随着国内学术界提出「不以 SCI 论英雄」,破除「唯 SCI 评估论」之后,笔者发现,广大硕博生发表国内北大核心、南大核心论文也越来越难。而对于广大硕博生而言,发表论文仍是毕业的基本条件,因此,很多童鞋仍旧每天都挣扎在写论文和发论文的路上,发表论文苦不堪言。论文发表难究其原因三个:一是论文本身质量问题;二是学校出身及身份级别问题(如偏重重点高校,偏重副教授以上);三是关系稿越来越多,人情关系越来越重。在我们无法左右原因二和原因三时,我们唯有提高论文本身的质量,这就涉及到论文写作,因此只有提高自己的论文写作能力才是王道。那么,如何提高论文写作能力呢?我认为可以分两步,首先是解决写作困难的问题,再是掌握论文写作技巧,提高写作能力。 第一步:解决写作困难问题1. 转变心态、敢于尝试对于一些学术小白来说,初始写作是很困难的,可能还没有开始,就把论文写作看的很困难,从而自己吓唬自己而不敢尝试去写。也就是所谓的「光说不练假把式」,脑袋里整天想的天花乱坠,下笔开始写困难重重。所以,论文写作不是只靠你自己去想,而是要敢于下笔。想要提高自己的写作能力,不要等到所有条件都成熟才开始,如果这样的话你永远等不
很多研究生小白厌恶科研,觉得科研太累,实际上很大程度的原因是由于没有掌握正确的方法,陷入了「死读书」的恶性循环。人们常说,科研要脚踏实地,不能飘,这是在强调做事的态度,而不是做事的方法。如果理解错了,可能就会钻牛角,适得其反,做研究没有效率,达不到理想的效果。师兄今天偷偷告诉你,搞科研也是需要走捷径的,需要「偷偷懒」,才能顺利毕业!PS:本文适合刚入坑的研究生小白,如果你已经是发表 N 篇文章的大佬,请绕道! 一、学会获取学习资源现如今学习知识已经不再局限于某一种途径了,学会从各处获取学习资源能够让自身能力提升许多。尤其对于研究生小白,思维还没有转变,总觉得知识只在课本上或者老师的口中,其实不然,随着现在网络信息的发达,我们获取学习资源也更加快捷。对于科研者,仅仅是书本课程的内容不足以满足,所以要掌握自学能力,自己获得和掌握需要的技能。当初师兄也是一样,在学习生信分析的时候,总觉得需要进专门的培训班或者自己把所有的生信书读一遍才行,后来慢慢发现,网络上有很多详细的教程,掌握自己需要的内容即可让研究进度突飞猛进。这里,师兄想介绍几个过去学习资源的渠道,希望大家取己所需,帮助科研。1. 科
一、什么是个案护理报告?个案护理报告,主要是针对临床护理工作中某个或某些具有特殊意义病例的个性现象进行研究和探讨,提出护理问题及问题论证,进而解决问题和进行效果评价,以探索其个性特征与共性规律,总结归纳出护理经验的方法。 二、个案护理报告撰写的思路及方法1. 选择合适的病例个案护理病例选择可从以下 4 方面进行:1)具有特殊性的少见、罕见病例;2)护理措施特殊的非特殊疾病病例;3)护理难度大的病例(如患者病情危重,病情复杂多变,其生理、心理问题多);4)采用新技术、新方法、新措施的护理病例。图片来源:文献截图2. 准确收集病例资料收集病例资料的内容包括:1)患者一般资料:患者年龄、性别、诊断、入院时间、心理状态等;2)特殊资料:患者病程、各种检查、生化指标等情况、治疗效果及护理结局。注意事项: 1)围绕护理主题,选择与护理问题论证相关的、具有特点的资料;2)亲自收集患者的客观或主观资料,每日评估和记录,确保绝对准确及真实。3)介绍病例资料需层次分明,逻辑清晰,可按照时间顺序,介绍患者诊疗过程中出现的病情变化、治疗及护理情况等。图片来源:文献截图3. 凝练护理问题研究者可查阅相关文献,熟
非编码 RNA 是研究的大热,常常见诸于 CNS 报端。一直以来,非编码 RNA 被认为是转录基因组上的「暗物质」。然而,随着测序技术的提升,研究人员发现人类基因组中 97% 的基因并不编码蛋白质。这些 DNA 不编码蛋白,却又会转录出大量的非编码 RNA,显然这不是上帝造人打盹时的「美丽错误」,非编码 RNA 应该有相应的作用,只是暂时未被发现而已。今天,笔者分享一篇顶刊《Cell》上 lncRNA 相关的文章,题目为《Self-Recognition of an Inducible Host lncRNA by RIG-I Feedback Restricts Innate Immune Response》。研究者发现一种全新非编码 RNA,该分子能够调控免疫系统的「进」与「退」, 拥有识别自我和非我的能力,这是此前学术界从未认识和证明的。图片来源:Cell 期刊官网研究人员首先锁定一个已知的模式识别受体蛋白——RIG-I(RIG-I 能够识别外源性 RNA),用来求证这个能与病毒 RNA 结合的蛋白,会不会和体内自身的 RNA 分子结合。于是,研究人员将 RIG-I 蛋白做测序,
正如爱因斯坦所说: 「提出一个问题往往比解决一个问题更重要,因为解决问题也许仅仅是一个数学上或者实验上的技能而已,而提出新的问题却需要有创造性的想像力。」要确定一个好的选题,那么收集材料,整理材料,分析材料,确定方向,哪一个环节都不能少。而论文选题要难易合适。如果过于简单,就无法体现出自己的能力;过难的选题,也可能让中途遇到难以解决的问题,而导致整个论文被迫放弃。因此,可以说论文选题规划了文章的方向,角度和规模,决定了论文的价值。选题一定程度上决定了你论文的质量以及投稿成功与否。笔者最开始进行研究时也是不知道什么是好的论文选题,怎么样找到好的论文选题。在硕博几年的摸索中总结了一些论文选题的技巧,和大家分享。 一、发现好的研究问题1. 好的研究问题之 WHAT(1)选题是否切实可行从客观因素看,包括时间长短、资料多少等;从主观因素看,包括自身的专业水平和能力。尽量使选题符合自身的知识结构、研究能力和写作水平。论文选题必须切实可行。以新冠肺炎为例,如你学的是护理专业,却去研究新冠肺炎病毒感染后的肺部囊性纤维化。一没有相应的专业材料,二没有基本的知识结构,论文操作起来就比较困难。(2)选题是
无论是什么领域,选题往往是最关键的也是最难的部分。因为提出一个问题的难度远远大于解决这个问题的难度。解决一个问题往往可以通过方向性、系统化的步骤去完成,但是选题则是漫无边际,摸不着头脑的。同时还要具备很强的专业素养、实践积累、理论升华、文献总结等能力。万事开头难,构思一个可行的选题方向足以让大家秃头了。但是别急,看看接下来的干货分享,让你的小脑袋瓜充满灵感,一个可行的、有价值的选题不再是幻想。首先我们要了解,护理科研选题是什么?护理和医学一样,科研选题是对护理领域的某一专业或某一个问题进行反复地探索,以解决为目的,发现新方法,提出新观点,用以指导临床医疗或护理实践的过程。科研工作成功与否的决定性因素就是科研选题是否科学合理。什么样的选题才具有价值?如何判断一个选择好不好?接着往下看。 一、护理科研选题的四大原则:1. 创造性原则寻找新方法、得出新结果、概念。临床应用等方面的创新。2. 科学性原则选题必须有理论依据和实践依据、必须与科学原理和自然规律相符合。3. 实用性原则护理研究的最终目的是让受试对象获益。4. 可行性原则选题必须考虑到开展研究工作的可能性。一个有价值、具备可行性的选题
首先,最好在引物设计阶段就采取简单的预防措施,从一开始即避免二聚体的形成。有几款免费工具可协助完成上述过程。其中一种工具是 AutoDimer,它可以从理论上对引物对的序列进行分析,并标记出那些易形成二聚体的序列。其次,如果出现了引物二聚体,有许多方法可以减少或消除反应中的引物二聚体。如下:
什么是生信,现在有没有必要学,怎么学?相信一提到生信,很多人是又爱又恨的。爱的是现在流传的一种让人心动的说法,「不用做实验就能发文章,好棒啊」。恨的是「R 语言太难了吧,我不会写代码!」或「我数学不好,统计学差,几万个数据怎么处理看得头都大」。就像朋友跟我讲的「找到数据库后,后续不知道怎么做了,密密麻麻的看着密集恐惧症都犯了」。今天,我们就来聊一聊,生信有那么可怕吗?一、生物信息学的前世今生「生物信息学」,这个名字听起来特别高大上。看名字除了生物学,又是计算机,又是信息学的。很多人一打开生信文章就被它各种复杂图表吓倒,如下图。图片来源:文献截图但实际上不用怕的,阿 Q 一点你甚至可以这么想「如果我学会了,是不是很牛逼?」生信表面上看起来难,但我自己学习时的理念一直都是:生信是生物学和计算机的交叉学科,计算机大神多,很多技术上的难题都已经帮我们解决,跟着大神的脚步走就可以了。今天,想跟大家简单介绍下生信的前世今生,并通过一个小例子告诉大家,生信并不可怕,生信可以学!个人十分推荐学新东西的时候花点时间了解它的历史,了解它在什么背景下为解决什么问题而出现,目前进展到什么程度,将来又将去往何方
1. 生信分析文章范例解读最近在检索文献时发现了 10 月有一篇生信文章,做的是关于三阴性乳腺癌中相关 ceRNA 差异表达谱的综合分析,于 2018 年 10 月 11 日发表在《Cellular physiology and biochemistry》杂志上,IF = 5.5。由于小编就是做三阴性乳腺癌 non-coding RNA 的相关研究,一直都有关注 ceRNA 的研究,类似这篇文章的工作量投稿分数应为 3-5 分,而此文竟然突破 5 分门槛。仔细阅读发现,原来这篇文章与常规生信分析文章相比,增加了 30 例样本的 q-PCR 验证,按照小编做实验的效率,大概也就两天工作量。所以接下来我们一起走进这篇文章,感受他的总体思路,看看是不是你与 5 分只差两天的距离? 三阴性乳腺癌(TNBC)是高度恶性乳腺癌的亚型,预后不良。越来越多的证据表明,长链非编码 RNA(lncRNA)在包括乳腺癌在内的多种癌症的发展和进展中发挥着重要的调节作用。此研究利用癌症基因组图谱(TCGA)的 RNA-Seq 数据比较了 111 个 TNBC 组织和 104 个非癌组织中 mRNA,lncRNA
生信分析,作为研究和发文章的方法受到很多人的青睐。所以,过去一段时间,这类文章如雨后春笋般涌现,因为这个方法简单,导致出现了很多注水文章,因此,让一些同学望而却步。其实,生信分析只是一种手段、一种方法、一种思路。好的分析和严谨的验证,依旧能做出好的成果,关键在于如何去利用好工具。用生信分析数据挖掘,发文章,依然不乏有好文章出现,重要的是新的 idea。此外,生信分析也是一个寻找课题的好思路,对于没有自己测序结果或者只有临床数据的人来说,结合生信分析做课题是不错的选择。首先,来看看下面几篇文章:第一篇,发表在 Molecular Therapy,IF = 8.986;中科院 1 区。图片来源:文献截图第二篇,发表在 Molecular Therapy: Nucleic Acids,IF = 7.032;中科院 2 区。图片来源:文献截图第三篇,发表在 Clinical Science,IF = 5.223;中科院 2 区。图片来源:文献截图第四篇,发表在 Clinical Science,IF = 5.223;中科院 2 区。图片来源:文献截图上述列举的文章,也算是分数较高的了。就标题来
临床模型类的生信 SCI,是我们临床上手最快,也是发文最多的一种文章,目前还不需要补充湿实验验证,可以用其他数据库或数据集展开验证,发文 2-6 分不等。构建模型的靶标可以是 mRNA,也可以是非编码 RNA 如 miRNA 等等,疾病可以是肿瘤,也可以是非肿瘤如阿尔兹海默症。典型的文章如下图所示:文章详情大家可以自己检索原文研读下,这类文章的检索词可以是GEO+疾病+model,肿瘤的还可以是 TCGA+model(图片来源:网页截图)不过,随着生信 SCI 发表的文章越来越多,对生信 SCI 课题设计的要求水涨船高。那么这么一类相对比较好上手的文章,课题设计要注意哪些文章才相对好发表一些呢? 第一点:课题设计具有足够的创新性这是最重要的一点。因为这类文章发文已经相当多了,大家选择的数据集如果一样那课题其实重复性非常高,到时审稿人就非常容易 argue 这样的问题:The lack of novelty. A wide variety of prognostic gene signatures for the prognosis of xx cancer had been devel
一提到生信课题,大家深感最困难的就是生信分析,随之而来的就是:我不会 R 语言(Python),所以我学不会。但,一篇生信 SCI,最难的真的只是生信分析么?那为何那么多会代码的,分析出图了,也准备好了生信 SCI,却屡投不中?生信 SCI,核心不该是 SCI 么?(发 SCI 是核心目的,生信分析跟做实验出数据的手段一样,是出数据的一种方法而已)一篇 SCI 最关键的,最难的开端,不正是一个好的课题么?生信 SCI 也不过是 Figures 是由生信分析产出的数据,对应的基础 SCI,Figures 是实验产出的而已。当然,这也是生信 SCI 相比基础科研进度快的地方。既然核心都是一个好的课题,那生信 SCI 的课题该怎么设计呢?由于生信既可以用于临床大数据挖掘,也可以用于基础数据挖掘,所以,回归课题设计的几个核心要素来评估:创新性、可行性、分析流程图、临床意义、逻辑性。 一、创新性结合现有课题的研究进展,PubMed 检索相关文献,分析对比其他已发表 SCI,本课题是否具备创新性?那如何才算比较具有创新性呢?人无我有,人有我优。1. 人无我有别人都没研究过的课题,那创新性是非常大的
随着公共网络数据的增多,测序数据分析技术的发展,我们可以利用的数据越来越多。很多时候,我们可以直接对公共数据库的数据进行分析,进而可以进行数据挖掘,得到的结果用来发表论文。 生信信息学文献复现这篇《Identification of candidate biomarkers and analysis of prognostic values in ovarian caner by integrated bioinfomatics analysis》(PMID: 27757782. IF: 2.92 )就是利用网络公共芯片数据对卵巢癌的发生进行的数据挖掘。这种芯片数据分析的论文现在越来越多了。下面,我们就根据这篇文献,帮大家分析一下这类文献是如何炼成的。 一、文章的基本脉络通过阅读文献的材料方法我们可以发现,这篇文献的使用了 3 组数据,都是来自于 GEO 数据库。之前没有接触过芯片数据的同学可能不知道 GEO 数据库是什么。简单来说,GEO 就是一个可以检索芯片数据的数据库。至于其中的 GSE36668 这样的编号,就类似于文献的 PMID 一样,为自身数据库给每个数据集自己的编码。
GEO2R 是一个针对 GEO 数据库中表达谱芯片进行进一步差异分析的工具,利用这个工具我们可以比较 GEO 系列数据中的两组或更多组样品,获得差异性表达基因。而差异基因在医学数据挖掘领域可以说是扮演者举足轻重的位置,无论是肿瘤还是非肿瘤领域的科研很多都是围绕差异基因展开分析。最近,GEOR2 分析工具再次更新啦,随着这次更新,它给我们带来了很多新的功能,比如同时可以获得火山图、平均差图、 UMAP 图、韦恩图、表达密度图、P 值直方图、样本分位数图、平均方差趋势图。与更新前相比,这些图可以帮助我们评估样本分组的标准化。也就是说,它们可以帮助我们确定我们设置的分组及其数据是否适合进行进一步分析,以及帮助我们判断是否需要对测试分组进行调整。当然,最重要的是这些图竟然可以在文章中直接使用,零代码出这么多漂亮又实用的图。这些新增加的功能不仅可以让我们更好的分析挖掘 GEO 数据,而且可以让不会 R 语言编程的研究者也可以进行数据统计分析,为进一步寻找分析差异基因和撰写生物信息文章带来了许多便利。下面,笔者将对 GEO2R 的使用和新功能进行一下简要的介绍。 一、序列号检索首先,进入 GEO
一.γδT简介γδ T细胞是表面具有独特T细胞受体(TCR)的T细胞。大多数T细胞是αβ T细胞,其TCR由两个糖蛋白链组成,称为α和β TCR链。相比之下,γδ T细胞具有由一个γ 链和一个δ 链组成的TCR。αβT和γδT细胞谱系起源于缺乏CD4和CD8共受体(CD4-CD8-)的T前体细胞,也称为双阴性(DN)胸腺细胞(图1)。γδT细胞通常不如αβ T细胞常见,但在粘膜和上皮部位显着富集,例如皮肤和呼吸道,消化道和生殖道。与αβT细胞相比, ...
大家好,今天跟大家分享一篇文章「DDX60 is associated with glioma malignancy and serve as a potential immunotherapy biomarker」。该文章是由笔者于 2021 年 2 月发表于《Frontiers in Oncology》杂志上的,目前该杂志中科院分区 2 区,影响因子 6.2 分。今天就通过该文章跟大家分享一下肿瘤方向生信文章的套路及绘图方法~信息发展到这个年代,许多科研道友仍然闻「代码」色变,总想走不用代码发文章的捷径。殊不知,其实代码才是捷径,许多软件复杂的操作只需一行代码就能轻松搞定。闲话少说,上干货~ 总体思路首先我们来看一下文章标题「DDX60 is associated with glioma malignancy and serve as a potential immunotherapy biomarker」,就是说 DDX60 这个基因在胶质瘤中很重要,能够提示胶质瘤患者预后不良,且与胶质瘤免疫应答相关。听起来有点玄妙,那么具体是怎么操作的呢?先通过 Results 的小标题来看
今天,笔者就以一篇 SCI 文章为例,带各位小可爱看一看怎么才能更快 GET 一篇近期发表的生信分析文章中主要讲了些什么,以及我们该如何学习大佬的思路并化为己用。今天,用来举例的这篇文章是发表在 International Journal of Molecular Sciences 的A Comprehensive Bioinformatics Analysis of UBE2C in Cancers(DOI:10.3390/ijms20092228),影响因子在 4.5,是纯生信文章中还不错的分数辣。至于为什么又是肿瘤?别问,问就是肿瘤撑起了生信分析文章的四分之三壁江山。当然,在读文章和读图之前我们还是要对文章进行一个概念化的认识。通过大致阅读摘要,我们可以获知:UBE2C 是一种泛素化的共轭酶,作者通过两个数据库——TCGA 和 GTEx,发现这个酶的表达和肿瘤的不良预后相关,并且筛选出了一些之前不太有研究的、和 UBE2C 相关的一些基因靶点。在这里笔者提出一个小建议,各位小可爱不妨在读完摘要后,代入自身视角先思考一下:如果是你们进行这项研究,会通过哪几部分结果,用什么样的分析方
所有的返修,都需要认真对待。在现在生信 SCI 越来越多的情况下,审稿人很容易对千篇一律的稿件产生疲劳,所以能有返修意见已经蛮不容易,说明最起码一堆投稿的 SCI 中,你的稿件相比其他人的稿件,have the priority to be published~ 那好不容易有返修意见后,该注意哪些事项呢? 注意事项 1:注意返修有无 Deadline 及具体 Deadline 时间准时,是科研人士的「基本素质」,若需要补实验等,需要提前询问编辑申请延期(如无必要尽量加班加点补完就好)。然而有的同学临近截止时间了,返修意见也不回复,直接就申请延期... 当然,实在来不及需要多点时间是可以理解的,可以其他返修意见尽善尽美回复完后,需要补实验延期的意见里以及给编辑回复里再额外申请下延期。这样审稿人可以先看其他问题再提出下一轮意见(如果有的话),这样整体也不会延误进度,也能向对方表示出我们确实有认真修改的态度和决心。另外,如果本身 Deadline 就给 1-3 周的时间,大概率是小修了。如果是 1-3 个月的时间,大概率是大修。大小修给的时间不同,是否补实验、补多少等问题是可以反过来参考对方
相当多的蛋白质行使功能的时候并不是单打独斗的,蛋白质们通过蛋白质相互作用形成复合体然后进行工作,在工作的过程中,蛋白质们也可以通过更换相互作用的伙伴,从而改变蛋白质复合体的功能。因此,研究蛋白质的相互作用成为研究蛋白质功能和作用机制的最为重要的环节之一。另外,蛋白质相互作用的本质其实是三种力,氢键,分子间作用力(范德华力)和疏水力,因为这三种力的作用距离都非常的短,所以相互作用的蛋白我们通常认为它们必定相互接近,尽管这是个充分非必要命题,但是我们常常使用这个命题的逆命题来进行实验检测。那么,如何对这个问题进行研究呢?这里狗哥就带大家简单梳理一下常用的蛋白质相互作用的研究方法。图 1<1>酵母双杂交,Yeasttwo hybrid(Y2H), 这是一个古老的技术,Stanley Fields 和 Ok-KyuSong 在 1989 年的时候利用大肠杆菌中 GAL4 乳糖操纵子的原理,开发出这个方法用于检测蛋白质之间的相互作用 。GAL4 操纵子有两个结构域,BD(binding domain)结构域和 AD(activation domain),其中 BD 结构域可以结合在
最近 WB 的结果趋势不是很理想,因为给了蛋白 B 的抑制剂蛋白 B 却没有明显变化。于是大伙儿一合计,可能需要再看看蛋白质之间的相互作用,会不会是抑制剂影响了蛋白 B 和蛋白 C 之间的结合,而不是直接导致蛋白 B 的降解。大家都知道研究蛋白质相互作用的三大经典方法是:酵母双杂交(Y2 H),免疫共沉淀(CoIP)和 GST pulldown。结合我们课题组的这个实验,因为只需看看蛋白 B 和 C 之间的结合,而且已知蛋白 B 和 C 是会结合的,所以可能用 CoIP 最简便。首先我们得了解一下 CoIP 的原理,其实和 WB 一样,就是抗体抗原结合的免疫反应,只要你会 WB,就能轻松理解 IP 和 CoIP 的原理。简单来说,如果蛋白 B 和蛋白 C 结合的话,那么用抗体去结合蛋白 B 的时候,蛋白 C 就能被拉下来。大家知道抗体的结构是一个 Y 字形,两头是 Fab 用于识别抗原,尾巴是 Fc 区域,这个 Fc 区域就能结合 Protein A 或 G。自从磁珠出现之后,CoIP 的操作就变得更加简单了,只需要用包被 Protein A 或 G 的磁珠先和抗体结合,然后用抗体磁珠