⑴ 如何做生物信息，學發 SCI 文章
就有人問，生信的文章能發到多少分？如果你是像華科薛宇教授一樣的大牛，弄一套演算法，編一個生信分析工具，十幾分妥妥的，引用量杠杠的。但是，那是大牛，一般來說，按「常規套路」出牌的這種生信分析文章分值在 0-2 分之間。但也有些不做實驗的生信分析文章能發到個 4-5 分，那麼生信分析的文章怎麼樣能達到一個比較高的層次呢？
這里，我們給大家分享兩篇文章來說一說一些進階的文章思路，一篇是發表在我們的老朋友「Oncotarget」上的，另一篇是發表在「Journal of Proteome Research」（IF = 4.1）上的。
先看 Oncotarget 這篇「Genomic expression differences between cutaneous cells from red hair color indivials and black hair color indivials based on bioinformatic analysis」，文章是做的黑色素瘤的兩種不同表型的個體的差異基因的生信分析。
Abstract 里說到 MC1R 這個基因的突變會導致高患癌率的 RHC 表型兩種不同的表型，其中 RHC 表型會增加皮膚癌的發生率，那麼 MC1R 的突變究竟影響了哪些基因？文章通過 PPI 網路分析，分別對比分析兩個不同表型（RHC 和 BHC）的正常皮膚細胞和癌細胞中的差異基因。結果表明，在癌細胞的對比中沒有差異，而在正常皮膚細胞中篩選出 23 個 hub 基因，並且其中 8 個基因異常表達，這一結果提示這 8 個基因的異常表達可能是 RHC 表型患癌風險提高的重要原因。
這篇文章利用了 3 個數據包進行綜合分析，從而得到了一個 novel 的結論，文章利用 GSE44805 中的差異基因構建 PPI 網路篩選 hub 基因，再利用別的數據包中的測序結果驗證這些基因確實存在異常表達，多方驗證說明自己生信分析結果是可靠的。雖然作者一點實驗也沒有做，但是從數據量還有可靠性上來說，可能比自己辛辛苦苦地做小樣本量測序還要靠譜。
文章中的分析方法（差異基因以及 PPI 分析）都是我們非常熟悉的。篩選出差異基因，將上調和下調的基因分別構建 PPI 網路，得到文中的 4 張圖（不管怎麼說，這圖的顏值比上一期套路中分析的文章要高得多）。
這張圖的構建方法這里不再贅述
小結
這篇文章的方法完全是可以借鑒和復制的，難點在於找到足夠多的具有相似性和可比性的數據結果，以及找到一個合適的切入點得到一個相對 novel 的結論。
下面看 Journal of Proteome Research 上的這篇文章「Weighted Protein Interaction Network Analysis of Frontotemporal Dementia」。
一看這流程圖就覺得這文章是生信專業的人做的文章。（本宮上學的時候，就覺得我們生命學院的學生都是碼農，生物信息專業、生物醫療工程、生物科學這些專業的人天天都在編代碼，完全感受不出生物專業的氣息。）
這文章講得啥咧，就是先選出 13 個種子基因，然後根據 PPI 資料庫中蛋白質互作關系構建這 13 個種子基因的第一層網路結構。
再以第一層網路為種子構建第二層網路結構（然後電腦就死機了）。
然後分析第二層網路的拓撲學結構，從中篩選出 hub 基因（圖中綠點表示最初的 13 個種子基因，藍點表示第一層的基因）。在構建過程中，隨著基因數量的不斷增加，最先選出的 13 個種子基因未必就是後來的 hub 基因。文中還設置了對照組，並詳細講述了這 13 個種子基因的篩選方法。因為整個分析過程都是建立在生信分析的基礎上，屬於完全架空的，所以整個研究過程十分講究邏輯上的嚴謹性。
小結
之所向大家介紹這篇文章，是覺得這種思路在生信分析的文章中可以借鑒，種子基因的選擇可以通過臨床上疾病中基因突變的概率來進行篩選，然後構建兩層 PPI 網路，進行 GO，KEGG 分析，從而預測新的未知的疾病相關基因，如果後續能從別的數據包中得到表達量的驗證或者是自己在臨床樣本中進行驗證，那麼整個文章的內容將會更加豐富。
局限性：PPI 資料庫中其實很多蛋白質互作結果是沒有意義的，因為在實際生物體中很多蛋白質互作情況是不可能發生的，只有在實驗人為干預情況下才會發生。
⑵ 生物信息學數據挖掘SCI文章怎麼寫
剛開始寫文章的時候，總會是有種恐懼感。腦袋裡思緒萬千，可是真要表達出來，卻總覺得一片空白。雖然看了一肚子的學術文章，但是寫下來的文字就跟小說或者散文一樣，零零碎碎地弄不成一片。那麼多的術語也不知道怎麼擺放才好。這種焦慮一開始多多少少都會有一些，都需要用時間和練習去彌補。
寫學術文章其實有點像編程。剛開始學習編程語言的時候，不明白語法規則，就不敢亂寫。即使寫了，編譯器老是報錯，找原因的時候又覺得語法規則怎麼設計得那麼復雜，找了半天都不知道是什麼原因。但是當最終掌握了這門編程語言之後，寫起代碼來就是信手拈來了，該定義的自然而然就定義了，該用函數地方的就用函數了。不復雜的流程都可以邊想邊寫了。復雜的流程，只要把邏輯想清楚了，一切似乎就是順其自然地完成了。這個時候再回頭看語法規則，又會覺得有規則限定就是好，要是代碼寫成了散文，調試起來會瘋掉的。
科研寫作也是一個技術活，也要經歷一個熟能生巧的過程，首先你要熟悉學術寫作的基本方式。在能夠基本上准確的傳達信息的基礎上，自然而然地就會開始發展自己的寫作風格。不要一開始就去復制導師的寫作風格，因為對問題的了解程度肯定是達不到的，強行去模仿別人的風格就會太牽強。
同時在寫文章的時候，就把文章當做一段代碼來思考就行了，不用想的太復雜。不要把堆砌學術術語當作是寫作的目標，成功的作家並不是要把事物用很復雜的方式呈現出來，而是准確的傳遞自己的信息。就跟寫出來的代碼主要是能正確的運行，寫得好看不好看，那是下一步的要求了。比如讀者看科技新聞或者文章的時候，也不會是抱著欣賞藝術的方式，而是能夠很快的從中提取到自己有用的信息。
在寫作初期，多收集同事或者同行的反饋意見是最有用的，可以幫助自己發現各種各樣的問題，然後才能在後續的寫作中知道要提高什麼。寫作後期, 如過是英文論文,可以請專業的論文潤色公司如英論閣 https://www.enago.cn/提供語言協助 收起