作为科研者，如果你到现在还不知道
生物信息学
，那真的太out了，生信有多火？
拿最有名的数据库TCGA（
Cancer Genome Atlas
）来说，
目前已经收录了来自1万多例病人的33种癌症的数据，2.5PB的数据量。
在pubmed中随便搜一个TCGA，就可以发现近年来相关文献发表量在成指数级增长。
这其中，一部分是利用TCGA数据库发表的纯生信文章，比如
2018年4月
发表在Cell上的一篇
“
Comprehensive Characterization
of Cancer Driver Genes and Mutations
”。
也有很多利用TCGA数据库的图片给文章增色的，
比如
2019年3月4，耶鲁大学
陈列平
教授团队在
Nature Medicine
上发表题为
Siglec-15 as an immune suppressor and potential target for normalization cancer immunotherapy
的文章，里面就利用TCGA数据库分析了Siglec-15 和T cell signature genes (CD3E, IFNG, GZMA and GZMB) 在膀胱癌中的关系。
而这些都不需要额外的湿实验，大大提高了临床医生的科研效率。这也是生信之所以火的原因了。
但你可能要问，如果不会R语言，不会代码，怎么利用利用生信来提高科研效率呢？
或许参加过好几千一次的培训班，但结果就是，课堂上什么都会，一回去自己弄马上就被各种
报错
打败，自学视频，同样是困难重重。
科研界一直需要一个功能强大，不需要代码，可视化分析工具。
科研者之家（Home for Researchers）
上有一个生信零代码版块：
已经有数十种分析模块，整合了
TCGA,GEO，Target，ICGC，CCL
E五大公共数据库的样本数据，
可以直接拿来用
。
平台是由几个临床医生联合生信大拿一起搭建，界面极其简介。
比如在TCGA模块，
界面极其简介，左侧栏是TCGA上所有33种肿瘤类型，之后第二期会纳入非肿瘤的疾病。
顶部是各种分析模块。
首页特别注明了，所有数据均由R v4.0.3分析完成, 意思就是说在平台上分析的结果和拿R语言敲代码分析的结果是完全一样的，这就太爽了。
别看界面简单，该平台功能极其强大，比如想分析下
“某个
基因在肺腺癌里EGFR突变和野生型病人中表达水平和预后差异”就轻而易举。
平台有极其强大的样本筛选功能，可以对样本进行除了
临床信息，治疗信息
的进一步筛选外，比如可以根据某一个基因是否突变筛选，某一个基因的表达量水平进行筛选，比如近年来火热的
肺腺癌EGFR野生型伴PDL-1低表达
相关研究，就完全没问题了。
这也是目前已知所有第三方网站无法实现的。
样本筛选表
样本筛选好后，就可以选择需要的功能模块进一步分析啦。
单样本分析，
顾名思义就是针对某一个样本的分析，里面的工具目前包括了
临床信息比较，批量生存分析，基因与生存，基因与TMB/MSI，桑基图，两基因相关性。
而多样本分析，
就是针对某几个样本之间差异的比较，目前包括以下工具：
多组生存，基因表达比较，miRNA比较，突变比较，
免疫评分，免疫检查点
，甚至
铁死亡，m6A
。
在复杂分析里，
集成了以下耳熟能详的分析模块，比如
亚组分型，
基因突变景观，
差异基因分析，
预后模型(列线图)，预后模型(Signature)
，
泛癌分析。
然后，在
思维导图和视频教程
里，180师兄和911师兄讲解了如何使用“十字研究法”，交叉运用单样本和多样本工具，让课题设计思如泉涌。
这些分析如果让公司去做，估计要
几百上千甚至上万
了，而这个平台鼠标点击几下，就可以生成所有的
高清矢量图
，更重要的是还有对应的
原始数据下载
，这个相当重要。
不仅如此，平台还针对每一个分析结果，给出了对应
图例，方法学，结果的中英文对照
，和参考文献，这个对我们写文章也很重要。
从课题设计，工具使用，再到零代码，一键分析，原始数据下载，再到论文写作，
不得不说，这个由一群医生创建的生信平台，实在是太懂广大科研gou了。
有木有一种相见恨晚的赶脚呢？
