不管是自测还是公共数据库，测序等组学数据是大家手头上最容易拿到的数据。
先前大家通过生信分析可以批量水文章，现在组学数据和生信分析的意义正在发生改变，更重要的价值是如何从组学数据中发掘出“亮点”。
但是，组学数据的特点是又多又杂，
组学数据的解读和梳理、判断就是第一步，而后续的工作才是如何基于组学数据讲好故事。
今天我就来抛砖引玉分享一下，
当拿到组学数据的时候，如何从千头万绪的结果中挑选到线头并把故事讲好，步骤大致分为四步
：
1
质控判断：从数据质量、样本、分组等整体情况看结果是否可信和可靠。
比如常见的
2
组
3
样本（
3vs3
）细胞的
RNA
测序结果，如果没有特殊情况下，
组内差异（
比如三个
Con
对照、三个药物组之
间）一般小于组间差异的（药物组
vs Con
），这一点可以从样本
PCA
聚类等结果看出来
，如果三个
Con
之间的差异要比组间差异还大，
下一步筛选差异基因的时候用
P
值
<0.05
大概率很难筛选到很多差异基因（
P
值太大不符合
<0.05
的情况）。
当然，
与均一性比较好的细胞相比，临床样本的异质性要大很多，特别是样本量比较大的情况下，出现离群样本很正常，这才是临床真实的情况，
那离群样本如何处理呢？
有的团队做法是舍弃这个样本，让数据看起来更好；有的则保留这个样本，但在讨论中说明可能的原因。
总体来说，这个步骤是质控步骤，也是后续分析的基石。
另外一个例子就是单细胞
RNA-Seq
分析完成后需要看整个
UMAP
（或者
TSNE
）是否“干净”，如果在
Cluster
周围有很多散点、分叉等，后续分析得到的结论有时候会似是而非，所以很多团队会在质控这一步骤不断调整，直到
Cluster
清楚干净。
这一步非常重要，需要先排除样本弄反、分组弄错、样本收集储存等过程的问题，然后才是对数据进行分析和解读。
2
结论判断：初步看一下结果是否大致符合预期。
我们在看数据之前可以先思考一下：
我关注的这个基因、药物或者疾病，如果差异基因、功能富集分析的通路和生物学过程出来后，我期待看到什么结果？
这个怎么判断呢？有两个参考：
a
是数据库和文献中关于基因、药物或者疾病的报道
，比如
A
基因可能与细胞周期有关，那大致可以预期看到
A
基因沉默后的差异基因和通路与细胞周期有关；
b.
是前期开展的功能实验
，比如我们看到
A
基因沉默后细胞凋亡比较明显，那总要看到一些跟凋亡或者细胞死亡有关的通路吧。如果我们看到这个基因
A
在沉默后有对应的基因、通路富集（活化或者抑制），就可以在文章里面说明：
如我们预期的（
As expected
）
, RNA-Seq
测序（或者其它组学结果）显示
A
基因沉默后导致了细胞周期（或者凋亡）通路或者基因的富集和改变，这与先前……的报道一致（或者与我们功能实验的结果一致，一般是
Consistent with
……）。
当然，另外一种情况就是：
结果越看越奇怪
。
比如本来实验是
A
基因沉默（并且用
qPCR
和
WB
验证过了）的细胞做的测序，怎么这个沉默组里面
A
基因表达比对照组还高表达呢，
A
本来是促进细胞死亡的，怎么
A
沉默后细胞死亡有关的通路活性都升高了，是不是分组弄反了？！
另外，
怎么这个数据呈现出来的差异基因和通路，与我关注的疾病没什么关系啊？
明明做的是炎症和损伤的疾病，怎么连细胞因子都没差异啊？差异的基因跟疾病的病理特点都对不上啊？
这个时候就要核实一下是不是分组、数据弄反了，或者样本的问题了。
3
思考和查询：哪些结果是“超出预期”的？
第三步是在第二步的基础上进一步看数据：
除了符合预期的结果外，哪些是没有想到的？
就像文章里面经常出现的词：
Surprisingly, Notably
……，我们发现……。看到这里我们就知道要引出文章的重要创新点了。
而对大家来说，
这个步骤就是我们创新点真正开始的地方：从数据分析引出主要发现
。比如
我们发现某个药物处理细胞后，除了符合预期的细胞铁死亡、细胞周期改变外，富集最显著的居然是调控细胞骨架的通路
，假如我们的知识背景是细胞骨架只与细胞运动有关，就会认为是新发现；当然查文献或者看到推文（
这个“平平无奇”的信号通路，居然能与这三个顶级热点联系起来，你上车了没？
）后，就会想到双硫死亡，这样药物作用就有了创新点：
药物不仅影响细胞铁死亡，还能通过调控细胞骨架诱导双硫死亡
。
当然，有个观念很重要：
做研究和讲故事的顺序和逻辑是不同的
。做研究探索的时候，
先有初步假设，然后做关键实验
（我们可以理解为实验检查点：通过几个关键实验初步判断假设是否成立），
再根据关键实验调整假说，先把大框架完成
（也就整个工作量的
30%
），
最后再差缺补漏补充更多实验数据
；而讲故事的时候，则基本拿到完整数据了，需要考虑的是：
研究的亮点是什么？怎么把数据和结论包装好，让编辑和审稿人更感兴趣？
回到上面整个问题，超出预期的发现可能会有很多：
不过不用都列出来，一般一篇文章里面考虑
2-3
个新发现就够了，之所以考虑
2-3
个点是因为不能保证
1
个新发现就能验证出来；当然你可以挑选
9
个新发现，然后通过进一步分析再筛选到
5
、
6
个，最后再做实验验证，最后写成几篇文章就行了。
需要说明的是：
这里
2-3
个“新发现”需要结合文献报道来确认
；另外，大家还是需要对
KEGG
通路等要有一些基本的了解，实在不行就挨个查文献，这里确实需要对信号转导、通路和生物学过程有一些背景知识。
4
基于新发现的进一步分析和验证。
完成了第三步，相当于从一团乱麻中梳理出来几个“线头（新发现）”，下面其实也分两步：
a)
分析层面的进一步验证；
b)
实验层面的验证。
分析层面的验证其实
不仅是用更多的数据集支持这个结论，还包括搞清楚新发现的大致情况
，比如到底有多少基因发生了改变，其中最重要的基因是什么，以及
A
