boonie是什么意思翻译成中文

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。