讲真的，当下医学生信，风口很明显了…
统计之光啊
2024-12-13 16:44:19
🎯套路一：（基于转录组）某种疾病+某个基因集合分子标记
→选题从感兴趣的疾病及基因集入手。
→DEG/WGCNA与基因集基因取交集。
→通过机器学习/PPI分析/生存分析/KEGG/GO进一步缩小范围，得到几个Marker。
→对Marker进行后续分析，比如药物预测、免疫相关性分析、细分亚型展开分析等。
🎯套路二：单细胞多组学
→经过单细胞组学分析得到Marker基因。
→用转录组学数据得到的Markers取交集。
→构建了预后的PR模型，将样本分为高低风险组。
→通过各种分析方法和技巧的堆叠比较两个组别的差异。
🎯套路三：XXX+网络药理学
一般的网络药理学是通过数据库XX疾病基因与YY药物取交集，然后经过GO/KEGG富集分析、PPI网络分析之后，外加分子对接，再预测YY药物通过ZZ靶点的OO通路治疗XX疾病。
🎯套路四：影像组学+机器学习
文章思路比较简单，是经典的机器学习模型发文思路。此类型文章的难点是数据的获取、图像处理方法的选择和ML模型的使用。在深度学习发展的今天，也可以用深度学习来处理图形数据。
（由于字数原因，4种套路详细介绍，看上图哦）
[斜眼R]如果你想学透生信分析，身边没有人带，也找不到有科研氛围的生信课题组，自学又很难，处处碰壁。不妨把格局打开，了解一下医学SCI指导机构——[星R]统计之光。
统计之光的生信分析指导模式是生信老鸟根据你的情况[拔草R]1V1定制教学内容，[斜眼R]带你将一个全新的生信课题落地，边学边产出，并且配置有专属项目群推进进度，随时答疑，科研氛围直线拉满！
医学生 医学SCI 医学生笔记 医学研究生 医学专硕 医生 医生科研 生信分析 生信分析思路
0
阅读：0
