掃碼聯(lián)系客服
關(guān)于這個話題我早就想吐槽下了。
大家都知道
三流企業(yè)賣產(chǎn)品
二流企業(yè)賣服務
一流企業(yè)賣標準
最近華為拿到了5G通訊的部分標準，確實讓人振奮。
回到生物信息中，目前生物信息學中的數(shù)據(jù)格式標準還是可以的。比如標準的fa、fastq、gff3、bam等，這些標準格式用起來還是可以的。
今天小編主要想吐槽的就是生信分析中閾值這個點。
首先吐槽就是相似性，目前大家在做同源比對的時候，大多會選擇80%的區(qū)域相似，我們就認為這兩個序列同源。這里這個80%是怎么來的呢，我想大多情況下是大家的經(jīng)驗之談。
第一個吃螃蟹的人說用筷子夾著吃好吃，跟隨者自不必嘗試下用勺子的好處。
還有就是E value，在blast的時候，大家都默認物種內(nèi)是-10，物種間是-5，這些又是經(jīng)驗之談了。
當然這些在處理一般的問題的時候沒有什么問題。但是在處理特殊的物種的情況下就會出現(xiàn)很多的問題。比如這個物種整體就是和參考相差太多，變異較多。你還固守參數(shù)的話，結(jié)果肯定慘不忍睹。
我相信這里舉的例子只是一個簡單的代表，靠閾值來卡好壞結(jié)果的例子在生信中遍地都是。
但是目前生信分析對于這里木有固定的標準，素質(zhì)稍微高的分析人員會稍微考慮下物種的特異性，調(diào)整下標準，更多的人就是根據(jù)固定的經(jīng)驗值去篩，TM的愛是啥是啥。
既然行業(yè)沒有標準，說明這里確實不好訂標準，甚至連固定的方法都沒有。
小編又想起來得吐槽下，目前很多公司都在做三代全長轉(zhuǎn)錄組。大家在全長建庫的時候更多的是參考高粱和玉米的轉(zhuǎn)錄本的比例。建庫策略一般是：小于1K，1K-3K，3K-6K等等，比例也較為固定2：3：3。但是這里如果其之前測過轉(zhuǎn)錄組，或者存在近緣，是不是利用其數(shù)據(jù)簡單的評估下，選擇適合這個物種的建庫策略呢。
吐槽回來，小編其實想說如果存在行業(yè)標準，我們應該按照標準來說，但是同時要兼顧物種的特異性。既然標準是經(jīng)驗，經(jīng)驗就有失效的時候。還有就是應該從問題出發(fā)，然后設定標準。
大于1是正選擇，但是這個物種超級保守，是不是選擇那些大于0.6的就可以了呢。
這里小編有三個想法
1、從問題本身出發(fā)，生物信息分析其實就是一個初步篩選的過程，這里標準的設定其實不是最重要的，哪怕你通過抓鬮、扔鞋決定出來的基因，被證明有意義，都可以。這里研究的是生物問題，不是生信方法。
2、沒有標準，是否可以從統(tǒng)計學分布出發(fā)。目前這些所謂的標準其實也是基于統(tǒng)計學分析而來的，當這個物種比較特殊的時候，我們應該從物種本身的分布上去研究。舉例：在做正選擇基因篩選的時候，整體沒有大于1的，那這時我們應該繪制下這個物種基因受選擇壓力的整體分布圖，看下位于右5%，10%的基因。這些所謂的離群的點，最有可能就是有意義的點。這樣總比一刀切好的多。
3、 學生信的都弄過機器學習，這種問題完全可以機器模擬，學習搞定。將目前的所有的發(fā)布的數(shù)據(jù)整合下，構(gòu)建下數(shù)據(jù)庫，提取下特征，構(gòu)建分類器，然后研究新的物種的時候，運行下這個分類器，讓他給一個標準。這個絕對比你手一抖給的標準，可靠的多的多的多的多。
想起剛?cè)雽W的時候，一個老師說的話，給大家安利下。
按照預定的方案和計劃去實施，只能得到預定的結(jié)果，而無法實現(xiàn)超越。
歡迎關(guān)注生信人
