如何在医学专硕阶段发表超过2篇5分以上SCI基础的文章

想要较短时间内发高分SCI，可以试试生信分析。有人可能会问现在纯生信文章还能发到5分？能。

你之所以看到很多纯生信都在2分左右，那是因为它们主要聚焦在 差异基因的筛选、功能富集分析、基因表达水平的检验、预后模型的建立和评估 等等。

这些都是常规的生信分析思路， 创新程度很低。

说到底还是套路重复，方法不及时迭代，这也是为什么现在纯生信想发高分越来越难，通常会被要求补实验才好发。

想要降低发文难度，就要遵循两大原则： 一是掌握套路，二是升级方法。

一、掌握套路，融会贯通

生信数据库和分析方法并非无穷无尽，其实做基础科研，总归都逃不过这些套路框架和生信“挑圈联靠”的四字口诀。这里我简单拎几个出来给大家讲讲。

1. 入门阶段：单变量论证

给同学们讲课的时候，我经常强调：分子与表型之间存在因果关系，单变量论证其实就是一个 【造因得果】 的过程。

要论证因果，必须操作因，观察果。所谓单变量研究，就是去操作代入到恒量体系里的变量（药物或者分子），去观察表型是否变化。这种套路初级阶段能胜任3分SCI左右的水平。

*生信研究中的 表型 ，本质上就是指特定基因的列表。表型类的生信研究套路，主要在转录组为主的测序类型为主。

选自【8天领悟5分SCI】体系课第三讲 单变量研究

“表达差异（分子），有效成分（分子）”变量分为分子，药物，通路。分子分为DNA、 RNA 和蛋白；药物分为中药（复方，药团，药对，单药，活性成分）与西药（药物，有效成分）；通路包括9大信号通路。其中可以做主变量的为分子和药物。

选自【8天领悟5分SCI】体系课第三讲 单变量研究

2.3-5分SCI套路：二元变量论证

仅仅做单变量研究的文章还是少数，更多的文章在做变量之间的组合。有了变量的组合也就有了分子机制，有了机制，就能胜任3-5分SCI的内容产出了。

二元变量，即两个变量要素组合。二元变量的逻辑论证链一般分为以下几个步骤：主变量（A）调节表型，主变量（A）调节因变量（B），Rescue证明A调节表型依赖于B。

生信数据库预测变量与变量之间关系的来源有三种：

①基于已经发表的文献；

②基于计算机算法对药物或者分子的结构进行预测；

③基于实际体内体外实验的测量计算。

选自【8天领悟5分SCI】体系课第四讲 二元变量组合

常见四种二元变量组合：

1）药物+通路： Kyoto Encyclopedia of Genes and Genomes数据库，简称KEGG数据库，网址 http://www. genome.jp/kegg/pathway. html ，提供了药物与通路之间相互作用的信息。在药物开发方面:包括抗感染药、抗肿瘤药、神经系统药物等相关通路；另外还包含靶向药物的相关通路。
2） 药物+分子： STITCH数据库，网址 http:// stitch.embl.de ，用于检索已知的以及被预测的化合物和蛋白质之间互作关系的平台，化合物与蛋白质之间的互作关系通过实验验证，数据库，以及文献中的研究被证实。
3） 分子+通路：

DAVID数据库，用于筛选出差异基因之后的功能和通路富集分析。

Metascape数据库，网址 http:// metascape.org/gp/index. html ，能完成通路富集和生物过程注释，还能做基因相关的蛋白质网络分析和涉及到的药物分析。
4）分子+分子：

①STRING数据库，网址 https:// string-db.org/ , 适用于研究蛋白之间的相互作用网络。

② starBase数据库，网址 http:// starbase.sysu.edu.cn/in dex.php ，适用于研究miRNA target，RNA-RNA相互作用，ceRNA调控网络，以及RNA和蛋白的结合信息。

3.套路升级：二元变量+表型嵌套

选自【8天领悟5分SCI】体系课第四讲 二元变量组合

想让你的SCI更高级，更有逻辑层次感，可以用上表型嵌套。简单理解就是用一种表型作为解释另外一种表型发生的原因，论证手段为Rescue策略。

目前生信分析已发表的文章中，应用两种表型嵌套的文章还比较少见，但也不是不可行。可以通过数据库或者已经发表的高分文章或者特定的R包获得表型相关基因的list，就得到了这个表型相关的基因集合。如果涉及到表型嵌套的话，那么这两个嵌套的表型的基因list取交集，不就得到了与这两个表型相关的交集基因集合，大概率这些分子会与表型嵌套有关。

关于这部分的文献分析和套路拆解寥寥数语没有办法详细呈现，具体请学习我的免费课程【8天领悟5分医学SCI】↓

4.3-5分SCI套路：三元变量论证

选自【8天领悟5分SCI】体系课第五讲 三元变量组合

其实学会了二元组合，把两个二元组合组装一下不就是三元变量组合了吗？道理就是这么简单。

药物、分子、通路这三元变量进行组合， 有意义的组合只有七种。

药物/分子+分子/通路+通路/分子

排列组合的原则是药物不做次，通路不做主，分子主次皆可。

通过将以上二元变量相关的数据库，两两组合，同样可以解决三元论证的问题。包括目标分子的来源问题是通过数据库或者生信分析筛出来的，药物的有效成分是通过数据库检索出来的。与其他分子的相互作用，与哪些生物学功能、通路机制相关也是通过分析预测缩小了研究范围。

5.套路升级：三元变量+表型嵌套

模块堆叠，排列组合。对复杂的因素进行拆解，是解决问题、减少焦虑的有效手段。从最简单的二元变量入手，再组合成三元变量，最后与多个表型变量相关基因list取交集基因相联系，即可完成本条逻辑线。

关于表型嵌套的部分，仍然建议大家直接学习课程，三言两语只能让你了解概念，并不能使技能为你使用。

6.5+文章必备：二元分子交互论证

选自【8天领悟5分SCI】体系课第六讲 二元分子交互

RNA可以与DNA, RNA, 蛋白结合。蛋白可以与DNA, RNA, 蛋白结合。同时化合物也可以与分子相结合。

1）蛋白-DNA（即转录因子模式）

转录因子含有 DNA 结合的结构域，能识别 启动子 DNA 序列的 motif，调控基因的转录，包括对编码基因mRNA 、非编码RNA（miRNA , lncRNA , circRNA）等的转录调节。

2）蛋白-蛋白

蛋白与蛋白通过形成复合物（complex）来发挥作用；或者蛋白通过直接结合效应蛋白，影响效应蛋白的功能。

3）RNA-RNA/DNA

RNA与RNA或者DNA间能够碱基互补配对来发挥作用。RNA既可以结合到DNA上，影响基因转录等功能，也可以结合到RNA上，在转录后水平影响RNA，比如miRNA对mRNA的调控等。

4）RNA-蛋白

RNA能够结合到蛋白上，影响蛋白的功能或者定位。同样，蛋白亦可以发作用于RNA，影响RNA的功能。

5）化合物-分子

化合物可以通过直接作用或者间接影响到细胞内靶分子的表达量以及功能活性。

点击下方链接免费学习9重60种医学科研套路，进一步了解二元分子交互模式。

7.分子修饰纵横嵌套

在生信中常见的分子修饰套路研究比较多的包括甲基化，拷贝数变异，可变剪切。基于这些分子修饰变化，也延伸出了不同的生信分析套路，以及配套的数据库和基于代码的分析方法。

8.三元变量一组交互

三元变量和二元交互两个模块，均可通过生信数据库/R代码分析找到合适的对应预测手段。基于药物有效成分预测靶分子，再加上靶分子预测其互作分子；基于二元交互的模块，也可以通过分子来预测富集的通路。 熟稔生信套路之后，你将会发现处处皆可生信，哪哪都能预测。

9.三元变量两组交互

构建ceRNA网络，是生信研究多分子类型的分析中的必备保留项目。比较常见的分析方式是以miRNA为轴心，用多个数据库预测与之相互作用的mRNA或者lncRNA，又分别对其得到的mRNA或者lncRNA取交集，再导入Cytoscape中构建互作网络。另一种常见的生信数据库预测转录因子蛋白与DNA的交互，这一步可以与miRNA上游无缝衔接。

10.三元交互

三元变量两两相互作用，在生信数据库中可以对每个变量进行靶基因预测，两两取交集靶基因，缩小去搜寻三三变量两两成团的筛选范围。

以上概念看得一知半解？没关系。点击下方链接，参加8天领悟5分SCI免费课程，深度学习9重60种套路。

11.可冲一区：细胞交互嵌套

单细胞一直是生信分析中的高分选手。生信中的单细胞测序技术，一次可对最高30万个单细胞进行测序，得到其中每一个细胞的各基因的表达谱信息，通过筛选质控、数据标准化分析、特征提取，降维分析、距离计算、非监督聚类、聚类展示等环节，最终可以得到不同的细胞亚群。一般认为一个群代表一种细胞类型，而好几个小群构成一个大的细胞类型，而每一个小群代表该细胞类型的亚型。每个亚群的差异基因具有特异性，这种特异性的基因在理论上可以作为该细胞类型的marker基因，反过来，marker基因也可以作为鉴定和推断细胞类型的手段。

12. 可冲一区：主变量分裂与嵌套成环

主变量分裂与嵌套成环

在生信分析中，主变量可以分裂也可以聚合。

主变量可以分裂成一个基因家族的不同分子，几个共表达或者功能相似的分子，或者不同可变剪切下的多个剪接体等。得到的这些分子在可以通过“圈”进行合并的生物学功能和通路分析，免疫浸润分析；可以通过“联”构建互作网络，临床相关性、预后分析等分析流程，比单个基因分析多了数倍工作量。

主变量聚合是通过临床预测模型分析，构建筛选出单个分子类型或者多个分子类型的gene signature，再走圈联靠的一系列分析流程。

嵌套成环，依旧是通过多元变量两两生信分析预测，最后首尾取交集的模式。

授人以鱼不如授人以渔，我将自己对基础科研的实操经验、对生信分析的研究感悟，总结成了一套名为 “8天领悟5分SCI” 的医学基础科研体系课。 以上干货均节选自这套免费课程，点击链接加入训练营即可学习。

什么是8天领悟5分SCI训练营？首先，这并不是一个教会你8天产出一篇5+SCI的“逆天课程”。请有这类需求的小伙伴另寻高人。

简单概括，在这套体系课中，你将领悟9重Level，60种科研套路，学习高分文章方法论，在基础科研的套路上升级打怪。

具体来讲，无论你是医学生、规培生、还是中级医生，在这套体系课中都能根据自己的需求，有所收获。

如果你是科研小白 ，那就跟着课程拆解高分文章套路，打通医学科研思路，告别懵懂。 如果你想冲一冲高分SCI ，此刻却陷入瓶颈，那就跟着实战训练，文献分析、课题设计、论文撰写逐个击破。

如果你想入门生信分析， 上述干货均在课程中有更详细的讲授，跟着学就对了。不仅教你入门生信，还教你如何将生信分析与基础科研相结合，利用生信发高分医学SCI！

生信分析x基础科研 方法论

生信分析实操

课程安排见下方海报↓↓点击海报下方链接即可免费学习

点击查看课程安排

二、升级方法，寻觅蓝海

前面我们已经说过常规的生信分析思路因为 创新程度低，不容易拿高分。那么如何找到创新思路，寻觅高分蓝海呢？

机器学习就是这样一个发高分利器。 仅仅2021年一年，生信+机器学习的套路已经在10+SCI上发了近60篇文章！

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。

机器学习在生信分析中的运用越来越常见，越来越重要。

比如在 基因组数据 方面，用深度学习检测突变逐渐成为主流方法。

比如 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问题。

比如 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。

临床预测模型、筛基因、二代测序、代谢通路、非编码RNA分析、蛋白质结构功能预测、疾病亚型分型、术后预测…… 机器学习在这些方面的运用已经越来越多见了。

知乎特别福利：

从知乎报名加入训练营的小伙伴，可以获得一份 151页机器学习攻略合集， 从什么是机器学习，到超多实用算法详解，再到教你如何将机器学习与生信结合，手把手带领大家走上发生信高分的康庄大道。

KNN算法、Kmeans算法、决策树算法、贝叶斯公式、线性回归、非线性模型、神经网络、mlr3包……这些机器学习中至关重要的算法，这份资料包将带你拨云见日，掌握全貌。

点击下方链接，免费学习8天领悟5分SCI训练营课程，期待和各位医学生医生朋友相会。