搞科研作图能少GraphPad Prism吗？答案是肯定不能呀！写过论文的学弟学妹们想必导师都在耳边念叨过：数据要真实，表图要规范好看所以，本期学姐先给大家简单介绍GraphPad作图，先来一版入门级，后续慢慢会出进阶级!一步一步来还怕拿不下作图! 欢迎联系我。
回头来看，如果当初能早点意识到这些事.真的会少踩很多坑，少走很多弯路😅 1⃣凡事以自己为重，不要揣摩导师心思。读博的时候，心里顾忌太多，周末怕打扰导师，不敢联系，两周只能催导师一次等等。现在发现这就纯属浪费时间，该催就催，该问就问，导师想什么我永远都猜不到，倒不如多为自己想想。说实话，导师多精明了，哪用得着我忧心2⃣与导师或行业大佬交流，不要带任何感情。读博的时候太敏感，害怕交流。但其实学术是一件很主观的事情，有人说你做的好，有人说你做的不好，都很正常的。不要因为怕被大佬喷而害怕交流，喷了就喷了，说的有道理的咱就改，没有道理的就抛弃。睡一觉，啥都忘了。3⃣拒绝任何天上掉下来的大饼。读博的时候，经常被导师描绘的宏伟蓝图打动，那种指点江山的身姿，让人热血澎湃。但是，现在发现，这一切都没有任何用！我是来毕业的，不是来拯救世界的。赏口饭吃就ok啦，饼太大了吃不下！4⃣脸皮要厚，学会说不。很多同学（包括我自己）脸皮薄，不会拒绝别人，害怕让别人不高兴（特别是导师），默默奉献了很多，到头来，科研成果少，被喷的狗屁不是。因为你干的杂活多了，自然科研时间就少了。如果读博可以重来，要学会说不。认清自己的主要工作，排除那些吃力不讨好的杂活。5⃣走好自己的路，莫与他人攀比。看着别的实验室发文章发的飞起，是真的眼馋。看着不争气的导师，是真的无奈。读博的时候，真的是天天为这些发愁。但我现在发现，这些都是毫无意义的内耗行为，平台之类的都是定好了的，这几年都不会变啦。从做好自己开始，聚焦在自己的work，和自己比。6⃣PHD不是人生的全部。科研是读博蕞重要的，没有做，但是我们也要有生活呀。天天泡在实验室，20多岁的人看着像30多的，有意思吗？学会释怀，要允许自己做不好，要接受科研的不如意。多走出实验室去看外面的世界，做点感兴趣的事。世界这么大，去看看 欢迎联系我。
时常有同学告诉我导师没有经费，只能投非OA，我综合了一下名声，发文量，难易程度，周期等推荐一些个人认为性价比较高的非OA期刊给大家：1. Journal of Affective Disorders2. Environmental Science and Pollution Research3. Biological Trace Element Research4. Journal of Periodontology5. Nutrition, Metabolism & Cardiovascular Disease6. Applied Physiology Nutrition…
数据上传，直接出图，有手就行 我把合并好的NHANES数据集上传，只要输入需要分析的变量名和希望展示的图片类型，立马就能自动分析出图，甚至还可以自己插补缺失值。Code Interpreter插件的出现，不仅补上了ChatGPT的短板，还为AI提供了一个解决问题的通用工具箱。它使用Python编程语言，可以处理高达100MB的文件，并且这些文件可以是压缩形式。这就意味着，你不再需要担心数据过大无法处理的问题。Code Interpreter插件将这个强大的工具箱整合到了AI中，使得AI在处理问题时变得更加强大和灵活。ChatGPT的Code Interpreter插件功能强大，包括但不限于：数据分析和可视化：使用Python的视觉语言进行数据分析、读取数据、进行统计分析、创建图表等。数学和科学计算：进行复杂的数学和科学计算，包括代数、微积分、线性代数、概率统计等。机器学习和人工智能：使用像scikit-learn、tensorflow、pytorch这样的库，训练和预测机器学习模型，包括回归、分类、深度学习等。语言处理：进行自然语言处理任务，如分词、词性标注、命名实体识别、情感分析、语言模型预测等。编写和测试程序：编写、运行和测试新的程序代码片段。编辑图片和视频：上传文件，然后请ChatGPT放大、缩小、裁切图片，甚至调整图片色调，以及将视频分割成几个段落，删除不需要的部分。只需要输入简单的自然语言，就可以让你的数据跃然纸上。虽然现在ChatGPT还有一些功能需要完善，但是它的出现已经让我们的科研工作变得更加轻松。简单来说，code interpreter是可以运行上传的python代码，不过限制比较多，包括不能有访问互联网的代码，代码依赖的python库要在预置常见库列表里等等。 欢迎联系我。
经常有同学问我，统计分析都会，图表也做出来了，但是卡在写作上，既不知道从哪里下手，写完了又不知道是否规范。我提供一点小小的个人经验，不知道怎么下手的最有效办法就是找到类似的文章进行模仿，而规范的写作应该参考所写的文章类型的官方指南。 以下是不同临床研究类型所对应的指南，大家直接搜索就能找到对应的表格，把自己的稿件一项项去核对就能保证规范性不出问题。 1. 观察性研究：STROBE指南：首先来说说观察性研究。STROBE，也就是“加强流行病学观察研究报告”的英文缩写，它是一种提升流行病学观察研究报告品质的工具。STROBE为队列研究、病例对照研究和横断面研究提供了27个重点报告项目，以增强报告的全面性和透明度。 2. 预测模型研究：TRIPOD指南：对于预测模型研究，TRIPOD是一份十分重要的报告指南。它主要提供了全面、透明、准确报告预测模型研究的建议，涵盖了模型的开发、验证，或者在不同位置或人群中的更新。 3. 系统评价和Meta分析：PRISMA指南：当我们进行系统评价和Meta分析时，PRISMA会是你的最佳助手。这个工具旨在让读者能清晰地理解你的研究方法和发现，因此会指导你如何提供完整、透明、准确的报告。 4. 随机对照试验：CONSORT指南：当你在进行随机对照试验的时候，CONSORT将是你的宝贵指南。它强调了报告试验设计、执行、分析，以及结果的重要性。 5. 诊断准确性研究：STARD指南：STARD为诊断准确性研究提供了一套报告标准，这将帮助你明确如何进行诊断准确性研究的报告。 欢迎联系我。
虽然双向难度不高，但每天实际能用于写作和分析的时间有限，如果不重视的话，很可能导致挑战失败。今天的任务是根据我们跑出的图片和代码的结果攥写材料和方法、结果部分，算是非常轻松的一个部分。 总结下写作思路：批量代码筛出暴露（结局也作为暴露筛选一遍）➡️ 筛选出互为因果性的暴露、结局（两个表格都有，你中有我，我中有你）➡️ 各找几篇范文 ➡️ 精读（光速阅读法，参考图3）➡️ 确定写作框架（checklist）➡️ 跑出MR结果，生成图片 ➡️ 框架写作法（攥写SCI论文）➡️ 论文润色 ➡️ 选刊投稿 💗注释：在零基础的师弟师妹进行论文写作前，至少阅读50-100篇左右的孟德尔随机化相关论文，在筛选出暴露和结局之后，务必去pubmed检索是否有人写过。倒计时两天，欢迎大家一起写起来！ 欢迎联系我。
今年的SCI最新影响因子正式公布，学弟学妹们投的期刊是跌是涨呢？ 速去查看吧！！！如想获得全部期刊的最新影响因子，欢迎大家私信后台哦 癌症佳刊一CA去年影响因子286.13分，最新影响因子254.7分，略微下降但王依旧是王，就算下降也甩其他一截对它来说，无伤大雅这四本综合性医学杂志，是我们统称的[四大医学期刊]，也是公认的历史最为悠久，顶级的综合性临床期刊。除了8MJ.其他三本都有一定程度的降低降另外两个下降幅低的程度NEJIM较低，度与CA相差无几。 今年Noture发挥稳定并且上升1.086，成为老牌LN5中的领头羊，夺Lell的领先家座，但5cience令人大跌眼镜，竟然跌出B0分以下，属实有点掉队了。 Lell Reseorch今年略有下降，但是霸主地位依旧稳毕竟被称之“围刊之光”。排名第二的华西医院的5TTT今年不甘落后，上升了1.196，也是所有国刊中上涨的期刊，未来可期，其余国产期刊都有所下降，下降的幅度参差不齐。 如果你也想让自己的文章出现在国际期刊里，不妨私信王师兄，将会带领大家披荆斩棘 拿到你的第一张accept！欢迎联系我。
生物统计学贯穿于临床研究的整个阶段，主要包括： 试验设计 数据管理 统计分析计划制定 试验数据处理 统计分析报告 4.选用合适的统计软件，进行统计分析，报告统计结果:获得了数据框结构的数据集，把数据集导入统计软件，选对了统计方法，计算出结果并非难事然而，事情并没有这么简单，统计分析是一个系统工程，需要进行预分析、正式分析等多次尝试，最终获得一个临床可解释的符合逻辑的结果。例如:一份计量资料，我们首先考虑使用线性模型进行方差分析但是分析过程中发现方差不齐，我们可以改做秩和检验如在Logistic回归分析过程中，可以分别选用全部进入法和逐步回归法筛选变量或者先做单因素分析根据单因素分析的P值筛选变量也可以几种方法均尝试一下，然后比较几种方法所得出结果的差异，再根据专业知识和分析目的，作出自己的判断。可见统计分析不是一蹴而就的过程，而是不断尝试、不断思考不断调优的过程。 5.评估统计结果，合理表达结果，结合专业知识与统计结果回答我们提出的临床问题:选择合适的载体才能有效传达信息统计结果的表达载体无非是表格、图形与文字选择的原则也是优先选择图形，其次是表格，再次是文字此外，要特别注意从统计结论过渡到专业结论大家都需要特别慎重,不可过度推断，随意发挥基于统计结果做出合理的推断得到符合逻辑的结论，才是严谨而有价值的研究 只有进行科学合理的统计分析，才能根据临床研究得出正确可靠的结论。 欢迎联系我。
GEPIA是一种新开发的交互式网站，使用标准流程分析来自TCGA和GTEx项目的9736个肿瘤和8587个正常样本的RNA 测序表达数据。GEPIA无需edu后缀的邮箱注册，直接登录即可，门槛相当低，任何人都可以免费使用；操作也非常简单，通过点点点就可以进行综合全面的分析；非常适合生信分析入门 GEPIA 数据库的主要功能:1.单基因分析，差异分析，与肿瘤分期的相关性，生存分析和相似基因。2.肿瘤类型分析，包括筛选与肿瘤关系、影响生存最密切的基因。3.多基因分析，包括基因表达的相关性和降维分析等4.免疫细胞类型分析，用于探究肿瘤的免疫浸润分析。GEPIA 数据分析平台可分为三大模块:肿瘤类型分析(Cancer Type Analysis) ，适于筛选具有表达差异或者生存差异的基因，有两种分析;2单基因分析(Single Gene Analysis) ，适于基因确定情况下的生信分析，包括散点图，生存等共五种分析;3多基因分析 (Multiple Gene Analysis)，适于多基因综合分析，包括多基因对比、相关分析和 PCA 分析三种情况。差异表达和生存分析是生信分析的核心，那么，我们如何用 GEPIA 进行生存差异基因的筛选呢? 用 GEPIA 快速筛选差异表达的基因进入 GEPIA 主页-点击 Cancer Type…
文献中很常见的“火山图”怎么看？ 1.坐标轴：横轴是log2（Fold change），显示差异倍数（FC），点越偏离中心，表示差异倍数越大；纵轴是-log 10（adj.p-value），显示显著性，点越靠图的顶部，表示差异越显著；2.点：图中每个点代表一个检测到的基因（或蛋白、代谢物等），图中这些点分别具有不同颜色，颜色的意义可以参考图片右侧的图例：UP：差异显著且上调的基因DOWN：差异显著且下调的基因NOT：差异不显著的基因。3.差异基因筛选阈值设置：根据差异倍数（fold change）和显著性（P-value）设定差异基因的筛选阈值。p-value：表示某个基因在分组之间的表达是否差异显著，一般认为p-value<0.05为显著。Adjusted p-value：即经过统计学方法校正后的p-value，由于统计学上常用的校正方法包括”BH”、”FDR”等，所以在一些文章中，我们也会看到筛选差异基因的阈值是FDR<0.05。p值越小差异越显著，但直接用adjusted p-value画图的话点会集中在底部不美观，而-log 10（adjusted p-value）转换后正好是反了过来，数值越大越显著，而且以10为底很容易换算回去，做出的图比较美观。Fold Change：表示两个分组之间的差异倍数，其绝对值越大说明某基因在两组之间的表达差异也越大。该值为正时，表示差异上调；该值为负时，表示差异下调。画图时，一般转换为log2FoldChange，使展示更直观。各位学弟学妹们有任何疑惑都可以在下方评论区留言，或关注私信师兄，师兄看到一定会及时回复哒!另外，有需要系统化学习生信和医学类SCI一对一 辅导的同学，也可以猛戳师兄私信!!欢迎联系我。