数以万计的生物信息学数据分析都采用了clusterProfiler包，虽然说clusterProfiler本质上是帮忙在R里面快捷的实现了ORA和GSEA的统计学方法，而且可以好方便的结合GO,KEGG,Ractome等数据库。但是分析结果的好坏完全没办法责怪工具本身啊。。。。是自己的生物信息学理解能力。。。。有粉丝在公众号的后台发了这一张图片，所谓【健康院自产算法】，那肯定就是健康院的人了，而这个健康院肯定是Y叔曾经工作过的暨南大学生命与健康工程研究院，也是clusterProfiler

开课时间接下来的直播互动授课开始时间是6月5日我们的课程每月滚动开班，在线直播互动授课，可以根据自己的时间安排就近报名，随时插班或者咨询下一期报名。我们的马拉松生信课程已经有了一年多线下全国巡讲、两年半线上互动授课的积累，有经验丰富的专业教学团队，已有数千名学员从培训班毕业，仅致谢我们的正式发表文章就有100+篇（文末有文章列表）！欢迎选择影响了无数生信学习者、桃李满天下的生信技能树。报名咨询如果你已经熟悉了我们的课程，就联系我们报名吧~（添加好友务必备注

开课时间接下来的直播互动授课开始时间是5月8日我们的课程每月滚动开班，在线直播互动授课，可以根据自己的时间安排就近报名，随时插班或者咨询下一期报名。我们的马拉松生信课程已经有了一年多线下全国巡讲、两年半线上互动授课的积累，有经验丰富的专业教学团队，已有数千名学员从培训班毕业，仅致谢我们的正式发表文章就有100+篇（文末有文章列表）！欢迎选择影响了无数生信学习者、桃李满天下的生信技能树。报名咨询如果你已经熟悉了我们的课程，就联系我们报名吧~（添加好友务必备注

S2).自己很容易走一下maftools包进行各种各样的统计可视化的，最常见的就是突变全景图：突变全景图突变全景图很容易看到哪些基因在我们的小队列群体里面突变次数最多：TET2

因为自己攻读博士学位之初拿到的是多位点取样的肿瘤外显子技术看肿瘤异质性课题，所以在这方面阅读了大量综述和各个癌症的类似实验设计的文献，同时也带领跟随自己五年之久的《生信马拉松》教学队长（nickier）从学徒到实习生到助教一路钻研肿瘤外显子数据处理各种技巧。教学队长（nickier）在《生信技能树》和《生信菜鸟团》公众号都有相关知识整理专辑，比如《肿瘤外显子》专栏的目录（节选）如下：（一）读文献并且下载测序数据（二）质控与去接头（三）比对（四）比对结果的质控（番外篇）bam文件载入igv可视化（五）GATK的最佳实践（六）vcf文件的注释及ANNOVAR的使用（七）maftools可视化（八）不同注释软件的比较（上）：安装及使用（八）不同注释软件的比较（中）：注释后转成maf文件（八）不同注释软件的比较（下）：可视化比较maf文件五年积累，数据处理背景不可谓之不深厚。厚积而薄发，五年磨一剑，终于有了即将新鲜出炉的《生信技能树》出品的马拉松授课产品：《肿瘤外显子数据分析培训班》。仍然是大家熟悉的钉钉群直播互动授课，时间是：2022.09.12-2022.09.25，的两周，每天晚上8点-11点，周三周日休息。肿瘤外显子数据分析培训班简介本课程会系统性地介绍肿瘤外显子数据分析的方法，涉及到的各个方面知识：测序背景、数据格式、文献阅读、工具用法、数据库使用、环境部署、编程基础（Linux

转眼间接触单细胞也快十年了，大约2014我还在上海的时候跟CEL-seq技术创始人聊过合作，虽然没有开展下去。后来2017开创《单细胞天地》公众号时候分享的绝大部分文献仍然是SMART-seq2的单细胞技术文章，但是到2018年情况就变了，因为10x的商业的成功基本上把单细胞跟它化等号了，所以我们2019年后分享的90%以上的文献都是10x单细胞转录组。而且有大量的单细胞技术测评数据集和文献，都表明了它们技术上其实是差异可以抹平，作为用户的我们其实并不需要过多纠结具体的单细胞技术，对我们来说，都是表达量矩阵（行是基因，列是细胞的矩阵）而已。在satijalab的seurat-data示例数据里面就有一个数据集是pbmcsca，它里面就有多种单细胞技术产出的pbmc单细胞数据：#

Cancer》就是多组学肿瘤研究的佼佼者，基于多组学的分析对来自长海医院(中国上海)的146例中国结直肠癌（CRC）的患者，包括70例转移性

01企业介绍深圳华大生命科学研究院（原深圳华大基因研究院），深圳十大基础研究机构之一。作为深圳建设创新中心的核心科研力量，研究院以基因组学为特色，贯穿组学为核心和基础，聚焦领域前沿方向和关键问题，在自主可控核心技术与工具、疾病防控与精准医学、农业资源与环境生态以及前瞻性未来方向等多个重要研究领域布局深耕，致力于在生命科学领域打造国际顶尖的研究团队，建设全球引领的技术平台，持续产生一批世界瞩目的科技成果及应用转化。研究院下设多个研究所及分院，科研业务覆盖欧洲、美洲、北京、上海、武汉、青岛等地区。作为华大创新发展的驱动器，研究院已拥有世界领先的大规模测序、生物信息、高通量质谱、蛋白组等技术和大型数据处理超算中心，被国际顶级学术期刊《自然》评为“世界领先的遗传学研究中心”和“基因组学、蛋白质组学和生物信息分析领域的领头羊”；并拥有世界一流水平的科研及成果应用转化队伍，于2020年荣获中国科技成果转化第一名。02投递方式1.邮箱投递邮箱：caidanlin@genomics.cn主题：姓名+应聘岗位文件：PDF格式2.

做教学我们是认真的，如果你对我们的马拉松授课（直播一个月互动教学）有疑问，可以看完我们从2000多个提问互动交流里面精选的300个问答！强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：

肿瘤单细胞研究最容易想到的就是疾病进展相关，从患者正常血液组织到癌旁到原位肿瘤的分组，或者加入淋巴结，器官转移。因为目前单细胞价格仍然是居高不下，所以很少有实验能覆盖全部的样品类型，一般来说能选择其中三两个组就很好了，比如：2021-GSE162025-的鼻咽癌研究就是

01课题负责人简介重庆医科大学赵浏阳课题组因科研发展需要，现面向海内外招聘优秀博士后研究人员2名，诚挚欢迎相关学科的青年学者加入团队。赵浏阳，男，重庆医科大学感染性疾病分子生物学重点实验室特聘教授，博士生导师。2018年获香港中文大学解剖与病理学博士学位，同年继续在香港中文大学消化道疾病国家重点实验室和生物医学工程系进行单细胞测序新技术的开发。2018年美国消化协会“青年研究”奖获得者；香港免疫协会会员；Frontiers

前面我们提到了替代付费生信工程师的在线可视化工具箱Hiplot，蛮多小伙伴表示它不能做ngs数据的上游分析，尤其是从fastq文件开始，动辄消耗几百个G的磁盘空间，内存和CPU的占用也很大，现阶段不可能有网页工具能做到这方面都无限制提供。所以还是得回到我们：最低仅需800，就有一个生信工程师为你服务！

01项目简介因项目需要，四川大学华西医院疾病系统遗传研究院“疾病与表观遗传”课题组现面向社会公开招聘项目制科研助理1名。项目简介：探索弱精症精子的DNA甲基化改变及相关疾病机制，以及研究环境诱导下的表观遗传变化对男性精子的影响。拟收集各种异常精子样本进行多组学分析，通过生物信息学分析找出相关的表观机制及基因表达的改变，并进行后续相关实验研究。02招聘条件招聘岗位：科研助理（1名）岗位职责：

bbac261,https://doi.org/10.1093/bib/bbac261作者简介文末友情宣传强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：

做教学我们是认真的，如果你对我们的马拉松授课（直播一个月互动教学）有疑问，可以看完我们从2000多个提问互动交流里面精选的300个问答！强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：

单细胞多组学空中论坛视频合集单细胞技术从2009年发展到现在，研究范围不再局限于转录组，而是扩展到了基因组、免疫组、表观组、蛋白组等多组学水平，研究对象涉及染色质、DNA、RNA、表观、转录因子、组蛋白、细胞表面蛋白等多种分子信息。在单细胞水平上的多组学分析有助于识别和理解细胞类型和细胞亚群之间的差异从而了解生命的本质。越来越多的证据表明，基于单细胞多组学的研究，能够为研究组提供前所未有的临床和科研大数据，这对于肿瘤免疫微环境及异质性的研究，生物标志物的发现和治疗，细胞分化发育研究等均有重要意义。为了更好的满足广大科研工作者的需求伯豪生物特免费开放“单细胞多组学空中论坛”视频合集内容涵盖了单细胞多组学在肿瘤研究、免疫学、生长发育、神经科学、新药研发等多个应用方向的介绍及研究思路分享热浪来袭一起来B站纳凉吧扫描下方二维码观看单个视频：1单细胞测序技术在肿瘤研究中的常见思路2单细胞多组学测序技术在免疫生物学的应用3单细胞多组学测序在生长发育研究中的整体解决方案4空间转录组及单细胞测序技术在神经系统疾病领域中的研究思路解析5单细胞多组学测序技术在新药研发的应用更多精彩内容，请在B站搜索“伯豪生物SHBIO”扫描上方二维码关注"伯豪生物"官方B站号推荐阅读暑「价」来袭-时空组学优惠送不停！文献解读|单细胞测序在癌症研究中的应用文献解读|m6A通过NF-κB调控结肠细胞稳态文献解读|EM-Seq从pg级DNA中以单碱基分辨率检测DNA甲基化组学研究必备—《高通量组学文献精选集》重磅首发！END本文为伯豪生物原创欢迎转发朋友圈转载请注明来自伯豪生物咨询热线：17702139967

做教学我们是认真的，如果你对我们的马拉松授课（直播一个月互动教学）有疑问，可以看完我们从2000多个提问互动交流里面精选的300个问答！强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：

前面咱们组建了交流群：让天下没有难处理的表达量芯片，帮助大家解决了各种稀奇古怪的芯片。但是绝大部分小伙伴其实是基础知识不牢固，有一些明明是很简单的芯片，仍然是有小伙伴提问，比如：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE10775Affymetrix公司的芯片第一巨头了，很简单的一个芯片：GPL1355

使用seurat标准流程即可，不过它默认出图并不好看，详见以前我们做的投票：可视化单细胞亚群的标记基因的5个方法，下面的5个基础函数相信大家都是已经烂熟于心了：VlnPlot(pbmc,

做教学我们是认真的，如果你对我们的马拉松授课（直播一个月互动教学）有疑问，可以看完我们从2000多个提问互动交流里面精选的300个问答！强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：

Genetics上有啥差别你给我解释解释你们发现的一些结论在更多的队列中是否成立你给我测试测试你这个signature和先前2018年发表结果一致性较弱，是否是因为这次的数据是TCGA

绝大部分会议都是讨论科研方法和思路并不是数据分析实战，一般来说单细胞数据分析主要靠的是计算机基础知识点，再怎么强调生物信息学数据分析学习过程的计算机基础知识的打磨都不为过，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：《生信分析人员如何系统入门R(2019更新版)》《生信分析人员如何系统入门Linux(2019更新版)》把R的知识点路线图搞定，如下：了解常量和变量概念加减乘除等运算（计算器）多种数据类型（数值，字符，逻辑，因子）多种数据结构（向量，矩阵，数组，数据框，列表）文件读取和写出简单统计可视化无限量函数学习Linux的6个阶段也跨越过去

今年的收官之作来的有点早，不过恰好是大家都比较有空的暑期，错过这一期就只能是等待圣诞节元旦节之后了，就是2023年啦。前面我们在难者不会，会者不难

熟悉我们《单细胞天地》公众号团队的小伙伴都知道我们有一个长期的单细胞学徒培养腾讯会议，每天晚上九点。点击链接入会，或添加至会议列表：https://meeting.tencent.com/dm/EWBbxqqpD6Fa腾讯会议：507-1242-3763会议密码：2022持续两百次，欢迎保留这个链接，随时参与。原则上每周至少五次单细胞单细胞，但是最近学徒不够用了，导致我们的两百次目标有点遥遥无期。而单细胞领域，Aviv

单细胞转录组数据分析1.单细胞转录组三大R包2.典型文献介绍3.一篇单细胞文献的解读和复现部分图表：具体的图表数量再多也是有限的，我们更注重的是帮助你搞定R语言画图的方法和规律，授人以渔~5

1047可以看到在各个癌症里面了，up基因都倾向于是risk基因，而不是protective基因，而down基因都倾向于是protective基因，而不是risk基因。有意思的是，

gsub('TCGA-','',gsub('.htseq_counts.Rdata','',x))

癌基因是基因的一类，激活后可促使正常细胞癌变、侵袭及转移。通常我们以为的激活是它表达量上升，尤其是肿瘤部位和正常组织对比的时候，而癌基因激活的方式包括点突变、基因扩增、染色体重排、病毒感染等。而抑癌基因（tumor

前些天无奈的“自传”：我是如何在一年内亏掉100万的，引发了广泛的讨论，后台超过几百条留言，但是公众号每个推文只能精选100条，大家分别从定价角度，个性化科研角度，以及公司运营角度给出来了自己的看法。其中一个来自以色列的朋友“Dong”的角度也是比较奇怪：工资低此次创业的投入产出比里面占大头的就是人员工资，因为两个员工都是初学者，能力强一点工程师给月薪到手8K，弱一点工程师给月薪到手7K，但是都包住宿，五险一金都缴纳，这样两个工程师年薪合计成本是30万。因为采取了自己培养，是实习生从研究生三年级就开始在我这里慢慢学习生物信息学技能，尤其是单细胞数据处理。实习的时候是月薪1K，拿到毕业证后我才会买五险一金给工资的，但是都包住宿，可能这个给大家的冲击力更大，如果连月薪到手7K都不能接受，看到了实习生的月薪1k估计是恨不得过来打我了。实习生培养过程从研究生三年级开始线下实习，在生物信息学方面肯定是零基础了，先花2个月时间福利参加了我们的马拉松学习班：数据挖掘（GEO,TCGA,单细胞）2022年5~6月场，快速了解一些生物信息学应用图表生信入门课-2022年5~6月场，你的生物信息学第一课再花3个月时间把计算机基础知识的打磨，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：《生信分析人员如何系统入门R(2019更新版)》《生信分析人员如何系统入门Linux(2019更新版)》需要完成我的300道练习题，然后看完b站的绝大部分ngs组学视频，包括但不限于Microarray,

创业开公司亏本也不是什么见不得人的事情，就大大方方的分享吧，反正还年轻，权当时交学费了。我们《生信技能树》在过去的五年间培养了近千名生信工程师，顺理成章触达了绝大部分高校单位以及部分顶尖医院科室，但并不是每个人都冲着自己动手分析数据的目标在学习，也有不少小伙伴仅仅是想熟悉一下生物信息学数据分析流程，这样更方便他跟公司的工程师或者课题组的生信助理交流。大约在一年半之前，考虑到有大量的生物信息学数据分析委托找到了我们，就注册了公司。当时就

伴随着单细胞技术的流行，我们也做了很多福利项目，帮助大家对海量的公共数据集继续普通的标准分析，这样大家可以拿我们的分析结果进行后续个性化深入分析和解读：明码标价之10X转录组原始测序数据的cellranger流程

“本手、妙手、俗手”是围棋的三个术语。本手是指合乎棋理的正规下法;妙手是指出人意料的精妙下法;俗手是指貌似合理，而从全局看通常会受损的下法。对于初学者而言，应该从本手开始，本手的功夫扎实了，棋力才会提高。一些初学者热衷于追求妙手，而忽视更为常用的本手。本手是基础，妙手是创造。一般来说，对本手理解深刻，才可能出现妙手;否则，难免下出俗手，水平也不易提升。其实各行各业都有自己的“本手、妙手、俗手”，我们拿生物信息学数据分析举例跟大家探讨一下：生物信息学基础功（本手）本手就是基础功啦，

难者不会，会者不难的心得体会，引起了大家的共鸣，行业内的小伙伴理解了我们的生信服务的正当性，外行人也认可了我们的价值。本来是文末凑数的封面图反而被大家留言纷纷讨论，有小伙伴指出来了这个

要不是这三年疫情，作为科研工作者，应该是没有人不喜欢阳性吧。通常情况下我们的定义的阳性是有信号值，证实了自己的生物学假设，在统计学领域阳性基本上就是统计学显著性，是大家喜闻见乐的。比如生存分析作为目前肿瘤等疾病研究领域的点睛之笔，我们就会想方设法调整阈值拿到那些具有统计学意义的影响生存的基因，无论是保护因子还是风险因子，都是需要是阳性。我在生信技能树多次分享过生存分析的细节人人都可以学会生存分析（学徒数据挖掘）学徒数据挖掘之谁说生存分析一定要按照表达量中位值或者平均值分组呢？基因表达量高低分组的cox和连续变量cox回归计算的HR值差异太大?学徒作业-两个基因突变联合看生存效应TCGA数据库里面你的基因生存分析不显著那就TMA吧对“不同数据来源的生存分析比较”的补充说明批量cox生存分析结果也可以火山图可视化既然可以看感兴趣基因的生存情况，当然就可以批量做完全部基因的生存分析多测试几个数据集生存效应应该是可以找到统计学显著的！我不相信kmplot这个网页工具的结果(生存分析免费做)为什么不用TCGA数据库来看感兴趣基因的生存情况200块的代码我的学徒免费送给你，GSVA和生存分析集思广益-生存分析可以随心所欲根据表达量分组吗生存分析时间点问题寻找生存分析的最佳基因表达分组阈值apply家族函数和for循环还是有区别的（批量生存分析出图bug）TCGA数据库生存分析的网页工具哪家强KM生存曲线经logRNA检验后也可以计算HR值但是并不意味着阴性就不能发表，下面分享一个案例：在2016的文章：《Germline

做任何事情，都要有方法。如果你知道做某一件事情的最佳方法。那么，你会觉得很好做，一点也不难。困难的事情对于一般人来说，难以解决是因为不懂，而对于会的人或行家来说，一点不难。我们《生信技能树》一直都有转录组产品线的明码标价的生物信息学数据分析服务明码标价之转录组常规测序服务（仅需799每个样品）明码标价之普通转录组上游分析明码标价之转录组下游分析仅需800元明码标价之转录组测序数据的可变剪切明码标价之RNA-Seq数据的内含子保留分析因为咱们《生信技能树》公众号的小伙伴绝大部分都是会多种ngs数据处理的，甚至是单细胞等热点数据分析都不在话下，所以就有按捺不住的小伙伴会冷嘲热讽的说咱们《生信技能树》的转录组产品线的明码标价的生物信息学数据分析服务简直就是抢钱，一个简单的差异分析和富集分析就800块钱了。大家手上都是有成熟的流程和代码，其实也就是跑了一下代码，十几分钟的事情。如果是需要理解图表的生物学含义，就需要看我六年前的表达芯片的公共数据库挖掘系列推文即可；解读GEO数据存放规律及下载，一文就够解读SRA数据库规律一文就够从GEO数据库下载得到表达矩阵

），即加权基因共表达网络分析，用于寻找高度相关的基因构成的基因模块module，利用模块特征基因eigengene（模块内第一主成分）或模块内的关键基因Hub

获取基因有效长度的N种方下面是他对我们b站转录组视频课程的详细笔记承接上节：RNA-seq入门实战（四）：差异分析前的准备——数据检查，以及

'./3.DEG/test_DEG_results.Rdata')dir.create("7.PPI")setwd("7.PPI")#########################

我们一直在做肿瘤相关数据分析，但却很少深入理解它的生物学机制。恰好最近看到了一个优秀的公众号做了两个系列读书笔记，包括《肿瘤生物学》和《癌生物学》。很容易找到这两本书的中英文电子版pdf，也很容易在京东等平台购买实体书。但是，拥有书籍不代表获得知识，如果你还没有下定决心看这两个大部头书籍，不妨先跟着我们转载的读书笔记简单认识一下他们。前面的两个笔记是：

我们一直在做肿瘤相关数据分析，但却很少深入理解它的生物学机制。恰好最近看到了一个优秀的公众号做了两个系列读书笔记，包括《肿瘤生物学》和《癌生物学》。很容易找到这两本书的中英文电子版pdf，也很容易在京东等平台购买实体书。但是，拥有书籍不代表获得知识，如果你还没有下定决心看这两个大部头书籍，不妨先跟着我们转载的读书笔记简单认识一下他们。前面的两个笔记是：

我们一直在做肿瘤相关数据分析，但却很少深入理解它的生物学机制。恰好最近看到了一个优秀的公众号做了两个系列读书笔记，包括《肿瘤生物学》和《癌生物学》。很容易找到这两本书的中英文电子版pdf，也很容易在京东等平台购买实体书。但是，拥有书籍不代表获得知识，如果你还没有下定决心看这两个大部头书籍，不妨先跟着我们转载的读书笔记简单认识一下他们。前面的两个笔记是：

获取基因有效长度的N种方下面是他对我们b站转录组视频课程的详细笔记承接上节：RNA-seq入门实战（四）：差异分析前的准备——数据检查，以及

F)##数据载入和目录设置setwd("C:/Users/Lenovo/Desktop/test")source('FUNCTIONS.R')load(file

我们一直在做肿瘤相关数据分析，但却很少深入理解它的生物学机制。恰好最近看到了一个优秀的公众号做了两个系列读书笔记，包括《肿瘤生物学》和《癌生物学》。很容易找到这两本书的中英文电子版pdf，也很容易在京东等平台购买实体书。但是，拥有书籍不代表获得知识，如果你还没有下定决心看这两个大部头书籍，不妨先跟着我们转载的读书笔记简单认识一下他们。前面的两个笔记是：肿瘤生物学：（3）细胞癌基因肿瘤生物学：（4）生长因子、受体与癌症1前言原癌基因和癌基因的发现为细胞增殖的驱动机制提供了简单而有力的解释。然而，这一精心设计的调控系统在逻辑上意味着促进这一过程的分子必然被另外一些与此过程相拮抗的分子所中和平衡，生物学系统也遵循这一定律。20世纪70年代和80年代早期，与癌基因的已知性质相悖的肿瘤细胞遗传学试验证据逐渐增多，这暗示着存在另一类功能不同的细胞生长调控基因——限制或抑制细胞增殖。这类抗生长基因称为抑癌基因（TSG），这类基因的失活或丢失参与肿瘤形成。经过近30年的时间，我们逐渐认识到抑癌基因的失活在肿瘤发病过程中与癌基因的激活起着同样重要的作用。实际上，在人类许多肿瘤细胞的形成过程中，这些基因在细胞基因组中的丢失可能比癌基因的激活更为重要一些。2肿瘤细胞的隐性表型特征20世纪70年代的肿瘤病毒研究发现这些感染因素携带大量致癌基因，一旦肿瘤病毒基因组转入正常细胞后会引起这个细胞发生转化。这提示肿瘤细胞的生长与正常细胞生长相比是显性表型，因此认为正常细胞的生长是隐性的。然而，当时就有人对上述观点持怀疑态度，此外20世纪80年代的一些研究结果也为这一质疑提供了支持证据，即人类大多数肿瘤并不是肿瘤病毒感染的结果。发现肿瘤相关的隐性等位基因的重要线索最初来源于英国牛津大学的细胞融合试验。利用细胞融合技术可以获得来源于不同物种的杂交细胞，将未分化的细胞与分化细胞融合，可以观察哪种细胞表型起决定性作用。当时人们更愿意相信肿瘤是一种强效的显性表型，当与正常细胞融合在一起时，将产生与正常细胞截然不同的生长模式。然而有理不在声高，大量试验证据表明，当肿瘤细胞与正常细胞融合后，将产生的四倍体或亚四倍体杂交细胞注射入合适的宿主动物体内，发现这些细胞将失去肿瘤形成的能力。这个出乎意料的结果表明相对于正常野生型生长表型来说，恶性细胞表型是隐形的。实际上可以通过一个简单的遗传学模型来解释上述现象。这基于一个常见的遗传学现象：一个突变失活的等位基因在一个完整的野生型等位基因存在时是隐性的。由于这些基因的野生型能够拮抗肿瘤细胞表型，因此被命名为抑癌基因。3Rb基因解决了抑癌基因的遗传学困惑然而，抑癌基因的存在一直饱受争议。哺乳动物细胞基因组染色体成对的性质为反对抑癌基因存在的理论提供了合理的依据。由于这些等位基因是隐性的，那么理论上一个等位基因的失活对肿瘤细胞应该没有影响，只有当肿瘤细胞中抑癌基因的一对野生型等位基因同时失活后，细胞才能持续增殖。但是，两次独立的遗传学改变发生在同一对等位基因上，是一个极其繁杂的过程，在短暂的时间内发生这样的遗传学改变几乎是不可能的。最终，对一种罕见的儿童眼部肿瘤（视网膜母细胞瘤）的研究为解决这个问题提供了重要依据。这种来源于光受体细胞的前体细胞的肿瘤，在儿童中高发，表现为两种形式。一些没有视网膜母细胞瘤家族史的孩子表现为单侧眼的单发肿瘤；患有家族性视网膜细胞瘤的儿童，肿瘤一般为双侧多发。

我们一直在做肿瘤相关数据分析，但却很少深入理解它的生物学机制。恰好最近看到了一个优秀的公众号做了两个系列读书笔记，包括《肿瘤生物学》和《癌生物学》。很容易找到这两本书的中英文电子版pdf，也很容易在京东等平台购买实体书。但是，拥有书籍不代表获得知识，如果你还没有下定决心看这两个大部头书籍，不妨先跟着我们转载的读书笔记简单认识一下他们。前面的两个笔记是：肿瘤生物学：（3）细胞癌基因肿瘤生物学：（4）生长因子、受体与癌症1前言上一章我们了解了细胞表面的受体广泛地接收信号并把信号转导到细胞质内，这一章我们将要探讨这些大部分由生长因子受体发出的信号是如何被加工并整合入细胞质中的。这些信号在加工后大多被传递到细胞核中，在那里它们为细胞增殖提供重要的调控信号。癌症是一种细胞增殖失控的疾病，我们常常可能会认为癌细胞创建了全新的调控自身生长和分化的方式。然而，事实上，癌细胞和正常细胞利用几乎完全相同的调控网络，癌细胞仅仅对细胞内现有的调控机制稍加改变。它们只稍微调整了一下已有的调控系统，而不是破坏其全部机制或重新组装一个新系统。从某种意义上来说，癌症确实是一种增殖异常的疾病。但当我们更加深入地了解癌细胞时，我们将会在另一个层面上了解到：癌症实际上是一种信号加工异常的疾病。2Ras蛋白的中心位置细胞对于对于生长因子的不同反应给那些对胞内信号转导感兴趣的人带来了挑战，因为此前对胞内交互信号通路的组织及功能几乎一无所知。经过了大约10年，这些通路慢慢地像一个游戏拼图那样被拼凑起来，故事的主人公就是Ras蛋白。一个完全未预料到的领域进展揭示了Ras的作用机制。果蝇眼部发育的遗传学研究显示，一系列基因产物对果蝇复眼的光感原件的正常发育起关键作用，其中一个重要的基因被称为Sevenless。研究者发现Sevenless基因编码的蛋白质含有酪氨酸激酶受体普遍存在的结构。Sevenless的一个下游蛋白是由一个名为Son

写在文末可以看到生物信息学的出镜率越来越高了，如果要立足于这个数据分析领域，起码的计算机基础就无需多言了，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：《生信分析人员如何系统入门R(2019更新版)》《生信分析人员如何系统入门Linux(2019更新版)》有了计算机基础，还需要

获取基因有效长度的N种方下面是他对我们b站转录组视频课程的详细笔记承接上节：RNA-seq入门实战（四）：差异分析前的准备——数据检查，以及

forcatslibrary(pheatmap)library(DESeq2)library(RColorBrewer)####