界，把一套单细胞分析规规矩矩跑完、注释出清晰的细胞图谱、交出一整套分门别类的产物和一份能看的 REPORT.md，必要时还能连 UniProt、PubMed 补上功能注释与文献。

作为一个更轻、更好上手的平替，它已经不只是「告诉你该怎么做」，而是真的替你把活儿干了。对每天在服务器、conda、路径和流程之间来回切换的生信人来说，这种变化，值得认真关注。