怎麼樣算學好了生信分析（純生信分析類文章不好發怎麼破）

2023-05-09 22:46:01 1

筆者最近聽到很多小夥伴抱怨生信分析的小文章送審，反反覆覆被拒多次，很苦惱。也有小夥伴聽說現在有些雜誌明確拒絕接受或者送審之後秒拒純生信類文章，想知道問題出在在哪裡？

很多小夥伴又聽說，隨著組學和高通量方法的大量使用以及生物醫學數據的大量積累，生信和數據分析技能變得越重要了。既然這樣，為什麼生信分析類文章越來越難越來發了呢？生信和數據分析技能變得越來越不值錢了嗎？

今天我們就來聊聊這背後的原因，以及我們可以採取哪些方法來提高被錄用的概率。

生信可以分為大概兩類，一類是以開發工具為目的，需要較強的計算機、數學或者統計學的背景。因此進入的門檻比較高。另一類就是我們今天要聊的以數據分析類為目的，使用各種工具（也叫包或算法）進行分析做出新的發現或者得出實用的結論。都是為了科研，為嘛後者看起來很「卷」？在現在好像很多時候不受雜誌待見呢？

不管是開發新工具還是發現新知識，最重要的是在「新」上面。這一點和商業很像，那就是業務。在科研上的業務就是「解決問題」。把重要的問題解決了，不管是開發工具還是發現新知識，不愁文章發不到好的雜誌。因此說到底，我們要闡述的就是為什麼很多雜誌認為現在的很多生信分析文章不值得發表。

筆者審過很多生信分析類的文章，作為TopEdit的編輯，也編輯過很多生信分析類的文章。總結下來有以下幾點原因導致生信分析類文章被拒：

第一，近幾年有非常多的生信分析類文章，導致「通貨」膨脹了。生信分析，相較於耗時耗力的傳統實驗，對很多人來說是發文章和畢業的一條捷徑。生信分析類門檻可以很低，會跑跑現成的package就能得到看起來不錯的數據。甚至完全不會編程，現在各種生信工具的普及，使得很多小夥伴不用學習編程就可以利用現成的資料庫進行一些分析。這個相對的「低門檻」,讓生信數據分析類文章大量湧現，隨之而來的較多的低質量的分析類文章也因此導致很多雜誌對這類文章的「一刀砍」。

第二，做數據分析，需要明白相關性和因果性的區別。科學研究中非常重要的一方面是找到機制(mechanism)， 但是在絕大多數情況下，生物信息分析或者機器學習給我們提供了兩種現象之間的相關性，但是並不能提供兩者的因果性。因此對這類文章，比如鑑定出來的基因或者基因簇，我們只能稱之為標誌物（marker），但是在審稿和編輯的過程中，發現很多作者分不清兩者。經常有作者過度誇大結論（overstate），號稱其發現的基因可以作為藥物治療的靶點（實際上只有相關性，可以作為標誌物，但是作為靶點，需要闡明因果性才可以）。

第三，大量生信分析類文章結論簡單，可靠性很低。有些作者號稱自己從多個角度證明了自己的結論，但是需要分析方法之間本身的相關性。用沒有內在聯繫的方法得出的結論才會更具有說服力。在審稿和編輯的過程中，有好幾次發現作者號稱AUC大於0.5，得出結論他們的預後模型（signature model）不錯，或者說R大於0同時P<0.05，說明他們的signature顯著正相關（實際上我們不僅要考慮P之顯著，也要考慮實際的R值的範圍）。還有的作者剛用臨床預後找到相關基因，回頭用這些基因分組之後又去分析不同組和預後的關係。還有研究探究TCGA中的腫瘤純度（tumor purify）和基因表達的關係，說找到了某某signature和tumor purity相關（實際tumor purify是由取樣時決定的，和基因表達完全是隨機關係）。相對低的門檻，導致很多不具備專業背景的「跨行」做數據分析，導致結論大多不可靠，也導致有些雜誌和審稿人的反感。

第四，很多作者不願意或者沒有條件對生信分析結論進行驗證。強的相關性提供了重要的研究方向，發表的可能性相對較大。現實是很多作者的相關性沒有那麼強。在這種情況下，如果不通過溼實驗驗證，很難說服審稿人。

發現了這些問題，那麼應該怎樣有針對性地提高生信分析類文章發表的概率呢？

✅首先，對於生信的分析不要流於表面，要找到重要的問題。如果是要尋找marker或predictor，讓AUC和準確性（accuracy）儘可能的高。如果是要尋找target，需要通過多種方法論證其因果性（比如CNV和mutation）。一般來說，同一篇文章裡不要試圖同時做這兩件事（只做了相關性分析，並沒有揭示內在的機制，號稱自己的可以作為靶點，只會適得其反）。

✅其次，提高編程和生信分析的技能，從多角度多數據作出更全面的分析。深入和徹底地理解方法和算法背後的原理，這樣才能更好地解釋看到的現象。比如很多作者建立預測模型的時候並沒有設置獨立的驗證數據集。實際上，為了增強結論的可靠性和普適性，作者通常需要找到獨立的（或者至少預留一部分數據（validation dataset）數據來驗證自己的結論。

✅第三，儘可能地對結果或者預測進行實驗驗證，或者與有條件的實驗室進行合作。溼實驗因為可以嚴格地控制變量，因此可以研究具體的因果關係。而且機制研究能夠為文章大大加分，增加發表高水平雜誌的可能性。

✅第四，除了採用公共數據集，對於在醫院的小夥伴，可以產生自己的一些數據。雖然很多時候看起來同種疾病（比如某種癌症）已經有很多數據了，但是臨床數據很珍貴與難得。如果有條件，得到自己的數據集，這個本身就是一種資源和貢獻，也有助於文章的發表。