有后粉丝提问,熊出没的英文名为什么是布尼贝尔斯?后边这个贝尔斯呢,你们肯定都认识,但是前面这个布尼呢,别说你们不认识,我也不认识呀,你别说我不认识了, 词典他也不认识啊,我好不容易才找到了两个词,是跟他比较像的,但也都非常的冷门。第一个呢就是 bunnies, 意思呢是郊区。第二个呢是 bunny, 意思呢是胖乎乎的。 你说这无论是郊区熊吧还是小胖熊吧,跟这哥俩的形象吧,还真都对的上。所以我也不知道这个补,你到底是从这俩词当中哪一个野生来的了,你们喜欢哪个就用哪个吧。
粉丝31.5万获赞854.8万

官方回应,熊出没有英文版了,我们可以一边看动画片一边学习英语了。 bunny bears bunny 来自 bun, 意思是愉快的 谐音滚笨,我们可以理解为笨笨的熊二,给我们带来很多快乐,所以这个单词滚愉快的,你记住了吗?

你真的理解 k 字 go 这个词了吗?我们把它直接翻译成中文的意思是察觉、注意到,但是好抽象啊,比如说你买了一样东西,你正准备掏手机结账,然后你突然发现 yep, 我 们来描述当下的心理就是我们来仔细想想刚刚的例子,在你正准备掏手机结账的时候,你发现手机没了, 而手机没了这件事情是不是已经发生了?寂静的事实,而你发现手机没了,是不是你无意识上的一个行为?所以 keziqiu 就是 你无意识的发现察觉某一个已经发生的事实。那么 keziqiu 为什么会有察觉注意到这样的意思呢?其实 keziqiu 这个词是由 keziqiu 缩减演变而来的, 那么我们把 k 字库拆开来看,是不是有 key 和 clue? 我 们先来看 key 这个词,它就是由中国古代的气演变而来的。我们中国古代的气是什么意思呢?是一种流动在你身体里面看不见的能量,而演变到了日本,它就变成了人内在的意识和感觉。 我们再来看词库这个词,它是有物理上的把某样东西靠在一起或者黏在一起的时候使用,而衍生出了一系列的意思,而词库里面的词库就是有一种集中在一起的感觉。我们来整体看词库这个词 就是将你内心里面的意识给集中在一起,那你是不是就会有一种啊? so long 那 种突然察觉注意到那种感觉,所以这就是词库的意思和它的由来。

为什么总有人觉得比亚迪这名字土气?让我们来看看国外那些豪车大牌如果按字面直译会叫什么?比如 bmw、 宝马,字面意思就是巴伐利亚发动机制造厂悍马哈姆,翻译成中文其实叫蜂鸟牌,越野名牌路直译过来就是陆地流浪者,也就是街溜子。奔驰的名字取 字女孩名和工程师名翻成中文大概就是翠花与铁柱牌汽车。说白了,洋名字的高级感都是中文翻译给的,直译过来都半斤八两,只不过我们的 中文翻译给他们的品牌加上了一层滤镜。当小鹏被所有人建议只要改名,销量翻一倍的时候,何小鹏却在坚持己见,换名字我们是不换,不是为了和大家唱反调,而是对自己文化的自信。事实证明,如今的小鹏汽车进入了全球六十个国家,得到了外国人的肯定。 没有人说小鹏的名字不行,但这次小鹏却改名了,只不过是从小鹏汽车有限公司正式变更为小鹏。 原因在于如今的小鹏不止有汽车业务,飞行汽车图灵、 ai 芯片、 v l a 自动驾驶模型、人形机器人、 air robo taxi 这些属于未来,属于物理 ai 的 东西得到了来自全世界的关注,所以小鹏成为了小鹏集团也是再正常不过。


hi, 大家好久不见呢,师姐又来更新了,今天又来更新一个生性套路的干货内容,那今天分析的这个套路呢,它是发表在 frontier immunology, 也就是二去五点九分的一篇文章, 它做的是一个多组学的分析,分析的呢,叫做一个 po。 这个啊,这个代谢相关的表情特征,它叫什么呢?我们来看一下中文的翻译,一个氨代谢相关的特征 好,然后呢,研究的疾病是肝癌啊,我们来看这个所谓的某某 related signature, 它就叫做某某表情,意思就是说你换一个相关的表情,其他的代谢相关的啊,它是研究的氨类,你去研究其他类的一个代谢相关的氨糖化代谢的 氨类代谢的氧化类的 related signature, 换一个 signature, 它就是一篇文章。而所谓的某某 related signature 呢,指的就是一群 genes 啊,一群基因列表,而这些基因呢,你可以通过数据库解锁而获得。所以说呢,这个套路呢,意味着你换一群这个基因 size genesize 哈,换一群基因,那么呢,你就是一篇文章,好,我们的思路哈,就是这么来的。 那么我们来简单看一下它的套路都应用的哪些,我们可以看到它完全应用的是公共数据库,比如说它用到的是 t, c, g, a 和 ge, o 的 数据集,那当然啦,它用了多个 ge, o 的 数据集哈,那它通篇分析的比较多的呢,方法呢,就是 g, s, e, a 跟 w g, c, n, a, 然后呢,它分析完了普通的功能分析之后呢,做了一系列的免疫相关的分析,然后呢,其他的使用它的工具呢,就一些 online 的 数据库 好,所以说整体来说呢,它就是融合了普通的 book rna 分 析,单细胞分析,看到了 single cell rna 啊,有一个单细胞的分析,并且联合了机器学习这样的一个分析方法。 然后呢,用了多个公共啊 online 数据库,然后呢,做成了这样一篇文章,它做了十几个 data 出来啊,首先呢,我们来学习一下演研的写作套路哈, 那么首先呢,我们知道引言的写作啊,师姐在这里又融入了引言写作的一点点干货,我们简单的带入一下,首先呢,我们知道引言的写作要从哪里开始写,要从疾病开始去写,要强调疾病,它的影响范围广,它的后果严重,是一个急需解决的公共健康问题。 然后呢,他就讲,然而当前的一个一些个治疗选择对肝癌呢,有很多的一个瓶颈问题,比如说一发现就是晚晚期啊,属于一种哎,高度进展的一个状态。所以说呢,现有的一个治疗是一个 limit 的, 还是有限的啊,所以呢,我们需要新的治疗的方法,那么其中呢,这个癌类,它就是一个新的治疗的切入点, 它呢,这个氨类的代谢呢,它涉及到多个细胞的生物学行为,比如说包括了增值啊,分化了,凋亡,并且与肿瘤呢形成也密切相关。有研究发现呢,其氨类的一个关键性的分子,能够促进肝细胞的 stemness 啊,肝性。然后呢,并且与什么啊不良预后相关。 好,接着下一个他就讲到了肿瘤微环境啊,包括了免疫抑制类的肿瘤微环境,他为什么要借这个介入免疫微环境啊,因为他的研究呢,研究了免疫方向, 他做了三到四个飞格,他都研究了一些免疫的 bio mark, 他的一个相关性的分析。好,然后呢,他举了两个例子,所以说呢,我们的引言,你不但要有论点,你要插入论句,那你论句当中的这些 study 去找他的一个话题,他的研究的主主要的核心内容是什么呢?就是你的论点,因此呢,你明确你的论点哦,我要演我当前要 陈述的话题呢,就是免疫相关的一个微环境,那你就去解锁这个免疫相关微环境这一个 topic 所对应的一些案例就 ok 了,尤其呢,你还要联合前面的安类代谢去解锁,就更能够围绕着你的核心思想内容。 好,接着呢,他就给出了一个研究结论哈,啊,是这个氨类的合成呢,与这个肿瘤的一个生长和免疫治疗啊密切相关,是不是紧紧围绕着我们当前的研究主题啊? 还有最后一段,我们知道引言的写作,它是一个分总的结构,那么在前面的介绍当中呢,需要把我们的研究对象一一都引入进来,并且是丝滑的引入。 那么首先呢,我们引入了研究的疾病,引入了安类的代谢,同时呢,还有我们研究的机制,免疫相关也做了一个介绍。那么最后的分组的总结阶段,就告诉我们的本研究要使用怎样怎样的方法, 比如说啊,钙 a 单细胞,以及积极学习的分析,然后最终去研究了一个肝癌,肝癌的一个疾病,这是我们的一个研究目的,也是主要研究内容。 好之后呢,如果你要去看他用了哪些公共数据集呢,就在这个 data 啊, sources 好, 如果他用了哪一些 online 数据库呢,你都可以在方法学当中进行掌握。那么比如说他获得的这个 啊,某某安类 related gene signature, 他 用到的就是这个大名鼎鼎的 gene cards, 还有这个 m c d b 哈, data base, 那么它使用的 cut off 域值呢,在这里也能够找得到。所以说呢,我们通过剖析模板文章,可以很好地去掌握它的一个研究套路。接着呢,就是 r 升信分析的一些经典套路了,这里师姐又要强调了,师姐的升信班呢,要 要开暑期的升信班了,这一些经典的分析呢,全部都会涉及的到,那其中这篇文章呢,就是我们要学习的套路之一,也就是免疫相关的一个研究的经典套路, 感兴趣的呢,可以滴滴试记哈,我们来看。首先呢,它做的是 i 跟 i 旁的一个差异分析,分析出来了八百四,八百一十四个基因,那其中呢,有六十五个差异分析的哈, 然后呢,将 samples 分 了两个组, cluster 一 跟 cluster 二。然后呢,针对这两个组呢,又做了一个生存分析哈, survival analysis, 这是它的一个图一图一的呢,比如说说是差异基因分析,然后呢,哎,做了这个 clustering, 做了一个哎生存曲线的分析。然后呢,做的单细胞分析,单细胞的 w, g, c, n, a, 并且对于最为相关的模块呢,又做了一个差异分析。 到这里大家是不觉得又绕回来了差异分析,所以说生性分析是不断迭代啊,不断层次,像套娃一样套来套去的,我先是根据着某一个 k 等于二这样一个域值呢,分 cluster 一 跟 cluster 二,接着呢,我又拿到了一个 数据集, w, g, c, n a 的 一个 genesize, 我 再取一个交集,我是不就能得到一个核心的差异基因?好,接着我再去做这个机器学习的分析。那么机器学习用来构建, 哎,构建这个机器学习的是不是又有核心基因?好,那比如说我们这个模块分析, w, g, c, n, 拿到模块分析,又拿与前面的差异基因分析,分析完之后得到的核心基因,我再去分这个,这个,呃,机器学习的分析又得到了一个关键基因啊。所以 啊,所谓的生性的套路,大家看不懂的原因是什么?哎,是觉得,是不是觉得啊,他总是套路性的分析特别的多呀,其实就是串联的去找核心基因,然后通过对核心基因分为高低 评分组,高低风险组,然后再继续啊,重复做一套什么呀?欸,差异分析啊, go kgg 功能分析啊,细胞之间的 cell, cell interaction 分 析啊,好,所以说分析都是这一串哈,只是你去 share 这一些个 data, 这个 gene sets 的 方法不一样。 然后呢,就不断地进行这个,比如说高低风险。分完组了,我在拿到了核心基因之后,我对基因作为高低表达组,我再重新分析一轮,它就又来了两到三个图啊,我再叠加一个单细胞分析,又来了两到三个图,我再叠加一个, 我再叠加一个。免疫金融的分析,又出来三个图啊,生信的多图就是怎么出来了?好,接着我们来看,他又做了一个免疫分析啊,这是经典的免疫出图,师姐都会教哈。好,接着我们来看,这就是说的啊,到,又到了差异分析了, 好,他的差异分析哈,他是做的什么?哎,两个氨类代谢的亚组,在前面分了 class 一 以及 class 二,然后又发现了两千多个差异基因, 然后来了一轮 k 根勾 e, g, g 以及 g s, e a 的 分析。这什么哎,普通的报表 i a 分 析,你分完组了,我们再来一轮啊, 再来一轮普通的分析,我们一会儿,哎,现在是什么? an 类的 cluster 一 以及 cluster 二。一会儿,哎,我们再做一个基因啊,这个找到了核心基因,对基因的表达进行评分,又分了一个,哎,基因评分高的以及基因评分低的。 好,接着我们再用机器学习去筛核心基因,然后再把基因分为高表达组,以低表达组。我们再走一遍 k, g, g, go, g, s, e, n 分 析,明白了吗?所以说啊,像套娃一样,只要你不断地去找核心基因, 那么筛核心基因的方法呢?其实是有很多的,那么我们来看这篇文章,它都是如何去筛的?比如说到这里,它的三十三个基因是怎么筛出来的?三十三个基因,看来这都是经典的分析出处哈, 但是呢,它就上了单细胞的分析了,单细胞又得上三个图了,它呢?啊,这个通过这个降维菌类呢,发现了十三个 cluster, 哎,看到没有,又开始分 cluster 了。然后呢, find allmarks 这个 function 啊,这样一个分析呢,哎,去分析得到了三十三个安类所, 这个相关的,密切相关的这个核心基因看到了吗?它是如何去筛核心基因的哈,如何去筛核心基因的? 无非是通过一些关键的方法删完核心基因。然后呢,通用的分析, g s e a 分 析, w g c n a 分 析啊, g s e a 分 析呢,它其实可以分析出来一些核心的通路和分子, w g c n a 分 析呢,它可以圈基因,所以说呢,我们的分析就是不断叠加的一个套路,什么哎,一个是圈基因, 一个就是哎,分为两个组,高和低啊,高风险,低风险,高表达,低评分,低评分。然后呢,再走普通的套路型分析,勾 k g g g 来一轮。 好,我们来看,接着呢,它又通过这样,它呢?哎,通过 w g c n a 呢,发现这个颜色的这个模块哈,也就是这个模块啊,它呢,它这个模块呢,代表了一个 genesys, 它里面呢,有多个基因,它说这个模块呢,与这个氨类哈,氨类它的评分呢,是最相关的,因此,它是不是又圈了一波基因呢? 好,这个时候他圈到了多少基因呢?啊,这个时候我们还看不到啊,但是他确实是圈,又圈到了一组基因。好了啊,好,接着看到了,圈完基因就要分为高低组了,这个回分的是什么?哎, 高,这个叫做,这个是一个安类,这个评分哈,它高安类评分,高平分组与以及低平分组。哎,所以说,圈完基因就分高低组,分完高低组之后进行功能分析,来了差异基因, go 分 析, cox 回归分析,是不?又来了,这就是师姐所说的圈完基因,普通的分析走一遍。 好,接着我们来看经典的哎, machine learning 哈,机器学习分析就来了,使用了一零一种机器学习分析哎,师姐也是讲的哈,最终筛到了九个核心基因,好,然后进行的是啊,生存分析哈,然后临床病例学课程的分析哈,这是精机器学习的经典分析。然后呢,分为高低组,去看它的一个预,这个 prognoses 哈,它的这个预后,那么跟它的预后相关,就就切入到了临床意义的点,就扣题了,那么这篇文章的研究意义是不是就上升了呀?好,不要小看这种临床病例分析哈,这是临床病例的一个出土哈, 好,接着是哎,这个机器学习的一个评分哈, roc 跟 aoc 哈,然后呢,它使用了一个外部验证啊,当然了,它使用的都是公共数据级哈,比如说测试级和外部验证级哈,都是公共的数据,去看这个模型去构建的是如何的哈, 好,接着呢,又来了单细胞分析,分析的是关键,这个机器学习,它也是圈基因哈,圈了九个最关键的基因,然后呢,这是交互作用的分析哈, interaction, cell cell, interaction, 也叫 cell cell communication 的 这样的一个分析哈,又出来了两个图, 好,接着呢,又是一组临床病例分析啊,包括的临床病例特征,包括 the gender stasis 啊,这个分期分级 hpv stage, 还有这个血管性斑。 好,所以说,师姐说了,圈完基因哎,功能分析,那么临床病例分析也是功能分析的一种好,大家把这个套路给提炼出来,就能够看得懂身心的文章。好,这个,这个 gsea 以及 gsea 呢,能够帮助我们去圈什么呀? pathway, 当我们圈出来了 pass 位之后,他大家就能想到了我们的什么施实验分析,我们的施实验呢,就是深入到了机制层面的分析,那我们的机制无非就是一些个通路嘛,所以说 gsa 和 gsa 可以 帮助我们去哎铆定通路,这样的话我们的研究就够深,哎,我们的机制是不就出来了?好,这就是一个机制的分析。 同时呢,他又分了高低组去看育后是吧?哎,你圈完了基因之后,一定要把这个高低哎从重新去分高低高低平分,哎,高低风险,临床的高低风险,还有基因的高低表达对不对?好,高低之后呢,然后再去看一圈,哎,临床意义以及勾 k g g 的 分析啊, 这个是它的这个哎,这个 c, 这个 c c n v, 这个,呃,单核苷酸脱变的一个情况啊,以及基因的一个脱变情况, c n v 啊, c n v 分 析,呃,有这个数据的你就可以上,没有这个数据的你就上不了。 好,接着是免疫金融分析一系列的评分啊,这都是免疫的一些个分析哈,包括这一些啊,也都是免疫的分析,还有免疫相关,这个 g s e g s e a 啊,分析又是什么?免疫相关的 pass 位,它重点给你圈出来也是免疫的分析,所以说还是 g s e a 的 分析啊,大家会发现分析的方法就是那么几种,几种, go k e g g s e a w g c n a, 然后还有一个一些临床病例特征。好,这是什么啊?有一些免疫的评分是通过公共的 database 出来的啊, tie the score analysis 哈, 然后呢,最后他收尾呢,做了一个呃,药物敏感的分析啊,药物敏感的分析呢?是通过公共数据库去做的啊,然后呢?他还做了什么呢? i c a 五零,哈,去看这个,呃,这个, 呃,这个风险评分,哈,做的是风险评分,然后接着去看哈这个药物的反应是通过公共数据库去做的啊, 然后呢?最后呢?他做了一个什么呢?啊?就是这关键的核心九个基因,他在癌与癌旁的一个表达的分析哈,癌与癌旁呢,都用的是 online 的 一些个数据,以及 这个 cell line, 我 们知道这个细胞细胞系它的一个表达情况,去看癌跟癌旁,你要么去看癌跟癌旁,要么去看正常的 normal cell line 以及这个癌症的 cell line, 然后呢去看它的一个表达的差异分析啊,发现了怎么样?癌旁怎么样与这个正常的组相比呢?在肿瘤当中是一个低表达的 好。整个的思路呢?大家看到啊,做了十六个飞格,但其实大家现在已经掌握到了生信的核心精华,它的核心的思路就是什么?圈基因功能分析,再圈基因再功能分析,你包括了免疫,算不算是一种机制和功能分析啊?算 好你,你包括的扎这个药物反应以及敏感性分析,他也算是一种功能分析,他是在筛选核心九个基因之后的分析,所以说我们在圈基因的时候是由一个大范围逐渐向小范围过度,然后伴随着啊,伴随着什么?你的功能分析的一个套路哈,迭代的一个套路和层次的分析。 好,今天的分享呢,是以这一篇套路性的,非常经典的值得学习的模板文章给大家做了一个分析,希望大家能有所收获。
