玩转ChatGPT：R代码Debug一例

一、写在前面

今天家里领导发来求助，说是用GPT-3.5写一个 计算mRNA干性指数 的R代码，运行报错。让我用GPT-4帮忙Debug一哈。

搞了半小时，还是有亿点感悟，写段文字记录记录。

二、踩坑过程

（1）先看原始的咒语

咒语：我已经使用synapser包计算得到了每个基因的干性权重标准值（第一列是基因名，第二列是权重值），现在需要计算TCGA中HCC的RNA-seq测序数据（第一行是样本名，第一列是基因名）每个样本的mRNA干性指数。

具体方法如下：

对于每个TCGA HCC测序数据中的样本，提取与基因mRNA干性权重标准值相同的基因的表达谱。通过Spearman相关系数计算每个样本的基因表达谱和基因mRNA干性权重标准值之间的相关性。对于每个样本，将其计算出的干性指数标准化到 [0,1] 的范围内。最后将所有样本的干性指数输出为一个表格。

输出的代码为：

# 基因mRNA干性权重标准值文件的路径

weight_file <- "干性权重.txt"

# TCGA HCC测序数据文件的路径

data_file <- "HTSeq - FPKM-mRNA.merge.txt"

# 导入基因mRNA干性权重标准值

weight <- read.table(weight_file, header = TRUE)

# 导入TCGA HCC测序数据

data <- read.csv(data_file, row.names = 1)

# 提取与基因mRNA干性权重标准值相同的基因的表达谱

common_genes <- intersect(rownames(weight), colnames(data))

X <- data[, common_genes]

# 计算每个样本的mRNA干性指数

scores <- apply(X, 1, function(z) {

  cor(z, weight$Weight, method = "spearman", use = "complete.obs")

})

# 标准化干性指数到 [0,1] 范围内

normalized_scores <- (scores - min(scores)) / (max(scores) - min(scores))

# 构建结果表格

result <- data.frame(sample_name = rownames(X), mRNAsi_score = normalized_scores)

# 打印结果

print(result)}

两个文件的数据格式如下（分别为干性权重.txt以及HTSeq - FPKM-mRNA.merge.txt）：

 RStudio运行以后报错如下：

Error in cor(z, weight$Weight, method = "spearman", use = "complete.obs") :要么同时设定'x'和'y'，要么只设定矩阵式的'x'

由于我并不会R语言，我甚至不懂她这个算法是干啥的，所以就直接无脑丢给了GPT-4查查原因。

（2）先用GPT-4找错误

写一个咒语：运行代码：{XXX}；

出现报错：{Error in cor(z, weight$Weight, method = "spearman", use = "complete.obs") : 要么同时设定'x'和'y'，要么只设定矩阵式的'x'}；

请问代码有什么错误？

输出如下：

 主要变的是这：

# 提取与基因mRNA干性权重标准值相同的基因的表达谱

common_genes <- intersect(rownames(weight), colnames(data))

X <- data[, common_genes]

# 根据共享基因筛选权重

selected_weight <- weight[rownames(weight) %in% common_genes, ]

# 计算每个样本的mRNA干性指数

scores <- apply(X, 1, function(z) {

  cor(z, weight$Weight, method = "spearman", use = "complete.obs")

})

但是，依旧报错，也是同样的错误。

接着又告诉TA错误，GPT继续改进：

 修改如下：

# 根据共享基因筛选权重，并按照X的行名进行重排序

selected_weight <- weight[rownames(weight) %in% common_genes, ]

selected_weight <- selected_weight[match(rownames(X), rownames(selected_weight)), ]

还是没有用。

我开始怀疑是否是数据格式的问题，可能需要告诉GPT数据格式。

与此同时，家里领导也分享了想法，然后提供了一个修改方案：

# 提取与基因mRNA干性权重标准值相同的基因的表达谱

common_genes <- intersect(rownames(weight), rownames(data))

X <- data[common_genes, ]

w <- weight[common_genes]

但是还是报错。可以看到，其实都觉得是这一步出了问题，所以我打算进一步问GPT。

（3）优化咒语

咒语：运行下面代码：{XXX}；

数据的格式为分别为：

weight_file为{Gene_symbol w

TSPAN6 6.85388903246113e-05}，

data_file 为{Tags TCGA-GJ-A3OU-01 TCGA-G3-A7M9-01 TCGA-ED-A627-01 TCGA-DD-AACB-01 TCGA-CC-5264-01

RAB4B 3.897881937 2.731438761 2.690751371 2.991402482 1.704487843

}；

报错：{XXX}，何修改代码？

 改的还是那一段：

# 提取与基因mRNA干性权重标准值相同的基因的表达谱

common_genes <- intersect(rownames(weight), rownames(data))

X <- data[common_genes, ]

# 根据共享基因筛选权重，并按照X的行名进行重排序

w <- weight[rownames(weight) %in% common_genes, ]

w <- w[match(rownames(X), rownames(w)), ]

依旧报错，我继续追问3-4回合，GPT也一直改代码，但是依旧行不通。

做到现在，可以排除数据格式的原因，代码应该也不是很难，但是为何报错呢？

没办法只能一步一步来解析了。

（4）解释整个代码

写一个咒语：请详细解析这个代码的功能，代码：{XXX}。

集中报错都在第二、三步骤，但我觉得GPT不至于连着简单的算法都不会，而且数据格式TA是知道的。

所以我考虑，会不会数据读取就有错误？？！！

看了一下Rstudio的数据监视窗口，果然：

 Data都没有数值，当然算不下去！！！

（5）优化数据读取代码

咒语：data_file 为{Tags TCGA-GJ-A3OU-01 TCGA-G3-A7M9-01 TCGA-ED-A627-01 TCGA-DD-AACB-01 TCGA-CC-5264-01

RAB4B 3.897881937 2.731438761 2.690751371 2.991402482 1.704487843

}；读取代码为：data <- read.csv(data_file, row.names = 1)，但是读取为0列，我需要全部列的信息，如何修改代码？

 运行，数据读出来了：

 但是运行代码，依旧报错。

我有强烈预感，还是数据格式的问题，于是打开数据框，一目了然：

 基因名所在的列都不一致，匹配不了很正常，这个代码我会改：

weight <- read.table(weight_file, header = TRUE, row.names = 1)

这样，数据就对齐了：

 最后再运行代码（当然中间有些代码已经有修改，根据之前追问GPT的那几次），没报错了，至于结果对不对，我也不懂，至少跑通了。

万万没想到，居然是最不起眼的数据读取出问题，看来GPT-4也还是识别不出，一直在修改下面的算法核心部分。

下一步我测试下直接用GPT-4从头生成代码会如何？

（6）GPT-4生成代码

咒语：我已经使用synapser包计算得到了每个基因的干性权重标准值，现在需要计算TCGA中HCC的RNA-seq测序数据每个样本的mRNA干性指数。

具体方法如下：

对于每个TCGA HCC测序数据中的样本，提取与基因mRNA干性权重标准值相同的基因的表达谱。通过Spearman相关系数计算每个样本的基因表达谱和基因mRNA干性权重标准值之间的相关性。对于每个样本，将其计算出的干性指数标准化到 [0,1] 的范围内。最后将所有样本的干性指数输出为一个表格。

其中，干性权重标准值的数据格式为{Gene_symbol w

TSPAN6 6.85388903246113e-05}，

TCGA中HCC的RNA-seq测序数据的格式为{Tags TCGA-GJ-A3OU-01 TCGA-G3-A7M9-01 TCGA-ED-A627-01 TCGA-DD-AACB-01 TCGA-CC-5264-01

RAB4B 3.897881937 2.731438761 2.690751371 2.991402482 1.704487843

}；请用R语言写出代码。

代码如下：

# 首先，安装和加载必要的包

if (!require("dplyr")) {

  install.packages("dplyr")

}

library(dplyr)

# 读取你的基因干性权重标准值数据

dryness_weights <- read.table("dryness_weights.txt", header = TRUE, sep = "\t")

# 读取你的TCGA HCC RNA-seq数据

rna_seq_data <- read.table("rna_seq_data.txt", header = TRUE, sep = "\t")

# 确保基因在两个数据框中都存在

common_genes <- intersect(dryness_weights$Gene_symbol, rna_seq_data$Tags)

# 提取共同基因的数据

dryness_weights_filtered <- dryness_weights[dryness_weights$Gene_symbol %in% common_genes, ]

rna_seq_data_filtered <- rna_seq_data[rna_seq_data$Tags %in% common_genes, ]

# 计算每个样本的mRNA干性指数

dryness_index <- apply(rna_seq_data_filtered[, -1], 2, function(sample_expr) {

  cor(dryness_weights_filtered$w, sample_expr, method = "spearman")

})

# 标准化干性指数到 [0,1] 的范围内

dryness_index_normalized <- (dryness_index - min(dryness_index)) / (max(dryness_index) - min(dryness_index))

# 输出结果

dryness_index_df <- data.frame(sample_id = names(dryness_index_normalized), dryness_index = dryness_index_normalized)

write.table(dryness_index_df, "dryness_index.txt", sep = "\t", quote = FALSE, row.names = FALSE)

跑出来的结果跟GPT-3.5的比，数量上都是一致的，共有371个数值，具体数值也一致：

 结束！同样的咒语我去试了GPT-3.5确实一次性写不出堪比GPT-4的代码。

三、写在最后

三点启示吧：

（1）在写咒语的时候，涉及到数据的，一定要直接复制你的数据格式给GPT（就直接复制粘贴，GPT能识别表格的分隔符），最好不要直接用文字描述，容易说不清楚；

（2）通过这个事例发现，GPT-4在找bug的时候，还是有些弱点。可能跟TA不能运行代码有关吧。然而，写代码能力还是强于GPT-3.5！

（3）最后，还是得自己理解代码，才能最高效的用GPT辅助Debug，偷懒不得啊！