🙋‍♀️最近有人问，为啥看过很多生信文章，总结了很多思路，生信技能也多多少少学了一些，但依然不知道怎么做一篇自己的生信论文！ 心里一惊！这说的就是我本人呀！想法不少，但是细细研究下来，要学的东西太多，还找不到好的方向！ 幸好后来到师姐那偷学了几个贼好用的技巧！ 1️⃣机器学习 所谓机器学习，是指利用算法来检测数据中的模式，而不需要明确的指示。一个学习系统可以利用训练数据集，学会找出输入信息（例如图片）的特征与输出信息（如标签）之间的关联。 ①在基因组数据方面，用深度学习检测突变逐渐成为主流方法。 ②群体基因组学领域的PRS，用于基于基因组数据预测生物性状，这就是个典型的机器学习预测。 ③非肿瘤研究中，可以用机器学习来评估我们诊断标志物的诊断效力。 2️⃣空间转录组 简单来讲，空间转录组是既能够保留组织空间位置信息又能够获得不同组织空间位点转录信息的一种技术，以10 x Genomics Visium技术为例，它融合了组织病理学、基因芯片、高通量测序、生物成像技术。 当我们通过算法把单细胞的精度和空间转录组联合运用起来时，就拥有了一个双剑合壁的加分利器。 3️⃣影像组学 所谓“影像”，通常指放射影像，主要包括了CT、MR影像等；所谓“组学(Omics)，其实就是把与研究目标相关的所有因素综合在一起作为一个“系统”来研究。 影像组学本质上来说其实是一种分析思路方法，从临床问题出发，最后回到解决的临床问题。 推荐阅读文献： Radiomics predicts the prognosis of patients with locally advanced breast cancer by reflecting the heterogeneity of tumor cells and the tumor microenvironment 作者通过影像组学+生信分析+病理组学的方法，相比单纯按影像组学套路走的文章来说，通过基因组学、病理组学探讨了影像组学特征的生物学意义，蹭上了免疫的热点，可以说一环套一环。最终发了1区，8.4分SCI ! 👉如果你也想学习生信分析发SCI，或者学会生信分析技术，为以后做科研打下基础，都建议你找个老师一对一带着学，在实战中学习，真正从0到1发一篇生信SCI，才能真正学会这门技术。