今年看见蕞厉害的生信分析评论！！🔥

最近想学习生信分析，发现一个很有意思的事，逛逛医学生的评论区，都能学习到很多生信分析大佬的分享。

前几天在评论区学到的生信研究的基本科研思路（干湿结合）👇

1、我们的研究目的是什么？数据来源及质量？（文献里的原始筛选数据、自己的测序数据、公共数据库）

2、如何一步一步地通过拆分、解决及重组不同的模块来验证我们提出的科研假设？

3、课题设计的重点、逻辑链条和创新性、可行性是什么？

4、用什么样的实验可以验证我们的生信结论？计的重点、逻辑链条和创新性、可行性是什么？

很多医学生跟我一样，天天追着问，生信分析太复杂了！！！怎么才能快速入门发表一篇SCI?

导师给我的答案：学习一项新技能，蕞有效的方法就是将自己扔进这个圈子里。

比如你想学英语，你如果在一个以英语为母语的国家，想不会都难。

学习生信分析同样如此，自己闭门造车肯定枯燥且极容易走弯路，如果你处在一个都是大佬的生信课题组，大佬还愿意手把手教你，边学边练，这效率嘎嘎快！

当然，不是所有医学生/医生都有这样的课题组资源，很多人身边也没有生信大佬陪伴，所以难住大家的并不是生信分析的复杂，而是教育资源的稀缺。

能拿到稀缺资源的人，往往比别人更容易拿到成果。

室友让我把格局打开！其实除了学校/医院的资源，报班学习也是一个效率超高的途径。

只要思想不滑坡，办法总比困难多！

学习生信分析的同学经常会问，我的这个研究方向有哪些生信分析套路？

有时候问别人其实不如自己去思考总结，只有自己去思考后真正理解套路背后的机制，你才能用好套路。

那么如何形成自己的生信套路？

总结起来就3个步骤：输入 ➡️ 处理 ➡️ 输出

输入

大量阅读文献（先易后难）；掌握生物信息学领域的最新研究热点和前沿问题。

处理

理清文章的前因后果及逻辑关系，阅读完文章后要使用思维导图进行复现明确作者设计课题的思路，逐渐建立自己的思维模型和思考框架。注意对文献进行分类整理，建立一个属于自己的完整、准确且易于访问的知识库（可以应用Excel、Word及思维导图等工具）。

具体的流程：

阅读Introduction明确为何提出问题（创新性），结合目前国内外研究提出解决思路（可行性）
阅读Methods明确具体分析方法（科学的研究策略和实验设计）
阅读Results学习叙事方式（如何把实验结构罗列清晰明确）
结论（讨论自身的创新性、意义及局限性）

输出

也就是落到实践中，前面的输入、处理最终都是要落到输出，尝试将总结的方法应用起来，输出成文。

也可以用输出反推自己的学习到底有没有用，经常有些同学学了很多生信分析的复杂步骤，但是自己根本不会用。
对于医学生而言，生信分析是工具，要学有用的而不是学到极致。

生信研究的基本科研思路（干湿结合）

我们的研究目的是什么？数据来源及质量？（文献里的原始筛选数据、自己的测序数据、公共数据库）
如何一步一步地通过拆分、解决及重组不同的模块来验证我们提出的科研假设？
课题设计的重点、逻辑链条和创新性、可行性是什么？
用什么样的实验可以验证我们的生信结论？计的重点、逻辑链条和创新性、可行性是什么？

生信分析研究的两恒量及两变量

两恒量：

研究什么疾病
- 单一疾病（肿瘤及非肿瘤，是否可以进行临床数据挖掘）。
- 两个或多个疾病（共病、同一类疾病系统、泛癌、疾病亚型）。
明确什么问题
生信分析可以做到多层次（分子、机制、表型、临床意义等）、多数据（多个数据集）、多靶点（多个基因）、多类型等相互结合的研究。

具体的研究方式如下：

筛分子：单个基因、基因家族、基因signature、hub genes、表型基因集……
筛药物：网络药理学、药物小分子-基因、基因-小药物……
筛表型：铁死亡、自噬、内质网应激、免疫、细胞焦亡、细胞凋亡、氧化应激、缺氧、糖酵解、昼夜节律、耐药……
筛通路：NF-kB信号通路、PI3K/AKT信号通路、PI3K/AKT/mTOR信号通路、MAPK信号通路、特定表型通路……
筛作用分子：PPI互作网络、药物小分子-靶基因互作网络、mRNA-miRNA-lncRNA的ceRNA互作网络、mRNA-miRNA-circRNA的ceRNA互作网络、mRNA-RBP蛋白互作网络……
筛细胞：主要是免疫细胞亚群。
其他因素：是否加药的特殊处理、加药的药物梯度；有无基因敲减或者过表达；疾病的临床特征（不同病例阶段、分级、年龄、性别、有无吸烟等）……

两变量

①数据特征

数据来源：物种、样本类型、数据集来源、高通量筛选平台（芯片、二代测序、质谱）……
分子类型：蛋白组、转录组、基因组、表观遗传学（DNA甲基化、组蛋白的翻译后修饰）、化学信息学（药物小分子）、代谢组（代谢物小分子）……
实验方法：五大组学：基因组、转录组、蛋白质、代谢组及表观遗传学；新技术：单细胞测序、空间转录组……

②分析策略

主要包括R包、数据库选择、统计学方法和算法模型。

四个标准模块：

表达差异
功能聚类
交互网络
临床意义

分析示例问题：

我主要在疾病研究中筛到了那些差异分子
本疾病或者这些分子与那些生物学功能和通路有关
本疾病可以结合哪些表型
这些分子可能与哪些分子/药物/细胞有相关性
本疾病或者这些分子可能与哪些临床变量或者特征有关