汤富酬新发表论文

“单细胞测序”技术最重要的技术优势就是可以解决细胞群体异质性的问题。而这方面应用最广泛的是肿瘤的进化演化研究。举个简单的例子。常规测序中，实际上得到的是一堆细胞中，信号（变异）的均值。甚至在极端例子中，个别信号会被当作异常值剔除。而单细胞测序技术的出现，很好的解决了这个问题。研究者可以通过对生命的最小独立遗传单位进行测序，从而获得更多信息。比如这篇2011年的cell文章（Single-Cell Exome Sequencing Reveals Single-Nucleotide Mutation Characteristics of a Kidney Tumor: Cell），通过对单细胞测序结果聚类分析，得到从而更好地区分癌旁正常细胞以及癌细胞。一直困扰肿瘤组织测序的一个问题就是，如何保证取样能够尽可能多的取到肿瘤组织？单细胞测序很好的解决了这一问题。但是不仅如此，单细胞技术还有别的一些优点，比如可以对珍贵微量样品进行测序。这个优势应用场景比较广，例如可以对胚胎细胞进行单细胞测序，从而对胚胎进行植入前诊断，达到优生优育的目的。比如谢晓亮研发的MALBAC技术已经在这个方向上做的非常好了。详见首例MALBAC胚胎全基因组扩增测序试管婴儿在北医三院诞生。另外，想吐槽的一点是题干中说到的单细胞测序这样的“高通量技术”的应用。其实现在的单细胞测序通量并不高……口吸管分离就不用说了，Fluidigm C1芯片一次处理的单细胞数量也不过96个，而流式细胞仪分选出的单细胞或多或少存在问题。所以现在来看，单细胞测序并不是一个高样本通量的测序技术。而现在的研究越来越倾向于大细胞数量。一个项目测个百十个单细胞都不是什么新鲜事。所以说，还是有很长路要走啊。

我们都知道在科研论文中有两大类：一类是研究型论文；另一类是综述型论文。其中，前者主要是以研究为主的行文思路，根据研究发现的不同发表在不同级别的杂志上；而后者多是本身没有新的研究发现，主要是对前人的研究结果进行评价综述。然而，这两种分类都是针对以实验为主论文分类，那么这两年生信为主的文章发文量逐年增加，是否也有这样的分类呢？ Immugent今天就来解读特别的一类生信文章，姑且把它称为“生信综述”吧，因为我人微言轻，并不会我把它叫什么，以后都是这种叫法，就不绞尽脑汁想这个名字了。 这类“生信综述”文章已经有很多年的发展史了，主要都是围绕对各种火爆一时(引领科研)的重大技术来展开，比如近些年火热的单细胞测序技术。那么今天我就来以单细胞测序为主题，来解读一下如何利用此类思路发表高分文章，注意全都是一分钱没花的那种！ 我先讲的第一篇是2021年发表在J Am Soc Nephrol（IF:10.12）的篇名为“How to Get Started with Single Cell RNA Sequencing Data Analysis”的文章。好吧，看了一下日历，今年已经2022年了，就不吐槽这个文章时效性的问题了。但全文真的很简单，就是介绍了一下单细胞测序数据分析的基本流程。 来看看它的摘要：在过去的5年里，单细胞方法已经能够在一个实验中监测数千个单个细胞的基因和蛋白质表达、遗传和表观遗传变化。随着测量方法的改进以及反应和测序成本的降低，这些数据集的大小正在迅速增加。关键的瓶颈仍然是对单细胞实验产生的丰富信息的分析。在这篇综述中，我们对分析管道进行了一个简化的概述，因为它们通常在该领域中使用。我们的目标是使研究人员开始单细胞分析，以获得挑战和最常用的分析工具的概述。此外，我们希望能够帮助其他人了解单细胞数据集的典型读数在已发表的文献中是如何呈现的。好吧，确实是一篇综述！ 全文虽然有7副图，但大多都是那种最基础的绘图，想必大家都会。但是这里Immugent想说的是这篇文章虽然是综述类，但其实比真正的综述好写多了。类比这篇文章，等到下一次再出现类似于单细胞测序这种现象级技术，是不是有的小伙伴也整一篇类似的呢！ 接下来要讲的第二篇是2020年发表在Comput Struct Biotechnol J （IF:7.27）的篇名为“Benchmarking algorithms for pathway activity transformation of single-cell RNA-seq data”的文章。这类文章就比上一类有些技术含量了，起码像综述的感觉了！ 就像这篇是总结了对单细胞数据进行通路评分的各种算法，并使用已经发表的数据对各类算法的优缺点进行了比较，并在最后给出了自己的见解。嗯，怎么说呢！还是比一般的综述好写一点，比纯算法开发类文章好开发一些。那么如果这类算法在不久的将来出现了更多，那么是不是就科研考虑写一个更新版的呢？ 接下来要讲的第三篇是2021年发表在Genome Biol（IF:13.58）的篇名为“Over 1000 tools reveal trends in the singlecell RNA-seq analysis landscape”的文章。这个文章作为汇总类综述，真的不是吹的了，一篇文章总结了1000+种分析单细胞数据的工具，我对这个作者也是膜拜之至。 并且作者还开发了一个网站： ，并这个网站收录的工具还会一直更新，这真是圈内的劳模啊。 这类文章虽然需要耗费一些时间，但思路还是很简洁的，但是主要是得掌握住时效性，而且最好是自己研究的领域，那样能提出自己的一些思考，就能给文章增色不少。 第四篇是2020年，同样发表在Genome Biol（IF:13.58）的篇名为“A benchmark of batch-effect correction methods for single-cell RNA sequencing data”的文章。作者对当时存在的14种对不同来源的单细胞数据进行去批次处理的算法进行比较，深入揭示它们之间的优缺点和功能表现。 全文的图做的都是很精美的，而且从数据处理的效果来看，这应该是一个大型生信实验室的作品。建议大家有时间都读一下这篇文章，将会有助于以后在处理不同来源的单细胞数据时选择最合适的算法。 放在最后一篇的文章当然是压轴出场了，那就是在2019年发表在Nat Biotechnol（IF:54.91）杂志上，篇名为“A comparison of single-cell trajectory inference methods”的文章。对来自数千个单细胞的全基因组组学数据进行轨迹分析，目前已有很多算法来推断这些细胞沿着发展轨迹的分布。基于这些结果，作者开发了一套指导方针，以帮助用户为他们的数据集选择最佳的方法。 事实上，虽然到目前已经开发了70多种推断单细胞轨迹的工具，但比较它们的性能是具有挑战性的，因为它们需要的输入和产生的输出模型差异很大。在这篇文章中，作者在110个真实数据集和229个合成数据集上对其中的45种方法进行了基准测试，以了解细胞排序、拓扑结构、可伸缩性和可用性。结果表明了现有的一些工具之间的互补性，方法的选择应该主要取决于数据集的维度和轨迹拓扑。 最后，作者还免费提供了多种单细胞数据轨迹分析的评估网站( )，这将有助于开发更多轨迹分析的工具，用于探索日益庞大和复杂的单细胞数据集。对于这篇文章，我不做过多评述，只想着大家有时间都要去读一下，其中无论是对数据的处理还是对结果的讨论上都是前面文章无法媲美的,是难得的优质文章。 如今科技发展日新月异，在21世纪做出有价值的科研成果往往缺的不是技术，而是对热点的灵敏嗅觉以及对时局的掌控。张泽民，汤富酬，郭国骥老师均是凭借单细胞测序技术跻身世界一流领域的科学家，就是因为他们把控住了时局。 同样的，上述几类“生信综述”的着力点均是当时迫切需要解决的单细胞测序技术热点问题，才得以不花费半毛钱发表一系列高分文章。而且，因为是热点科学问题，这些文章截止到目前的引用率都很高，后面肯定还会持续升高。如果说单细胞测序是一个制高点，倒不如说是起点，因为此类技术在未来还会有很多，希望本篇推文能给大家带来一些思考，欢迎有推荐类似生信文章的小伙伴通过后台与我们联系。

宁南山:中日真实经济科技对比。最近在很多公众号里，疯狂地流传着一篇标题类似《日本究竟有多强大？强大到让人窒息》的文章。然而，事实真的像那篇文章中说的那么恐怖吗？日本是不是强大到足以让中国窒息？中国的经济真的就那么不堪一击作为一个深度而理性的媒体，实在是不能认同那篇过于肉麻吹捧和情绪化的文章。也许日本在某些细分领域还占据着一席之地，但是在整体的经济实力和综合国力上，日本与中国已经不是同一个量级的对手。今天已经是2016年，不是2006年，不是1999年，更不是1896年，日本已经不是当年的日本，中国也不再是当年的中国，让我带你去看中日实力的最新对比，看看窒息的究竟是谁。不管日本有多发达，中国都能在5年内再造一个日本。2015年中国GDP是10.5万亿美元，日本GDP是不到4.2万亿美元。从2016年到2020年，中国保持6.6%的平均增速，经济总量会比2016年增长37%左右，增量为大约4.2万亿美元，相当于在地球上新创造出一个日本这样的国家。日本从明治维新以来100多年一代代人奋斗，不惜通过战争死亡上千万日本人，不惜二战后过劳死一代人达到的成就，现在的中国5年就可以达到，这也表明现在中国的实力达到了多么强大的程度。这也是中国领土，人口和资源对日本压倒性规模优势的体现。实际上五年再造一个日本并非预测，在过去的五年，这已经真实的发生了，2010年中国经济总量第一次超过了日本，而2015年，中国GDP总量已经是日本的2.44倍，过去五年中国经济的增量等于1.44个日本。如果是美国呢？美国2015年GDP大约17.9万亿美元，如果未来五年美国保持2.5%的增速，8年就能再造一个日本。要知道日本是世界前三的经济大国，中美两国都可以在8年内轻易的在地球上造出一个世界第三。这也说明中国和美国已经把地球上的其他国家拉开了多大的差距，只有中国和美国达到了10万亿美元级别，其他“经济大国”全部在1万亿-4万亿美元这个区间。实际上，2016年中国如果实现了6.7%的增速的话，今年的GDP总量将几乎是日本德国英国 法国之和我们再看看体现一个现代国家力量的工业，中国对日本的优势比GDP对日本的优势更大。2015年中国规模以上工业增加值为2228974亿元，占GDP的33%，按照2015年平均6.5的汇率，就是大约3.43万亿美元。而日本2015年不到4.2万亿美元的GDP中，只有19.5%是工业，工业产值大约8200亿美元，中国是日本的4.18倍。如果中国工业增加值继续保持6.5%的增速，那么到了2019年中国工业增加值将增长29.1%，增量为9980亿美元，4年增加的工业产值就相当于一个日本工业的规模。中国工业4年的增量=1个日本工业的总规模，4年再造一个日本工业。再看看中国工业的利润情况。2015年中国规模以上工业企业利润为63554亿元，折合美元为9778亿美元，中国工业的利润超过全日本工业的总产值。再看看代表着一个国家创新能力的科技情况，在你的脑海里是不是会直觉一样的认为日本科技实力比中国强？接下来的数据相信又会给你冲击。中国的科技产出在几年前就超过了日本。首先是代表着一个国家对科技投入的R&D经费，中国2013年超过日本然后我们再看2015年的情况，根据联合国教科文组织的报告，2015年中国的研发支出已经是日本的两倍了。投入超过日本了，甚至已经是日本两倍了，那科技产出呢？2005-2014年，十年间世界前1%高被引论文数量中国世界第四，占全球比例11.9%，前三位是美国，英国，德国，中国超过了日本。如果我们再看发表在国际顶级科学刊物上的文章计算，我们只统计各学科排名第一位的科学刊物。2014年中国发表在各学科最具影响力国际期刊上的论文，数量为5505篇，排名世界第二位，仅次于美国，也超过了日本。再看年度世界物理学十大突破，2015年，国际物理学十大突破中有两个来自中国，同样超过了日本。其中“多自由度量子隐形传态”研究成果名列2015年度国际物理学十大突破第一名，中科院物理所方忠团队独立发现外尔费米子，成果入选2015年度国际物理学十大突破。我们再看《科学》杂志评选的2015年世界科技十大突破，同样有2项与中国关，而日本一项也没有。中山大学首次编辑人类胚胎DNA，埃博拉病毒疫苗中国也是参与者。《自然》杂志以封面标题和全文的形式发表中国科技大学潘建伟、陆朝阳等在国际上首次成功实现多自由度量子体系隐形传态的研究成果；北京大学乔杰与汤富酬团队在世界上首次绘制人类原始生殖细胞转录组及DNA甲基化组景观图，成果以封面文章形式发表于《细胞》。