“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。