昨天看到酸菜師父用窮舉法遍歷了全部40余種基礎(chǔ)科研套路。作為一個(gè)學(xué)了36策，又略懂點(diǎn)生信分析套路的酸菜師父的徒弟，在師父列的基礎(chǔ)科研的每個(gè)套路每個(gè)環(huán)節(jié)里，都看到了有生信分析進(jìn)一步驗(yàn)證的可能性。古有脂硯齋重評(píng)石頭記，今個(gè)徒弟給酸菜師父的基礎(chǔ)科研套路加個(gè)生信分析的注腳。簡(jiǎn)單談一下我對(duì)每個(gè)套路里生信相關(guān)分析的理解。因?yàn)樯艛?shù)據(jù)庫(kù)眾多龐雜，質(zhì)量良莠不齊，我在每個(gè)套路下僅列幾個(gè)生息分析的數(shù)據(jù)庫(kù)，不求窮舉而多，但求精準(zhǔn)實(shí)用。

其實(shí)在基礎(chǔ)科研中，把生信分析拉來(lái)打輔助，相互配合，還真給SCI的故事的完整性和說(shuō)理維度都增光添彩了不少。要說(shuō)變量來(lái)源，差異表達(dá)的各類分子和藥物的有效成分，可以通過(guò)生信分析解決；通路機(jī)制也可以通過(guò)各類富集分析進(jìn)行聚類定幾個(gè)感興趣的通路；至于分子與分子/藥物之間各種直接間接關(guān)系，也是可以通過(guò)直接數(shù)據(jù)庫(kù)檢索或者計(jì)算機(jī)模擬分析得到初步結(jié)論。生信分析可以算得上科研套路里的百搭的一個(gè)論證維度，哪哪都可以有他。而且生信分析能屈能伸，有大樣本高通量分析，CNS級(jí)別的王者也打過(guò)，低分灌水文章中也不乏它的身影。

單變量論證

“表達(dá)差異（分子），有效成分（分子）”

變量分為分子，藥物，通路。分子分為DNA、 RNA 和蛋白；藥物分為中藥（復(fù)方，藥團(tuán)，藥對(duì)，單藥，活性成分）與西藥（藥物，有效成分）；通路包括9大信號(hào)通路。其中可以做主變量的為分子和藥物。

1.分子表達(dá)相關(guān)的數(shù)據(jù)庫(kù)：

1）綜合性數(shù)據(jù)庫(kù)：TCGA, GEO, ICGC, Arrayexpress, Target, SRA，UCSC Xena等數(shù)據(jù)庫(kù)下載基因表達(dá)矩陣，用R語(yǔ)言整理進(jìn)行差異表達(dá)分析挑有意義的分子，或者直接分析目的基因的表達(dá)情況

2）提供基因基本信息與表達(dá)檢索的數(shù)據(jù)庫(kù)

①Human Protein Atlas 數(shù)據(jù)庫(kù)，簡(jiǎn)稱HPA數(shù)據(jù)庫(kù)，網(wǎng)址https://www./，提供全部24,000種人類蛋白質(zhì)的組織和細(xì)胞分布信息。

②Cancer Cell Line Encyclopedia 數(shù)據(jù)庫(kù)，簡(jiǎn)稱CCLE數(shù)據(jù)庫(kù)，網(wǎng)址https://portals./ccle_legacy/home，有1,457個(gè) 細(xì)胞系，涉及84,434個(gè)genes。包括WES數(shù)據(jù)，WGS數(shù)據(jù)，RNAseq數(shù)據(jù)，擴(kuò)增子數(shù)據(jù)，可以檢索specific genes的表達(dá)變化，突變，indels，拷貝數(shù)變異（copy number variation, CNV），甲基化等等。

③Genecards 數(shù)據(jù)庫(kù)，網(wǎng)址http://www./，自動(dòng)整合約125個(gè)網(wǎng)絡(luò)來(lái)源的基因的數(shù)據(jù)（包括基因組，轉(zhuǎn)錄組學(xué)，蛋白質(zhì)組學(xué)等），提供基因的描述信息，功能信息，定位以及在不同組織的表達(dá)情況。

④ Gene Expression Profiling Interactive Analysis數(shù)據(jù)庫(kù)，簡(jiǎn)稱GEPIA數(shù)據(jù)庫(kù)，網(wǎng)址 http://gepia./index.html，提供了對(duì)于目的基因的在不同組織的表達(dá)情況，差異表達(dá)，生存分析，相關(guān)性分析等。

⑤Oncomine數(shù)據(jù)庫(kù)，網(wǎng)址https://www./resource/login.html, 可用于分析基因表達(dá)差異，預(yù)測(cè)共表達(dá)基因，預(yù)測(cè)表現(xiàn)，根據(jù)腫瘤分期、分級(jí)、組織類型等臨床信息進(jìn)行分類等。

⑥miRBase數(shù)據(jù)庫(kù)，網(wǎng)址http://www./index.shtml，該數(shù)據(jù)庫(kù)中收錄了來(lái)自200多個(gè)物種，接近4萬(wàn)個(gè)miRNA的信息，包括miRNA前體對(duì)應(yīng)的基因，序列，莖環(huán)結(jié)構(gòu)等信息，是最全面的miRNA數(shù)據(jù)庫(kù)。

⑦LNCipedia數(shù)據(jù)庫(kù)，網(wǎng)址https:///，是一個(gè)綜合性的人類lncRNA數(shù)據(jù)庫(kù)，整合了多個(gè)數(shù)據(jù)庫(kù)，包括lncRNA基因ID, 轉(zhuǎn)錄本iD, 染色體位置，類別，長(zhǎng)度等信息。

⑧ CSCD數(shù)據(jù)庫(kù)，網(wǎng)址http://gb./CSCD/，收錄了272152個(gè)腫瘤特異性的環(huán)狀RNA, 會(huì)給出circRNA來(lái)源基因名稱，對(duì)應(yīng)的樣本名稱，基因的結(jié)構(gòu)信息，所在染色體的位置等。

2. 藥物相關(guān)數(shù)據(jù)庫(kù)

1）中藥成分?jǐn)?shù)據(jù)庫(kù)

TCMSP數(shù)據(jù)庫(kù)，網(wǎng)址http:///tcmsp.php，包含了499味草藥（中國(guó)藥典2010版）以及每位草藥的化合物成分（共計(jì)29000余個(gè)），針對(duì)每個(gè)化合物提供了較全面的人體吸收、分布、代謝（ADME）性質(zhì)評(píng)價(jià)數(shù)據(jù)，同時(shí)提供了潛在活性分子的靶標(biāo)及其疾病信息。

其他可替代的中藥成分網(wǎng)站包括SymMap, TCM-PTD, TCM-MESH, TCMID數(shù)據(jù)庫(kù)。

2）藥物通用信息注釋數(shù)據(jù)庫(kù)

① Pubchem數(shù)據(jù)庫(kù)，網(wǎng)址https://pubchem.ncbi.nlm./，專門(mén)針對(duì)化學(xué)結(jié)構(gòu)搜索的數(shù)據(jù)庫(kù)，包括化合物的 2D 和 3D 結(jié)構(gòu)物理性質(zhì)、化學(xué)性質(zhì)以及安全信息。更重要的是能查詢到與化合物相關(guān)的文獻(xiàn)和專利。

② DrugBank數(shù)據(jù)庫(kù)，網(wǎng)址https://www./，介紹了6000多個(gè)藥物的名稱、研究歷史、化學(xué)結(jié)構(gòu)、處方劑量、理化性質(zhì)、適應(yīng)癥分類、藥理學(xué)研究、藥物相互作用、臨床試驗(yàn)、相關(guān)制藥公司、價(jià)格、專利號(hào)、基因或蛋白質(zhì)靶標(biāo)、該藥物的轉(zhuǎn)運(yùn)蛋白等，相關(guān)的參考文獻(xiàn)也都詳細(xì)地列在旁邊。

③ ChEBI數(shù)據(jù)庫(kù)，網(wǎng)址https://www./chebi/，是一個(gè)收錄生物醫(yī)學(xué)相關(guān)化學(xué)條目的數(shù)據(jù)庫(kù)。

二元變量論證

生信數(shù)據(jù)庫(kù)預(yù)測(cè)變量與變量之間關(guān)系的來(lái)源有三種：1、基于已經(jīng)發(fā)表的文獻(xiàn)；2、基于計(jì)算機(jī)算法對(duì)藥物或者分子的結(jié)構(gòu)進(jìn)行預(yù)測(cè)；3、基于實(shí)際體內(nèi)體外實(shí)驗(yàn)的測(cè)量計(jì)算。

1） 藥物+通路：

Kyoto Encyclopedia of Genes and Genomes數(shù)據(jù)庫(kù)，簡(jiǎn)稱KEGG數(shù)據(jù)庫(kù)，網(wǎng)址http://www./kegg/pathway.html，提供了藥物與通路之間相互作用的信息。在藥物開(kāi)發(fā)方面:包括抗感染藥、抗腫瘤藥、神經(jīng)系統(tǒng)藥物等相關(guān)通路；另外還包含靶向藥物的相關(guān)通路。

2） 藥物+分子：

STITCH數(shù)據(jù)庫(kù)，網(wǎng)址http://stitch.，用于檢索已知的以及被預(yù)測(cè)的化合物和蛋白質(zhì)之間互作關(guān)系的平臺(tái)，化合物與蛋白質(zhì)之間的互作關(guān)系通過(guò)實(shí)驗(yàn)驗(yàn)證，數(shù)據(jù)庫(kù)，以及文獻(xiàn)中的研究被證實(shí)。

3） 分子+通路：

① DAVID數(shù)據(jù)庫(kù)，網(wǎng)址http://david.abcc./ , 用于篩選出差異基因之后的功能和通路富集分析。提供了GO注釋，KEGG注釋，蛋白相互作用，蛋白功能區(qū)域，疾病相關(guān)，生物代謝通路，序列特點(diǎn)，異構(gòu)體，基因功能總結(jié)，基因在組織里的表達(dá)和論文等。但是有數(shù)據(jù)處理慢，數(shù)據(jù)庫(kù)更新慢的缺點(diǎn)。

② Metascape數(shù)據(jù)庫(kù)，網(wǎng)址http:///gp/index.html ，該數(shù)據(jù)庫(kù)不僅能完成通路富集和生物過(guò)程注釋，還能做基因相關(guān)的蛋白質(zhì)網(wǎng)絡(luò)分析和涉及到的藥物分析。與DAVID數(shù)據(jù)庫(kù)相比，其操作簡(jiǎn)單，數(shù)據(jù)可視化結(jié)果精美，且數(shù)據(jù)更新快，覆蓋廣，整合了多個(gè)數(shù)據(jù)庫(kù)的資源。

4）分子+分子：

① STRING數(shù)據(jù)庫(kù)，網(wǎng)址https:/// , 適用于研究蛋白之間的相互作用網(wǎng)絡(luò)。

② starBase數(shù)據(jù)庫(kù)，網(wǎng)址http://starbase./index.php ，適用于研究miRNA target，

RNA-RNA相互作用，ceRNA調(diào)控網(wǎng)絡(luò)，以及RNA和蛋白的結(jié)合信息。

二元變量+表型嵌套

目前生信分析已發(fā)表的文章中，應(yīng)用兩種表型嵌套的文章還比較少見(jiàn)，但也不是不可行?？梢酝ㄟ^(guò)數(shù)據(jù)庫(kù)或者已經(jīng)發(fā)表的高分文章或者特定的R包獲得表型相關(guān)基因的list，就得到了這個(gè)表型相關(guān)的基因集合。如果涉及到表型嵌套的話，那么這兩個(gè)嵌套的表型的基因list取交集，不就得到了與這兩個(gè)表型相關(guān)的交集基因集合，大概率這些分子會(huì)與表型嵌套有關(guān)。

表型相關(guān)數(shù)據(jù)庫(kù)：

Genecards, 在檢索框輸入感興趣的表型名稱，即可得到表型相關(guān)的基因列表。

三元變量論證

藥物、分子、通路這三元變量進(jìn)行組合，有意義的組合只有七種。

藥物/分子+分子/通路+通路/分子

排列組合的原則是藥物不做次，通路不做主，分子主次皆可。

通過(guò)將以上二元變量相關(guān)的數(shù)據(jù)庫(kù)，兩兩組合，同樣可以解決三元論證的問(wèn)題。包括目標(biāo)分子的來(lái)源問(wèn)題是通過(guò)數(shù)據(jù)庫(kù)或者生信分析篩出來(lái)的，藥物的有效成分是通過(guò)數(shù)據(jù)庫(kù)檢索出來(lái)的。與其他分子的相互作用，與哪些生物學(xué)功能、通路機(jī)制相關(guān)也是通過(guò)分析預(yù)測(cè)縮小了研究范圍。

三元變量+表型嵌套

模塊堆疊，排列組合。對(duì)復(fù)雜的因素進(jìn)行拆解，是解決問(wèn)題、減少焦慮的有效手段。從最簡(jiǎn)單的二元變量入手，再組合成三元變量，最后與多個(gè)表型變量相關(guān)基因list取交集基因相聯(lián)系，即可完成本條邏輯線。

二元分子交互論證

RNA可以與DNA, RNA, 蛋白結(jié)合。蛋白可以與DNA, RNA, 蛋白結(jié)合。同時(shí)化合物也可以與分子相結(jié)合。

1）蛋白-DNA（即轉(zhuǎn)錄因子模式）

轉(zhuǎn)錄因子含有 DNA 結(jié)合的結(jié)構(gòu)域，能識(shí)別 啟動(dòng)子 DNA 序列的 motif，調(diào)控基因的轉(zhuǎn)錄，包括對(duì)編碼基因mRNA 、非編碼RNA（miRNA , lncRNA , circRNA）等的轉(zhuǎn)錄調(diào)節(jié)。

① JASPAR, 網(wǎng)址http://jaspar./ ，提供了轉(zhuǎn)錄因子與DNA結(jié)合位點(diǎn)motif最全面的公開(kāi)數(shù)據(jù)。

② Harmonizonme，網(wǎng)址http://amp.pharm./Harmonizome , 提供了靶基因數(shù)據(jù)可在線瀏覽特定轉(zhuǎn)錄因子的靶基因外，還可以方便的下載該數(shù)據(jù)集。

③ TRRUST，網(wǎng)址http://www./trrust/ ，記錄轉(zhuǎn)錄因子調(diào)控關(guān)系的數(shù)據(jù)庫(kù)，包含轉(zhuǎn)錄因子對(duì)應(yīng)的靶基因， 以及轉(zhuǎn)錄因子間的調(diào)控關(guān)系。目前存儲(chǔ)了人和小鼠調(diào)控信息。

④ AnimalTFDB，網(wǎng)址http://bioinfo.life./AnimalTFDB/#!/ ，根據(jù)某段基因序列預(yù)測(cè)結(jié)合的轉(zhuǎn)錄因子

⑤ hTFtarget，網(wǎng)址http://bioinfo.life./hTFtarget#!/ , 通過(guò)轉(zhuǎn)錄因子預(yù)測(cè)靶基因。

2）蛋白-蛋白

蛋白與蛋白通過(guò)形成復(fù)合物（complex）來(lái)發(fā)揮作用；或者蛋白通過(guò)直接結(jié)合效應(yīng)蛋白，影響效應(yīng)蛋白的功能。

① STRING數(shù)據(jù)庫(kù)，網(wǎng)址https:/// , 研究蛋白之間互作網(wǎng)絡(luò)，有助于挖掘核心調(diào)控基因覆蓋物種最多，互作信息最大，可輸入蛋白質(zhì)名稱或序列；單個(gè)或多個(gè)蛋白。

② InBioMap數(shù)據(jù)庫(kù)，網(wǎng)址https://www./inbio/map.html#home , 基于以及發(fā)表的文獻(xiàn)來(lái)分析蛋白相互作用。

③ BioGRID 數(shù)據(jù)庫(kù)，網(wǎng)址https:/// , 存檔和傳播多個(gè)模式生物和人類的遺傳和蛋白質(zhì)相互作用的數(shù)據(jù)。

④ HPRD數(shù)據(jù)庫(kù)，網(wǎng)址http:///index_html , 專門(mén)存儲(chǔ)人類蛋白質(zhì)相互作用信息的數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)中存儲(chǔ)的信息均經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，數(shù)量較多。

3）RNA-RNA/DNA

RNA與RNA或者DNA間能夠堿基互補(bǔ)配對(duì)來(lái)發(fā)揮作用。RNA既可以結(jié)合到DNA上，影響基因轉(zhuǎn)錄等功能，也可以結(jié)合到RNA上，在轉(zhuǎn)錄后水平影響RNA，比如miRNA對(duì)mRNA的調(diào)控等。

①StarBase數(shù)據(jù)庫(kù)，網(wǎng)址http://starbase./ , 通過(guò)高通量的數(shù)據(jù)尋找潛在的miRNA-ncRNA，miRNA-mRNA, ncRNA-RNA， PBR-ncRNA以及RBP-mRNA的相互作用。

②TargetScan數(shù)據(jù)庫(kù)，網(wǎng)址http://www./vert_72/ ，一個(gè)miRNA 靶基因預(yù)測(cè)的網(wǎng)站, 包括了 人， 小鼠，果蠅 ， 線蟲(chóng)， 斑馬魚(yú) 共5個(gè)物種的miRNA 靶基因結(jié)果。

③LongTarget數(shù)據(jù)庫(kù)，網(wǎng)址http://lncrna./ ，輸入lncRNA序列或者位置信息，就可以預(yù)測(cè)lncRNA結(jié)合DNA的motif以及結(jié)合DNA的位點(diǎn)信息。

④RNAInter數(shù)據(jù)庫(kù)，網(wǎng)址http://www./rnainter/ ，總條目超過(guò)4000萬(wàn)條的多種類型RNA互作數(shù)據(jù)，同時(shí)結(jié)合RNA編輯、定位、修飾、靶區(qū)域、結(jié)構(gòu)以及同源互作等注釋信息。

4）RNA-蛋白

RNA能夠結(jié)合到蛋白上，影響蛋白的功能或者定位。同樣，蛋白亦可以發(fā)作用于RNA，影響RNA的功能。

①catRAPID數(shù)據(jù)庫(kù)，網(wǎng)址http://service./page/catrapid_group , 專門(mén)用來(lái)計(jì)算蛋白和RNA結(jié)合特性的工具，可以從RNA入手，或者蛋白入手，進(jìn)行相應(yīng)的預(yù)測(cè)。

②RBPDB數(shù)據(jù)庫(kù)，網(wǎng)址http://rbpdb.ccbr./ ，直接預(yù)測(cè)與RNA的作用蛋白。

③RPISeq數(shù)據(jù)庫(kù)，網(wǎng)址http://pridb.gdcb./RPISeq/ ，輸入RNA以及蛋白序列，分析兩者是否存在相互作用的可能性。

④lncPro數(shù)據(jù)庫(kù)，網(wǎng)址http://bioinfo./lncpro/ ，預(yù)測(cè)lncRNAs和蛋白質(zhì)相互作用的工具。

5）化合物-分子

化合物可以通過(guò)直接作用或者間接影響到細(xì)胞內(nèi)靶分子的表達(dá)量以及功能活性。

①STITCH數(shù)據(jù)庫(kù)，網(wǎng)址http://stitch./ , 用于檢索已知的以及被預(yù)測(cè)的化合物和蛋白之間互作關(guān)系的平臺(tái)?；プ麝P(guān)系通過(guò)實(shí)驗(yàn)驗(yàn)證，數(shù)據(jù)庫(kù)及文獻(xiàn)中的研究被證實(shí)。

②TCMSP數(shù)據(jù)庫(kù)，網(wǎng)址http:///tcmsp.php , 用HIT數(shù)據(jù)預(yù)測(cè)算法SysDT獲得藥物靶點(diǎn)之間的關(guān)系。為每種化合物提供了藥物代謝動(dòng)力學(xué)信息，如DL, OB, BBB, Caco-2。

③TTD數(shù)據(jù)庫(kù)，網(wǎng)址http://bidd./group/cjttd/ , 提供有關(guān)藥物的化學(xué)結(jié)構(gòu)、靶標(biāo)，疾病和通路的信息可以使用藥物相似性預(yù)測(cè)沒(méi)有靶點(diǎn)信息的化合物靶點(diǎn)。

④ChEMBL數(shù)據(jù)庫(kù)，網(wǎng)址https://www./chembl/ , 查詢某個(gè)靶點(diǎn)已報(bào)道的化合物、活性等信息及某個(gè)化合物在哪些靶點(diǎn)做過(guò)生物活性測(cè)試及數(shù)據(jù)庫(kù)。

分子修飾縱橫嵌套

在生信中常見(jiàn)的分子修飾套路研究比較多的包括甲基化，拷貝數(shù)變異，可變剪切?；谶@些分子修飾變化，也延伸出了不同的生信分析套路，以及配套的數(shù)據(jù)庫(kù)和基于代碼的分析方法。

①cBioPortal數(shù)據(jù)庫(kù)，網(wǎng)址http://www./ , 目前存儲(chǔ)DNA拷貝數(shù)數(shù)據(jù)（每個(gè)基因的假定，離散值，例如“深度缺失”或“擴(kuò)增”，以及l(fā)og2水平），mRNA和microRNA表達(dá)數(shù)據(jù)，非同義突變，蛋白質(zhì)水平和磷蛋白水平（RPPA）數(shù)據(jù)，DNA甲基化數(shù)據(jù)和有限的臨床數(shù)據(jù)，用戶查詢每個(gè)gene和每個(gè)樣本的的遺傳學(xué)改變，并檢驗(yàn)復(fù)發(fā)（某些特殊癌癥）。

②TSVdb數(shù)據(jù)庫(kù)，網(wǎng)址http://www./index.html ，TCGA中的可變剪切分析工具。

③MethyCancer數(shù)據(jù)庫(kù)，網(wǎng)址http://methycancer./ , 整合了DNA甲基化數(shù)據(jù)和基因表達(dá)譜數(shù)據(jù)，將癌癥與相關(guān)的基因聯(lián)系起來(lái)。

三元變量一組交互

三元變量和二元交互兩個(gè)模塊，均可通過(guò)生信數(shù)據(jù)庫(kù)/R代碼分析找到合適的對(duì)應(yīng)預(yù)測(cè)手段?；谒幬镉行С煞诸A(yù)測(cè)靶分子，再加上靶分子預(yù)測(cè)其互作分子；基于二元交互的模塊，也可以通過(guò)分子來(lái)預(yù)測(cè)富集的通路。熟稔生信套路之后，你將會(huì)發(fā)現(xiàn)處處皆可生信，哪哪都能預(yù)測(cè)。

三元變量?jī)山M交互

構(gòu)建ceRNA網(wǎng)絡(luò)，是生信研究多分子類型的分析中的必備保留項(xiàng)目。比較常見(jiàn)的分析方式是以miRNA為軸心，用多個(gè)數(shù)據(jù)庫(kù)預(yù)測(cè)與之相互作用的mRNA或者lncRNA，又分別對(duì)其得到的mRNA或者lncRNA取交集，再導(dǎo)入Cytoscape中構(gòu)建互作網(wǎng)絡(luò)。另一種常見(jiàn)的生信數(shù)據(jù)庫(kù)預(yù)測(cè)轉(zhuǎn)錄因子蛋白與DNA的交互，這一步可以與miRNA上游無(wú)縫銜接。

三元交互

三元變量?jī)蓛上嗷プ饔?，在生信?shù)據(jù)庫(kù)中可以對(duì)每個(gè)變量進(jìn)行靶基因預(yù)測(cè)，兩兩取交集靶基因，縮小去搜尋三三變量?jī)蓛沙蓤F(tuán)的篩選范圍。

細(xì)胞交互嵌套

生信中的單細(xì)胞測(cè)序技術(shù)，一次可對(duì)最高30萬(wàn)個(gè)單細(xì)胞進(jìn)行測(cè)序，得到其中每一個(gè)細(xì)胞的各基因的表達(dá)譜信息，通過(guò)篩選質(zhì)控、數(shù)據(jù)標(biāo)準(zhǔn)化分析、特征提取，降維分析、距離計(jì)算、非監(jiān)督聚類、聚類展示等環(huán)節(jié)，最終可以得到不同的細(xì)胞亞群。一般認(rèn)為一個(gè)群代表一種細(xì)胞類型，而好幾個(gè)小群構(gòu)成一個(gè)大的細(xì)胞類型，而美一個(gè)小群代表該細(xì)胞類型的亞型。每個(gè)亞群的差異基因具有特異性，這種特異性的基因在理論上可以作為該細(xì)胞類型的marker基因，反過(guò)來(lái)，marker基因也可以作為鑒定和推斷細(xì)胞類型的手段。

主變量分裂與嵌套成環(huán)

在生信分析中，主變量可以分裂也可以聚合。

主變量可以分裂成一個(gè)基因家族的不同分子，幾個(gè)共表達(dá)或者功能相似的分子，或者不同可變剪切下的多個(gè)剪接體等。得到的這些分子在可以通過(guò)“圈”進(jìn)行合并的生物學(xué)功能和通路分析，免疫浸潤(rùn)分析；可以通過(guò)“聯(lián)”構(gòu)建互作網(wǎng)絡(luò)，臨床相關(guān)性、預(yù)后分析等分析流程，比單個(gè)基因分析多了數(shù)倍工作量。

主變量聚合是通過(guò)臨床預(yù)測(cè)模型分析，構(gòu)建篩選出單個(gè)分子類型或者多個(gè)分子類型的gene signature，再走圈聯(lián)靠的一系列分析流程。

嵌套成環(huán)，依舊是通過(guò)多元變量?jī)蓛缮欧治鲱A(yù)測(cè)，最后首尾取交集的模式。

寫(xiě)完以上文字，覺(jué)得生信數(shù)據(jù)庫(kù)和分析方法無(wú)窮無(wú)盡，但總歸都逃不過(guò)酸菜師父的套路框架和生信“挑圈聯(lián)靠”的四字口訣。徒弟道行尚淺，仍需好好跟酸菜師父學(xué)習(xí)。以不變應(yīng)萬(wàn)變，萬(wàn)變終究歸根于不變。

放眼望去，近幾年，很多人都有這樣一種感受，那就是現(xiàn)在的科研要求越來(lái)越高，論文發(fā)表越來(lái)越難。

這主要是因?yàn)楫?dāng)前競(jìng)爭(zhēng)越來(lái)越大，優(yōu)質(zhì)科研成果及高水平論文越來(lái)越多，學(xué)術(shù)市場(chǎng)水漲船高。現(xiàn)在，要想在學(xué)術(shù)生涯獲得良好發(fā)展，手握高分論文已經(jīng)成了通行證。這不僅是對(duì)科研人員，對(duì)碩博生們也是如此。對(duì)于碩博生們來(lái)說(shuō)，優(yōu)質(zhì)的論文更是獲到學(xué)術(shù)自信，確保順利畢業(yè)、獲得滿意工作的決定因素，根本無(wú)法忽視。

但是說(shuō)到這里，很多人可能就抱怨了：現(xiàn)在發(fā)論文，真的很難很難啊！