“零基础推荐发哪种类型的生信SCI？” 这个问题其实很大，而且不同研究方向的肯定有不同的推荐，本次仅能先大框架的分类，先多了解，有机会建议大家自己去多找不同类型的范文去阅读。 ✔课题开头 1️⃣单基因 单基因的课题思路大同小异，难点在于合适的单基因怎么找？以及如何拓展分析数据量？ 💦单基因来源： 1、从文献中来 2、筛选出来 （1）特色指标筛出来（如预后） （2）热点+预后筛出来 （3）双热点筛出来 💦单基因课题提高数据量的方法： 单基因泛癌；双疾病共同调控核心基因（基因本身分析思路比较固定，往疾病类别去丰富数据）。 2️⃣基因家族/某一特征基因集（gene signature） 1、与热点相关的基因家族（如免疫、各种细胞死亡）。 2、某特征基因集、某热点基因集、某通路基因集等等，一类的基因集合一起研究。 3️⃣数据集出发 1、常规筛选差异基因。 2、筛选疾病特征的差异基因（指标：ROC，KM-plot；cox；WGCNA）。 3、  结合新指标去筛（如机器算法，免疫等）。 4️⃣组合课题 1、数据集筛出单基因——后续可单基因课题（或只是选择该单基因实验验证节约成本）。相比单基因，还多了一部分数据集筛选的工作。 2、基因家族筛出单基因——后续单基因课题。 3、数据集筛选差异基因+某一基因集（如热点），筛出单基因——后续单基因课题。 4、双疾病筛出共同基因+热点，筛出基因。 5、泛癌筛出某基因-在某癌种结果特别好——单基因课题。 √课题结尾 筛到最后基本还剩几个或1个单基因靶标，最后补充实验验证即可。 √课题中间 以下筛选指标可根据具体分析结果排列组合，顺序并非固定： （1）表达差异：对 测序数据进行分析，筛选不同分组间的差异表达基因。 （2）聚类分析：对筛选出来的差异表达基因进行GO和KEGG的富集分析，也可以基于整个基因表达矩阵进行GSEA的富集分析，筛选得到相关的生物学功能和通路。 （3）交互网络：最常见的是通过STRING数据库构建蛋白互作网络，也可以通过功能基因预测相应的miRNA构建可视化网络（如ceRNA）。 （4）临床意义：联系临床诊断（ROC）、预后（KM-plot）、耐药、某临床性状WGCNA、免疫治疗。 PS：如果你觉得自学生信太困难，复杂的数据看不懂，不妨找一个老师一对一带着你学，全程陪伴，指导你学懂生信分析的难点。