META已廢，問世間不做實驗不花錢就能發(fā)SCI的套路，貌似僅剩生信分析與臨床研究兩款。臨床研究還需要高質(zhì)量臨床資料的支撐，諸君恐巧婦難為無米炊。而生信套路堪稱“無中生有”，網(wǎng)上下載數(shù)據(jù)，唰唰唰那么一分析，出一堆語焉不詳?shù)撵n圖就組成一篇SCI。

于是，我在無數(shù)個場合聽到學(xué)員說，老師，教教我怎么用數(shù)據(jù)挖掘發(fā)文章吧！同學(xué)，你看你哈喇子都流下來了，趕緊擦一擦。

生信套路有七十二般變化，然而飯是一口口吃的。在靈活應(yīng)用生信工具發(fā)表SCI文章之前，你首先要做一個能在各大數(shù)據(jù)庫之間自由穿梭的優(yōu)雅男子/女子，唯有此，你才有機(jī)會進(jìn)階成為玩弄數(shù)據(jù)于股掌之間的生信高手。

駕馭生信策略，首先得了解數(shù)據(jù)庫的分類用途。數(shù)據(jù)庫可分四類：信息數(shù)據(jù)庫、通路數(shù)據(jù)庫、互作數(shù)據(jù)庫和高通量數(shù)據(jù)庫。信息數(shù)據(jù)庫，如NCBI，UCSC，Ensenbl查DNA和RNA信息，Uniprot查蛋白信息，類似于個人身份證ID，集特征信息于一體（上周解螺旋有免費贈課）。

通路數(shù)據(jù)庫如KEGG，DAVID，GSEA，提供信號通路與功能聚類相關(guān)的指引，做機(jī)制的時候先分析再驗證逼格立馬Level up（文章底部有福利）。

互作數(shù)據(jù)庫主要用于預(yù)測分子與分子之間的相互作用，比如miRNA的靶基因，lncRNA的結(jié)合蛋白，啟動子結(jié)合的轉(zhuǎn)錄因子等等，是機(jī)制環(huán)節(jié)展現(xiàn)深度的閃亮鑰匙。以上這些，均不足以直接通過分析產(chǎn)生SCI文章，要用別人的數(shù)據(jù)發(fā)自己的文章，僅有挖掘高通量數(shù)據(jù)庫可實現(xiàn)。

高通量數(shù)據(jù)，即基因芯片和二代測序數(shù)據(jù)，前人將他們的篩選結(jié)果無私地分享，上傳至開放數(shù)據(jù)庫存儲，后人就可以依據(jù)自己的問題和理解二次分析產(chǎn)生新的結(jié)論發(fā)表。高通量數(shù)據(jù)倉庫中經(jīng)典有GEO、ArrayExpress和SMD，主要存儲基因表達(dá)的芯片數(shù)據(jù)，做腫瘤的同學(xué)更幸福，有TCGA，Oncomine等專門的疾病數(shù)據(jù)庫。

那么，到底要學(xué)會使用多少生信數(shù)據(jù)庫（軟件），才能做好基礎(chǔ)科研呢？不好意思，我又想起了同學(xué)們謀求最小代價發(fā)SCI的世俗思路，酸菜知道，不假裝清高，才能深入民心。好！最有效率的生信技能學(xué)習(xí)路徑，我不妨來解一解。

在你追求低分灌水的階段，學(xué)會使用GEO這一類的表達(dá)數(shù)據(jù)庫是極有必要的，從數(shù)據(jù)庫下載數(shù)據(jù)只是第一步，關(guān)鍵是學(xué)習(xí)分析的方法，這里面有大量的統(tǒng)計學(xué)知識，需要逐一攻克。

總體而言，高通量數(shù)據(jù)分析的結(jié)果是為了獲得一個或者一組靶標(biāo)，這其中可以用1個或者幾個數(shù)據(jù)子集，然后利用有臨床資料的數(shù)據(jù)子集，再去分析高表達(dá)和低表達(dá)對疾病發(fā)生、發(fā)展及預(yù)后的影響。這一套路中需要掌握2種具體技能：高通量數(shù)據(jù)篩選差異基因的分析流程，以及臨床資料進(jìn)行單因素、多因素和生存分析的統(tǒng)計操作。

有時候，單個靶標(biāo)不太過癮，高階的統(tǒng)計學(xué)手法可將多個靶標(biāo)根據(jù)評分組成多維度的分子預(yù)測模型，按照這一思路，基本步驟是一個數(shù)據(jù)集建立模型，再選擇另一個數(shù)據(jù)集驗證模型，最好再來點自己的樣本做獨立驗證集，由此證明模型的有效性。

其實，差異分析加上臨床相關(guān)性研究，已經(jīng)能夠產(chǎn)出一系列數(shù)據(jù)結(jié)果，如果再有細(xì)胞水平做表型驗證，文章會很容易發(fā)表。

然而不想做細(xì)胞實驗的同學(xué)，單指標(biāo)分析看上去太水不容易發(fā)表，改用復(fù)合指標(biāo)建立預(yù)測模型會是一個很好的提升逼格方法。這一類挖掘基因表達(dá)數(shù)據(jù)后用復(fù)合指標(biāo)建模的操作流程難度類似于META分析，用學(xué)META的時間投入可一舉攻克。

隨著科研能力的遞增，“干濕結(jié)合”的研究方法就自然而然成為主要策略，生物信息學(xué)謂之“干”，細(xì)胞分子實驗謂之“濕”，只有大數(shù)據(jù)分析加上生物實驗驗證的結(jié)果才能發(fā)表高水平的paper。

到了這一階段，信息數(shù)據(jù)庫往往是實驗入門的基礎(chǔ)應(yīng)用，設(shè)計引物，做表達(dá)克隆，siRNA都少不了查序列信息，做Western驗證還應(yīng)該考慮蛋白的大小、亞細(xì)胞定位等特性，相關(guān)數(shù)據(jù)庫會高頻用到。

細(xì)胞表型Gain of function和Loss of function的“濕”，配上前面數(shù)據(jù)挖掘獲得的“干”，完美地組成一項層次分明的研究課題，是當(dāng)下流行風(fēng)氣。

我們似乎還沒有用到通路數(shù)據(jù)庫和互作數(shù)據(jù)庫？莫急，分子互作的預(yù)測只有當(dāng)你細(xì)胞、動物實驗表型做完，深入到分子機(jī)制的時候才會涉及，特別是研究miRNA，lncRNA這些非編碼RNA的同學(xué)，對此心有戚戚，難舍難離。

用到分子互作數(shù)據(jù)庫的文章檔次應(yīng)在五分往上，因此科研入門階段，并不需要惦念過甚。倒是通路數(shù)據(jù)庫，無論是做靶標(biāo)篩選還是機(jī)制探索，都有其一席之地。給一組分子，還你一套調(diào)控網(wǎng)絡(luò)圖，怎么看都是價廉物美，童叟無欺的良心工具。

上周學(xué)習(xí)了NCBI，UCSC，Ensenbl和Uniprot，這周，邀請各位來耍一耍KEGG，DAVID，依我之見，通路分析掌握此二君，足矣！

三步獲得KEGG，DAVID課程視頻