[自然科学] 你见过的最强的本科生科研有多强？

天天财汇购物网址万年历小说 | 三峰软件小游戏视频

TxT小说阅读器
↓小说语音阅读,小说下载↓

一键清除系统垃圾
↓轻轻一点,清除系统垃圾↓

图片批量下载器
↓批量下载图片,美女图库↓

图片自动播放器
↓图片自动播放,产品展示↓

首页淘股吧股票涨跌实时统计涨停板选股股票入门股票书籍股票问答分时图选股跌停板选股 K线图选股成交量选股 [平安银行]

股市论谈均线选股趋势线选股筹码理论波浪理论缠论 MACD指标 KDJ指标 BOLL指标 RSI指标炒股基础知识炒股故事

商业财经科技知识汽车百科工程技术自然科学家居生活设计艺术财经视频游戏--

天天财汇 -> 自然科学 -> 你见过的最强的本科生科研有多强？ -> 正文阅读

[自然科学]你见过的最强的本科生科研有多强？

[收藏本文] 【下载本文】

你见过的最强的本科生科研有多强？
关注问题?写回答
[img_log]
自然科学
科研
大学专业
本科生
科研热点
你见过的最强的本科生科研有多强？

神奇的

毫无疑问，中南大学刘路。
本科期间证明了西塔潘猜想，直升教授。

我研一，合作组里面一个大佬，我一直以为是我的前辈师兄，结果是清华大一。

Knizhnik-Zamolodchikov方程[1]应该算是本科科研成果，至少这个题目应该是本科开始做的。这是二维共形场论中的重要结果，在数学物理中影响深远，目前已有1500+引用。
[2]Dima Knizhnik appeared in our community like a meteor. In the fall of 1983 he approached me and asked me to help him with some problem. He was at his last year at the Moscow Institute for Physics and Technology. At that time Weigman and I found the Bethe-Ansatz solution to the Wess-Zumino-Novikov-Witten model. Although we got some anomalous dimensions, the solution was clumsy and I was planning to get by studying "current blocks", analogous to the conformal blocks of Virasoro algebra. So I asked Dima to analyze these "current blocks," thinking to put them together to form minimal models of current algebra etc. So, I thought that if he was really good, then in half a year he will (with my help) compute the spectrum of anomalous dimensions.
Instead, Dima appeared with the answer for this spectrum in two weeks. He did not follow my conservative suggestions; instead, he invented Sugawara energy momentum tensors and solved the problem. My first reaction was very subdued — I thought he was wrong and told him so. But Dima was a very self-confident man — and, also, he was right. So in a couple of days I gave up. He proceeded in a collaboration with Zamolodchicov to investigate the problem and finally they transformed a brilliant guess into a beautiful and complete theory.
After that incident, I always believed in his guesses. That was the way he worked — he got the right answers out of nowhere. After that followed a period of finding proofs. He was incredibly fast both in solving problems and in learning new physics and mathematics. It has been very obvious to everybody that in the close future he was going to become a superstar. His death is a tragedy for the entire physics community, and it has certainly delayed developments of physics.
After his death I received his notes. The last entry was just a day before. He was fascinated by the connection of gauge fields and gravity in two dimensions; he was obviously moving ahead very fast, working very hard and was very happy (judging by his exclamation marks after an especially nice formula).参考^V. Knizhnik & A. Zamolodchikov, Current algebra and Wess-Zumino model in two dimensions, Nucl. Phys. B 247: 83-103 (1984).^A. Polyakov, Foreword, in L. Brink, D. Friedan & A. Polyakov (eds.), Physics and Mathematics of Strings: Memorial Volume for Vadim Knizhnik, Word Scientific, 1990.

目前没见过，但之前有过几个北大清华的本科生暑期来实验室做科研，一开始以为捡到宝，结果来两天后再不出现。到申请季拿着推荐信请我签字，目的性相当明确。

到现在为止，我也带过十来个本科生了。你要说有谁一进课题组就是满配：基本掌握学科知识，具备了很高的科学素养，知道很多的实验技术及应用——这确实是从未见到过的，很多人即使在课题组混了一两年，也难已达到。
但是有些本科生，经过一定的训练之后，真的可以达到超强水平：对自己课题的思路如数家珍，对设计实验验证想要了解的问题信手拈来，对失败的实验数据有自己的思考和改进方案，面对他人的质疑可以条理清晰的进行反驳和回答，写出条理清晰的结果分析。他们倒是没有直接发出多么厉害的论文，但是这也只是积累的时间不够充分，发文章是早晚的问题而已。
据我观察，他们或多或少都有如下特点：
一、绝不犯错两次
其实本科生进组之后，都是会先跟着做一段时间实验，熟悉了一些实验原理步骤，明白某个实验本身的意义之后，才会再开始做自己的实验设计。
做实验时，把实验步骤记熟，这只是最基本的要求了。但其实就算你记不住所有的步骤，你能把实验记录本放在旁边，哪怕看一步走一步，你的实验也不会做的很差。
但是关键是，很多人不会有这样的习惯。他们似乎对自己有着盲目的自信，哪怕已经督促他把实验记录本放在旁边，他遇到问题也不会想着去翻翻笔记，要不就冥思苦想，要不就一脸迷茫的望着我，在接下来的实验中各种花样犯错，而且很多错已经提醒过不止一回。
那些学习能力强的学生，当你给他指出过一次错误，他就绝对不会会再犯第二次。甚至很多时候，都会把我惊到：“你竟然第二次就毫无失误的做到了！”
不要小看这样的能力。许多人就算做了10遍WB（一个步骤很多、全都是细节的实验），还是会出现这样那样的问题。而像这种学习能力很强的学生，只需要带他做一遍，就可以放心的放手。这感觉，太爽了！
二、带着思考做事
很多学生就是觉得他们自己只是小白，于是进组之后，说什么他们就做什么，但从来不去思考，为什么需要我做这一步？
所以他们永远只会停留在听指挥这一步，而我完全无法放心他们自己操作。
带着思考做事的同学，可能会在实验之前就把步骤要去或者自己对照网络上的资料整理一份方案。把每一步与上下步骤的逻辑联系，也思考得十分清晰。在我带着他学习实验操作的时候，他全程有目的的在学习，有疑问、有解答，方得成长。
这样的学生，永远比其他人更早一步。
三、自我学习力
我见过一个对生物信息学非常感兴趣的学生。他通过对照网络的教程自学，掌握了这门技术的基础。
其实在真正懂行的人面前，他的能力还比较一般，但这样一门技术，已经足以让他在所有的同期学生中鹤立鸡群了。
实验室教给你的永远只是有限的东西，师兄师姐实验压力大，没法化身课堂上兢兢业业的老师，为你事无巨细的讲述某一个实验的前世今生。想要更有目标的成长，需要课余付出更多的精力，去查漏补缺、自我提升。
四、超强执行力和积极性
我见过执行力最强的学生，导师给他的一份报告指出了一处错误，他立马就能去修改。这个立马的前提是，他那时有课，不在电脑边。而他竟然逃课去改一个不那么着急的报告……我不建议这样做。但是这个家伙对科研的付出，这种把课题当成自己最重要的事情的态度，让我十分佩服。
其实组内大部分本科小朋友，只有在叫他们来做实验的时候才能在实验室看到他们。其实这已经很不错了，有些人就算你叫他，他也有各种事情、各种理由不过来，或者即使来了，也带着一种比较抗拒的情绪。这其实没有必要呀，如果你这么不情愿，我们彼此放过不就好了，对不对。
我见过最积极主动的小朋友，直接把实验休息室当成了自习室，下课就直奔这里，在这边看书。师兄师姐一旦开始做实验了，他就在旁边静静的看着，有需要他就搭把手。师兄师姐也乐于多跟他说两句实验的事情，混脸熟之后，他之后自己做实验也会更方便。
好啦，大概就想到那么多，好像还有一些跑题，我并没有着重写某一个科研能力非常强的本科生，而是能力强的本科生在我这里的印象，如果你还有具体的想要了解的内容，欢迎评论区留言。
看着这些可爱的本科小朋友，会被他们积极进取的心态所感染，觉得自己一定要更加的优秀，才配给他们做前辈。就算是没有那么积极的小朋友，也有几个瞬间会让我想起曾经的自己，不由自主就会露出笑容。
总之，非常欢迎大家进入实验室。祝愿本科的你，就能在实验室收获到自己的快乐和成就。
==========

不是见过，是听说。当年石墨烯火的时候，有个本科生带着一群博士研究生发了10篇论文，学校打算把他往“百优”上培养，可是国家取消了。好几年过去了，这都是鼓励本科生科研的案例。

我在MILA内部的一次conference上偶遇过一个神仙，本科毕业的时候就有1000+ citations了，此君在本科时期完成过多项知名工作，包括LoRa的一作，LoRa是nlp领域这两年最有影响力的工作之一
这是他的personal page
Home
现在他应该是在Bengio手底下读博一，想必博士期间能做出更好的工作

刘路，本科期间证明了西塔潘猜想，直接留校教授。

这个问题我觉得我好像有资格写。
我PhD的同学，隔壁实验室的小伙伴，现在Berkeley化学系的助理教授，Jonathan Rittle（我们一般尊称他为JR）。
本科两篇Science，一篇一作一篇二作。
当然，这还是他开挂科研履历的开始。
号称本科毕业觉得这个方向自己不太感兴趣，于是PhD换了个方向，也做得很好，还发了Nature，然后毕业也拿了优秀毕业生奖（Caltech CCE）。
然后博后又换了个方向。
然后据说博后第二年本来觉得申请教职为时过早，但是Berkeley给他打了个电话邀请他申请，于是就一共申请了两所学校，最后去了Berkeley。
人超级nice，超级smart，我有限次数的和他的交谈都觉得他是个真·神人。
我在MIT，Caltech以及Princeton见过无数号称很NB的本科生，在我看来也都不过如此。但是JR毫无疑问是真·大神。

一个概率比较高的事情：
可能真正有科研素质的本科生会被忽悠的去打各种竞赛，然后拿一大堆高含金量奖，然后毕业直接进大厂签卖身契，赚大钱。
而有一些目的性很明确的人，会主动寻找专门搞科研的大牛导师，然后成为混子，最后混些大创，论文，专利，然后保研的时候再找大牛要一份推荐信，目的是为了进好的学校好的组，然后到时候凭借title进大厂签卖身契，赚大钱。
还有一些真正励志献身科研事业的同学，拒绝了奖学金与就业的诱惑，专心辅助牛导搞研究，做实验，最终产出高含金量论文，以及有实际用处的前人没干过的事情。然而因为光忙着推动人类进步了，忘了绩点和保研政策了，于是最终只能遗憾考个本校研究生（擅长科研不代表擅长考试），然后被自己具备目的性的本科学弟学妹抱大腿，继续被榨取剩余价值，最终被拖累的只能凭借自己的经历，找个大厂，签卖身契，赚大钱。
这样看来，每个人最终的结果也不能说烂。但是可以肯定，如果一直这样的话，科研事业肯定是烂了。
那么我见过的最强的本科生科研有多么强呢？
可以自己用一年时间，搞出来一个SCI一区一作。
毕竟本科生还有乱七八糟的考试之类的，而且没有系统性的学习过怎么科研。能达到这个地步，已经算是极其优秀了。

沃尔夫冈·泡利
这位大哥被称为上帝之鞭，因为他的物理实力和天赋在整个20世纪都是极为炸裂的，1905年爱因斯坦提出狭义相对论，1916年爱因斯坦提出广义相对论，当时据说这玩意全球只有三个人才能看懂，足以见得相对论有多高深。
而泡利1918年，也就是他18岁的时候，他读大一，同时他在另外一个大学读硕士研究生研一，偶然间看到了相对论，然后他读了爱因斯坦写的3000个字之后，整合了326页的读本，当时他的老师索末菲看到了之后，惊叹的感到：这可能是我见过的，对相对论最诠释的讲义。
而泡利的相对论讲义，从写出到现在依旧是学习相对论的经典教材。

这里仅提及我认识的。
首先安利一个AI方向的大佬Jiayuan Mao，博士入学前已经发了很多篇Oral，甚至还有ACL Best Paper提名。而且！非常和善完全没有架子，交谈时给人感觉如沐春风。
Jiayuan Mao?jiayuanm.com/
再说说本科的一个同学，Jinjin Gu，他本科属于那种基本不上课专心科研的，很有自己的研究见解，现在博一citation已经快2000了。
Jinjin Gu | Home?www.jasongt.com/

高斯，本科一年级（19岁）理论证明可以尺规作出正十七边形，然后给出具体解法。这个是我在数学书中见过的，也是我印象中所有本科生里面科研最强的。当时正好读高中，好像高斯是用了一个通宵解决问题，以至于我今天还有一种向往，可以在西欧哥特式的城堡塔楼里挑灯搞科研。

顶级人类本科生自有其他回答述说，我也是多在网上看到这种大神，但在我现实的接触范围内并没有这么强的人。所以我稍微偏一点题，或者说发散一下，讲一下本科生科研中的门槛，以及我接触的普遍意义上的本科生科研样本
首先，本科生要出科研成果，会遇到以下一些门槛：
1.科研意识。本科生各方面生活丰富，成绩、娱乐、社团、竞赛、大创等等，相当于荒原中找方向，何其茫然。很多人或因为未来定位不明，或沉迷于其他活动，或优先级搞错，或动力不足，并没有进到正经的科研角色中。等到大四有所领悟的时候为时晚矣，已经忙着做毕业课题了。而在毕业课题中有所得的更是少数。我就是倒在了这第一个门槛上
2.系统的科研训练。本科生大多数还是接受专业的基础教育，而对科研思维、论文范式、基础背景知识、语言功底、主题方向等有所缺乏。但是，好学校中花功夫学习的好学生其实能够达到基础的功底，不过终究不是多数
3.个人化的科研积累，包括文献阅读、方法探索等。本科生的这种积累往往很薄弱，积累曲线还在缓慢增长期，学习能力也较弱。一般积累到了某个点才会突然“开窍”，学习能力指数增长，而大多数人历程中这个点往往在后面的硕博期间。因此本科生也就很难出好的成果，但其实不太影响出一般成果。但本科生的理想化认知又可能存在高追求，从而判定自己还没达到出成果的地步，从而继续花时间进行积累
4.足够的资源，包括教师指导、实验安排、署名话事权等等。实验室的导师往往有硕博的学生，资源会优先分配给他们，也轮不到本科生。更有老师擅长忽悠本科生来打工做苦力，出了成果最多给个靠后的挂名，就这已经让本科生趋之若鹜，因为论文挂名在竞争中已经有足够的竞争优势，没必要再往上看。再加上科研意识和主动性不足，本科生在一个课题中的定位自然很难占主导。“硕博喝汤，本科吃渣”，这就是普遍的生态定位
5.时间安排。前面也说了本科生生活丰富，尤其课程就占用了大量的时间，本科生一般很难有决心将课外时间全部投入科研，也就造成了参与的不足
一般来说，本科生出科研成果要么有亲戚引路，要么自身科研意识较强，进入实验室后也遇到了较好的机遇，还有极少数通过搜集信息，做了严谨的科研规划从而一步一步达成目的，信息差降维打击普通本科生
接下来就说一下我所见所闻中的本科生科研情况
首先是基本信息，985学校，生物相关，学院氛围不是很卷，硕士也较少出文章，一般能出2区文章就可以拿到国奖，博士一篇2区即可毕业，大约三分之一博士不能按时毕业，剩下一半的博士毕业时也就将将达到一篇2区的要求，有1区就可以参与国奖竞争
1.本科的时候我是我实验室里同届三个中，负责的小老师认为最拉的一个。另外两个从大二开始就来做实验，那时候实验室青黄不接，高年级博士都在国外，没有低年级硕博，只有小老师一个，于是他们两个扛下了实验的主力，最终一个二作x2，一个二作x1，三作x2相继以中等成绩的基础分拿到了学校奖学金。后来他们一个跳槽去了别的实验室，一个出了国，我保研拿了实验室唯一的硕士名额，后来反而成为实验室骨干之一，不过这是后话了。
至于我，大二的时候因为一个课程去了个微生物的实验室然后打算留下待着，没什么技术含量，一个研究生带我，就让我翻译一篇文献，我翻译完就没再理我了，我也懒得去实验室，就没了。不过这个实验室老师同时期忽悠了一批本科生过来打工，不乏一些脸熟的品学兼优的学霸。
大三的时候才进的现在的实验室，也是经常摸鱼，每天傍晚才去实验室待一会回来，重心还在课程、娱乐和竞赛。其实上面同届的三篇文章最后一篇的实验我是参与不少的，不过那个时候实验室署名比现在要严格一些，把我丢致谢去了。真正跟科研成果扯的上边的是大四做毕设的时候，小老师丢了不少乱七八糟的数据让我整合成论文，我学了一天vb编了个格式整理了一下，后来他拿去用帮了不少，给我挂了个三作，不过发表的时候我都研二了。最后毕设也没用上这个数据，因为我觉得整合不起来给丢了
2.我同一届的本科生中，有三个成绩跟其他人断档的学霸。这三个人一个直奔经济学不提，有一个毕设开发了个数据平台，与发表的标准差不太多了，后面我查了查，只给她挂了三作；另一个多留校一年，以第一作者发表了一篇5分1区，很难说她新交的研究生学霸男朋友有没有至关重要的作用，但也已经是极难得的成就，应该能代表普遍意义上学院一届本科生的最高成就。第二档次的学生应该也有一些挂名，或者发表小期刊，但并没有类似上面那篇文章的宣传。另外有一位科研型学霸，成绩不算顶尖，但科研素养得到一众老师认可，他在本科发表的文章为0，一切产出都在出国后开始爆发
后来听闻有几个实验室喜欢忽悠本科生来打工，有不少第二档次学霸的署名就是在那几个实验室赚的（我本科时候消息真不灵通啊，老师都不认得）。只是那几个实验室在硕博口碑中要么压榨严重，只对本科生显得温柔，要么方向前途渺茫，不过刚刚适合本科生的需求而已
3.实验室的一位师姐留下了一个传奇，就是本科以一作发表文章，然而，她的这篇文章在研一才接收，而且是一篇4区
4.听闻某届有本科生发表一篇影响因子10+那一档次的文章，而且还在准备第二篇。不论第二篇，能发第一篇这种应该在几届才会出现一个，这种文章在博士拿国奖应该也是十拿九稳的
5.22届一个拿了三年国奖的本科生，她的申奖材料也只有两篇三作，甚至和我师弟（有两篇挂名）拉不开差距，最后靠国奖经历决定胜负
6.新开了一个相关专业，招聘了不少新老师，也就是没有硕博亲儿子，比起老专业对本科生来说是很好的机遇了。他们第一届学生临近毕业，我调查了他们的情况。
稳坐第一，保研北大的女生没有sci署名；其他前排人员有一两个有靠后的挂名，还有一两个最后一年有出文章的趋势；我所知道目前最好的一个是跟做生信的老师，独立负责课题，产出也快，最后给了她一个三作，也足够让成绩一般的她斩获数个奖学金
而进入实验室的一个保研的师妹，成绩中上，目前还没有成果，但我认为她是这届学生里本科毕业时成果最好的有力竞争者之一。一是因为大创的缘故我带了她一段时间，我将自己长期积累的经验以及部分资源拼命喂她，而她吃下一部分经验之后已经能满足实验室的不少需求，受到小老师青睐，从而深度参与研究。甚至我已经让她练手撰写过两篇sci，目前投稿中，现在在独立负责一篇sci的后期产出，打算给她个共一，还有需求导致参与的其他实验室的课题可能有挂名。二是，她因为机缘巧合在前期还深度参与过另外两个实验室的研究，包括一篇共一或二作，一篇三作，在投稿中。这里面应该不乏2区以上的文章
但如果真要说她是什么科研奇才，其实说不上，我甚至觉得她并不算完全开窍，有很多时候把握不住方向，不知道自己在做什么；而且数理基础比较弱，限制了部分发展方向。只不过在专业基础知识技能过关，机遇较好，加上资源堆砌下，比其他本科生多走几步罢了。真要说有什么突出特质的话，就是她执行力比较强，读文献效率挺高，那些不知道方向的事情也会直接进行饱和式打击，总之不输量，后期只要帮她删改提高质就行了

就说身边的吧，坐标某帝都985，导师带的本科生，大二发了一篇行业顶刊，现在大四快毕业，两篇顶刊录用，一篇在审，大四毕业成果足够博士毕业。由于没法去美帝，现在去清华读研了。
导师算是行业大牛，而且很年轻，深耕一线，国内外知名，经常说你们连个本科生都不如。

更新:隔了一个月，lvmin这次应该因为controlnet一炮走红了。
说起nb的本科生就不得不提lvmin zhang。在斯坦福phd入学之前发出来的文章，我记得的就有2tog，2cvpr，2eccv，1iccv，1acpr
确实他做的方向很小众，但是大致看一下这些论文，就会发现草灰蛇线，埋伏千里。自始至终都是围绕着同一个topic在做，且不断地接近目标。

北京大学信科图灵班本科生吴克文获得计算机科学理论顶会STOC 2020年最佳论文奖。

姚班三位本科生范致远、李嘉图、杨天祺合作发理论计算机顶会STOC best paper。
理论计算机顶会比机器学习、人工智能顶会含金量高多了。本科生能中一篇的都是牛人，拿best paper简直就是...

说说认识的人里边，感觉他是自己见过最厉害的。
本科毕业直接去纽卡斯尔大学读博士，三年博士毕业，牛津大学博士后到华为2012实验室，然后到华中科技大学当老师。
认识他之后我才知道，原来可以不读硕士，直接读博士。
以下引自华中科技大学官网：
本科阶段即发表七篇学术论文，毕业后在全额奖学金的资助下跳级到英国Newcastle University(QS世界排名120-150)攻读博士学位，期间曾到剑桥大学交流学习，三年完成博士课题后拿到剑桥大学、帝国理工和牛津大学的博后offer。牛津大学博后结束后回国到华为2012实验室工作，负责产线生产质量前沿检测技术研发。于2020.12月加入华中科技大学。现研究方向为深度学习、机器视觉和计算成像等，理论研究与实践并重，主要应用于无损检测/监测、模式识别及医疗图像处理等领域。发表30余篇学术论文，Wiley学术著作《Wireless Sensor Systems for Extreme Environments》以整章的版面特邀发表其研究成果。其中SCI 20余篇，一作约10篇。参与欧盟H2020-EU (€370,000), EPSRC (￡1,175,282 + ￡2,274,251)等重大课题研究。

教育部报道的链接：
西南大学唐朝清：从农民工子弟到国家公派海外直博 - 中华人民共和国教育部政府门户网站?www.moe.gov.cn/jyb_xwfb/xw_zt/moe_357/jyzt_2016nztzl/2016_zt14/16zt14_yxszxs/201608/t20160815_275014.html

见过很多医学本科生一年发3篇生信SCI根本不是事。
只有发过生信的人才知道生信有多香，有多快乐！毕业、求职、申请国自然哪个地方不能拿出来用一用？！话不多说，直接上干货，照着学就对了！至于外面的指导有没有用还要看你个人如何利用~
这篇超全攻略分为三大部分：
第一部分：我先来说说生信学习的重要性
第二部分：现在有什么不做实验就能发SCI的方向？
第三部分：确定方向后，怎么利用生信分析的套路【3-6个月】发一篇生信SCI呢？
如果没时间看完下面的攻略，建议码住这节直播课，效果更佳！
3-6月投出1篇生信SCI-直播课?qr23.cn/E6NV7J
一、为什么说生信是医生做科研的成败点？
▌大家想一想，为什么生信研究近几年这么火？
因为搞科研这个活儿，难度系数实在是太高了。
如果选择做基础科研，你最起码需要有实验室的一间实验台，需要有科研经费采买各种试剂和瓶瓶罐罐，需要花时间养老鼠，养细胞，基因鉴定，细胞转染，跑 WB，PCR、流式等各种实验，还要自己解决报税、申请伦理、标本收集等各方面的问题。
实验一做起来，时间和经费上都是个巨大的无底洞。
毫不夸张的说，有的运气不好的小伙伴，光造动物模型这个事就干了两年多。没办法，模型不成功，后面表达和下游信号通路探索都进行不下去。
但是基础科研也是后续申请省市级课题的基础，该做还得做，绕不过去，但是作为一穷二白冷启动期，确实只能远观不能亵渎。
如果选择做临床科研，要么自己科室本身就有大量的患者随访数据，要么靠挖公共的临床数据库的资源。在早年间，Meta分析很火，很多医生都赶上了这波红利，汇总一些文章，从不同的角度出发，一年发十几二十篇文章的都大有人在。
但是因为风头太盛，而且题目里必有“meta”的字眼，后面meta分析不能作为很多高校的职称晋升和拿学位的标准了，Meta的热度就下来了。
但是临床研究水平也是临床医生必不可少的技能点。有多少临床课题，有没有高水平的临床文章，也反映了临床医生的江湖地位。
毕竟，如果有一篇改写指南的代表作，那在你的小圈子里肯定算得上是巨佬级别的人物了。
▌为什么最近生信这么火呢？
第一个原因，是时代的红利
什么是红利呢？官方的说法是：红利是对客观存在的市场规律，对洞察力的奖励。
随着常规的测序成本下来，稍微有点经费就能做测序，发个2-3分的文章绰绰有余；另外，测序又不断有新的测序类型和产品不断涌现，而且高端玩家也能钛金新技术，做第一个用该技术在本领域内的文章，就可以发到高影响力的期刊上；
如果没有科研经费，或者没有测序样本怎么办呢？公共数据库存储了越来越多的测序数据，或者很多高分测序文章都提供了测序样本的补充材料，可以免费供研究者挖掘；
二次数据挖掘的数据库，以及市面上各种生信教程，降低了学习门槛。
可以说，无论你是贫穷还是富有，无论你是小白还是大咖，生信可以高效的满足你科研连续文章产出的需求。
第二个原因，是生信的百搭性和实用性
在老板随手扔给你一个课题方向的时候，你想过如何拆解这个课题，变成一个具有可行性的执行方案吗？
首先分子怎么来？是看文献一个个盲猜，还是通过自己动手用公共数据筛？接下来信号通路选哪条，表型应该靠哪个？
如果看文献来猜的话，每一个筛选步骤下来，需要调研的文献都是指数级增加。
而且你写在文章或者课题里，专家总有种你不靠谱的感觉，为什么选了这个不选哪个？
在数字化和讲究定量的科研时代，没有点生信测序结果，都有点拿不出手。无论是基础文章中的分子、机制、表型的筛选，还是和临床研究结合，用高通量数据构建临床变量的预测模型，都是很好的给科研增加论证维度的升级利器。
生信之于科研，就好像你出门后的高德导航。
另外，更务实的一点，发生信文章是目前最具有性价比的选择，具有周期短、起效快的特点。
目前生信文章在高校和医院都是被认可的，用来晋升职称和拿学位都是允许的。
雪球当年有一篇基础实验一直在投，迟迟不中，后面紧急补了个生信文章，擦着边靠生信文章毕业。
生信文章的题目还有一定的隐蔽性，有些生信文章起的题目和基础实验类似，在申请课题的时候，专家粗略一瞅，说不定也误认为是基础科研类的文章。
未来生信在生信研究中的比重肯定会越来越高，也会有越来越的科研工作者掌握生信，生信会逐渐成为医生的刚需技能。
与之相对应的，生信的发文章的门槛也会越来越高。
如果你做的是纯生信研究，会有审稿人要求你补实验，补越来越多的的实验；
如果你做的是纯基础或者临床类的研究，在投稿的时候，肯定也会有严谨的审稿人要求你做一组生信解释一下你的分子、机制、表型和临床变量怎么筛选的。
目前生信还在红利期的中后节，遇到红利最正确的应对姿势是：发现红利，吃掉红利，构建能力
趁着今年，还有一些期刊还收纯生信文章，有一些3-5分的期刊对生信的分析难度还没这么高。
还在岸上徘徊的小伙伴要抓紧入坑了。
通过红利期，积累几篇生信文章，当作科研生涯的打底；
等生信红利期过去，把生信当作自己武器库中的一个常见兵器，有机融入到你在科研中的每个环节，让生信起到为你科研探索方向出现岔路口的投石问路的探路器。
当你吃到了生信红利，就会迅速构建起属于你自己的增长飞轮。
增长飞轮的理论，最早出自于亚马逊。
贝索斯的商业哲学是通过更低的价格，更优的选择，更快的交付，推动其商业帝国的高速运转。对于我们科研工作者也是一样。
当你在没有资源，没有经费的时候，通过生信红利，有了一些文章的积累之后，会有更多的课题，能有机会申请到名校名导的研究生，获得更好的科研资源和环境，从而进一步促进科研成果的产出，形成正向循环。
在三年五年，甚至未来几十年的时间维度里，打造你自己的科研壁垒，起码做到在同行业内中上的水平。
当你回过来看的时候，你在职业生涯里转变的那一点，就有可能是当初抓住了生信的红利，发的那几篇文章开始。

不能说绝对，但是雪球相信，对很大一部分医生来说，生信能力的高低很大程度上是决定了你做科研的成败点。
如果这么性价比高的SCI科研方案都搞不定，其他费时费钱费力的基础科研，也很难做的很好。
学习能力的差距：
生信高手有哪些学习习惯？
接下来，我们聊一个最基础的话题，生信高手是怎么炼成的？
换句话说，生信核心能力成长的底层逻辑是什么？
很多人可能觉得自己在生信这件事上投入的时间和精力够多了，就是因为“笨“或者没有这块学习代码的天赋。可事实真的是这样吗？
一提到生信学习，大家总是习惯性的想到这些事情：
多看文献，多看代码，多看教程，多听多看多问多做
只要多听，多看，多问，多做，就能迅速上手生信了吗？那到底生信学习的捷径在哪里呢？
【划重点】直接说答案，生信高手的底层逻辑在于：刻意练习。

什么是刻意练习呢？
著名的心理学家埃里克森在”专业特长科学“潜心几十年，研究了一系列行业或领域中的专家任务：国际象棋大师、顶尖小提琴家、运动明星、记忆高手、拼字冠军、杰出医生等。他发现，不论在什么行业或领域，提高技能与能力的最有效方法全都遵循一系列普遍原则，他将这周通用方法命名为”刻意练习“。为此著作了这本书《刻意练习》。这本书的核心观念就总结了一句话：高手，都是练出来的。
刻意练习，是专门为了”提升能力“而设计出来的练习方法。刻意练习，有四个必须要素：套路，非舒适区、重复、反馈。
首先来说套路练习
套路就是门路，门在哪，路在哪，别人都摸索明白了，而你不知道，别人告诉你一套门路，你去学习了就能按图索骥，不进错门不走弯路，快速到达目的地。
专业人士在基础训练的时候，学的都是套路，比如围棋的定式，编程的算法，数学的公式，物理的定理，都是套路。
对于生信而言，套路主要讲课题设计。
生信的研究套路就是把生信类的文章大量拆解，拆解成各种模块化的要素，有哪些恒量有哪些变量，有哪些加加减减的排列组合，有哪些逻辑链接，掌握了这些，基本上可以完成一个生信课题的设计。
第二个关键要素：非舒适区
如果你想成长，在生信领域有所精进，需要跳出舒服的，自动做事的范畴，对标高手，不断挑战难题，才有机会成长。
在生信研究方面，比如同一类文章套路，你用零代码的方式发表过几篇文章，下一步就需要考虑研究复杂度的升级，不要老是沉迷于老套路，去追一些高分生信文章的课题设计方式和分析方法，争取发表影响因子更高的SCI文章，申请更高规格的课题。沉溺于过去的成功经验，并不能代表未来你能始终追赶上生信研究套路的新趋势。
第三个关键要素：大量重复
重复是无聊又是必须的，大量重复有利于你形成肌肉记忆的条件反射，以及对套路内核更深刻的理解。
在解螺旋生信部面试的时候，我们的技术主管总喜欢问面试者一句话，你一共写过多少行代码。这个问题的本质其实就是问代码的功底的最粗略的评估。
早年间，雪球在网上学生信的时候，也认识了几个生信大神。他们的生信入门之路都如出一辙，都是比着几本R语言书《R数据科学》《R语言实战》整本书的敲代码敲了几遍。如果想写好R语言代码，离不开对常见统计学分析、可视化图表的常见代码的反复练习。多敲R语言代码，练手感的重要性，就好像你在学习武功的时候，练习蹲马步一个道理。
第四个关键要素：反馈
你在做的过程，需要拿到反馈，告诉你下一步怎么调整。反馈就是起到教练的意义，能以旁观者的角度提供及时反馈。
不管在练习任何技能或提高能力，大部分人很容易陷入自我而不察觉。相对于球类运动、围棋，科研比较特殊，很难有专门这样的【高水平的教练】。
解螺旋正是通过大量的课程、生信讲席营，各种主题的训练营，都配有助教老师，就是为了帮助大家及时反馈。
我们希望大家用科学的方法去做科研，用更高投入产出比的正确姿势更快学好生信。
总结一下，生信高手都有个刻意练习的过程：套路、非舒适区、重复、反馈，缺一不可。
下面我就给大家介绍3个2023年不做实验发SCI的蓝海领域。
二、这三个方向，让不做实验发高分成为可能1 机器学习
仅仅去年一年，生信+机器学习的套路已经在10+SCI上发了近60篇文章！
所谓机器学习，是指利用算法来检测数据中的模式，而不需要明确的指示。一个学习系统可以利用训练数据集，学会找出输入信息（例如图片）的特征与输出信息（如标签）之间的关联。
机器学习在生信分析中的运用越来越常见，越来越重要。
比如在基因组数据方面，用深度学习检测突变逐渐成为主流方法。
比如群体基因组学领域的PRS，用于基于基因组数据预测生物性状，这就是个典型的机器学习预测问题。
比如非肿瘤研究中，可以用机器学习来评估我们诊断标志物的诊断效力。
临床预测模型、筛基因、二代测序、代谢通路、非编码RNA分析、蛋白质结构功能预测、疾病亚型分型、术后预测……机器学习在这些方面的运用已经越来越多见了。
2 空间转录组
想做单细胞测序，就不要放过空间转录组。
简单来讲，空间转录组是既能够保留组织空间位置信息又能够获得不同组织空间位点转录信息的一种技术，以10x Genomics Visium技术为例，它融合了组织病理学、基因芯片、高通量测序、生物成像技术。
空间转录组测序技术目前蓬勃发展，在现有的高通量检测技术领域，它已为科学研究的发展提供了前所未有的技术支撑。
那么，为什么要把空间转录组和单细胞结合？
我们都知道单细胞测序是大腿。但是它其缺憾，那就是无法检测到空间信息，因为单细胞测序技术在将实体组织解离成单个细胞的过程中，不可避免地丢失了空间信息。空间转录组则可以提供空间位置信息，完美补偿这一点。
但是目前来看，空间转录组并没有做到完全的单细胞，其每一个spot大概会有1-10个细胞左右，所以并不是完全的“单细胞”。
因此，当我们通过算法把单细胞的精度和空间转录组联合运用起来时，我们就拥有了一个双剑合璧的完美上分利器！
这俩加起来有多牛呢？
可以说，空间转录组绝对属于新的测序技术的新宠，2021年有160篇文章发表！
其中，Cell、Nature、Science也不乏空间转录组+单细胞的身影，54+Nature子刊，40+Cell，13+可复制生信高分模板……
如果说单细胞的福利是在前两年，那么当下的福利就理所应到的在空间转录组身上。buff叠起来，文章发起来！你要是能染几张片子简单验证一下，那大杂志就更是认可有加了！
2 影像组学
如果只能三选一，那么影像组学绝对是今年必须抢占的发文先机。
影像组学的概念自诞生以来就在不断完善，一个比较成熟的定义是，影像组学指从CT、PET或MRI等医学影像图像中高通量地提取并分析大量高级且定量的影像学特征。
通俗地来讲，我们可以把它拆成“影像”和"组学”两个部分进行理解。
所谓“影像”，通常指放射影像，主要包括了CT、MR影像等；所谓“组学”（Omics），其实就是把与研究目标相关的所有因素综合在一起作为一个“系统”来研究。
影像组学本质上来说其实是一种分析思路方法，从临床问题出发，最后回到解决的临床问题。也正因此，在发文的时候，影像组学对实验并没有硬性要求。
所以，你会看到——
虽然不做实验，但是入门级别的影像组学都能发6分；
虽然不做实验，但是影像组学+单细胞多组学能轻松上10分；
虽然不做实验，但是生信分析加点影像组学就能发到17+……
影像组学自2016年以来一直是热点，因此发文量飙升，但规范的影像组学论文依然能发到非常好的杂志，这是因为影像组学的价值越来越被临床认可。
随着数据越来越标准，研究越来越规范，影像组学，或者影像组+人工智能在肿瘤学等领域会愈发大放异彩。如果你恰好还会一点机器学习，那在发SCI的路上可以说是神挡杀神，佛挡杀佛了。
三、如何利用生信分析的套路高效发SCI
生信数据库和分析方法并非无穷无尽，其实做基础科研，总归都逃不过这些套路框架和生信“挑圈联靠”的四字口诀。
入门阶段：单变量论证
给同学们讲课的时候，我经常强调：分子与表型之间存在因果关系，单变量论证其实就是一个【造因得果】的过程。
要论证因果，必须操作因，观察果。所谓单变量研究，就是去操作代入到恒量体系里的变量（药物或者分子），去观察表型是否变化。这种套路初级阶段能胜任3分SCI左右的水平。
*生信研究中的表型，本质上就是指特定基因的列表。表型类的生信研究套路，主要在转录组为主的测序类型为主。

选自【8天领悟5分SCI】体系课第三讲单变量研究
“表达差异（分子），有效成分（分子）”变量分为分子，药物，通路。分子分为DNA、 RNA 和蛋白；药物分为中药（复方，药团，药对，单药，活性成分）与西药（药物，有效成分）；通路包括9大信号通路。其中可以做主变量的为分子和药物。

选自【8天领悟5分SCI】体系课第三讲单变量研究2.3-5分SCI套路：二元变量论证
仅仅做单变量研究的文章还是少数，更多的文章在做变量之间的组合。有了变量的组合也就有了分子机制，有了机制，就能胜任3-5分SCI的内容产出了。
二元变量，即两个变量要素组合。二元变量的逻辑论证链一般分为以下几个步骤：主变量（A）调节表型，主变量（A）调节因变量（B），Rescue证明A调节表型依赖于B。
生信数据库预测变量与变量之间关系的来源有三种：
①基于已经发表的文献；
②基于计算机算法对药物或者分子的结构进行预测；
③基于实际体内体外实验的测量计算。

选自【8天领悟5分SCI】体系课第四讲二元变量组合
常见四种二元变量组合：
1）药物+通路：Kyoto Encyclopedia of Genes and Genomes数据库，简称KEGG数据库，网址http://www.genome.jp/kegg/pathway.html，提供了药物与通路之间相互作用的信息。在药物开发方面:包括抗感染药、抗肿瘤药、神经系统药物等相关通路；另外还包含靶向药物的相关通路。
2）药物+分子：STITCH数据库，网址http://stitch.embl.de，用于检索已知的以及被预测的化合物和蛋白质之间互作关系的平台，化合物与蛋白质之间的互作关系通过实验验证，数据库，以及文献中的研究被证实。
3）分子+通路：
DAVID数据库，用于筛选出差异基因之后的功能和通路富集分析。
Metascape数据库，网址http://metascape.org/gp/index.html ，能完成通路富集和生物过程注释，还能做基因相关的蛋白质网络分析和涉及到的药物分析。
4）分子+分子：
①STRING数据库，网址https://string-db.org/ , 适用于研究蛋白之间的相互作用网络。
② starBase数据库，网址http://starbase.sysu.edu.cn/index.php ，适用于研究miRNA target，RNA-RNA相互作用，ceRNA调控网络，以及RNA和蛋白的结合信息。
3.套路升级：二元变量+表型嵌套

选自【8天领悟5分SCI】体系课第四讲二元变量组合
想让你的SCI更高级，更有逻辑层次感，可以用上表型嵌套。简单理解就是用一种表型作为解释另外一种表型发生的原因，论证手段为Rescue策略。
目前生信分析已发表的文章中，应用两种表型嵌套的文章还比较少见，但也不是不可行。可以通过数据库或者已经发表的高分文章或者特定的R包获得表型相关基因的list，就得到了这个表型相关的基因集合。如果涉及到表型嵌套的话，那么这两个嵌套的表型的基因list取交集，不就得到了与这两个表型相关的交集基因集合，大概率这些分子会与表型嵌套有关。
4.3-5分SCI套路：三元变量论证

选自【8天领悟5分SCI】体系课第五讲三元变量组合
其实学会了二元组合，把两个二元组合组装一下不就是三元变量组合了吗？道理就是这么简单。
药物、分子、通路这三元变量进行组合，有意义的组合只有七种。
药物/分子+分子/通路+通路/分子
排列组合的原则是药物不做次，通路不做主，分子主次皆可。
通过将以上二元变量相关的数据库，两两组合，同样可以解决三元论证的问题。包括目标分子的来源问题是通过数据库或者生信分析筛出来的，药物的有效成分是通过数据库检索出来的。与其他分子的相互作用，与哪些生物学功能、通路机制相关也是通过分析预测缩小了研究范围。
5.套路升级：三元变量+表型嵌套
模块堆叠，排列组合。对复杂的因素进行拆解，是解决问题、减少焦虑的有效手段。从最简单的二元变量入手，再组合成三元变量，最后与多个表型变量相关基因list取交集基因相联系，即可完成本条逻辑线。
关于表型嵌套的部分，仍然建议大家直接学习课程，三言两语只能让你了解概念，并不能使技能为你使用。
6.5+文章必备：二元分子交互论证

选自【8天领悟5分SCI】体系课第六讲二元分子交互
RNA可以与DNA, RNA, 蛋白结合。蛋白可以与DNA, RNA, 蛋白结合。同时化合物也可以与分子相结合。
1）蛋白-DNA（即转录因子模式）
转录因子含有 DNA 结合的结构域，能识别启动子 DNA 序列的 motif，调控基因的转录，包括对编码基因mRNA 、非编码RNA（miRNA , lncRNA , circRNA）等的转录调节。
2）蛋白-蛋白
蛋白与蛋白通过形成复合物（complex）来发挥作用；或者蛋白通过直接结合效应蛋白，影响效应蛋白的功能。
3）RNA-RNA/DNA
RNA与RNA或者DNA间能够碱基互补配对来发挥作用。RNA既可以结合到DNA上，影响基因转录等功能，也可以结合到RNA上，在转录后水平影响RNA，比如miRNA对mRNA的调控等。
4）RNA-蛋白
RNA能够结合到蛋白上，影响蛋白的功能或者定位。同样，蛋白亦可以发作用于RNA，影响RNA的功能。
5）化合物-分子
化合物可以通过直接作用或者间接影响到细胞内靶分子的表达量以及功能活性。

7.分子修饰纵横嵌套
在生信中常见的分子修饰套路研究比较多的包括甲基化，拷贝数变异，可变剪切。基于这些分子修饰变化，也延伸出了不同的生信分析套路，以及配套的数据库和基于代码的分析方法。
8.三元变量一组交互
三元变量和二元交互两个模块，均可通过生信数据库/R代码分析找到合适的对应预测手段。基于药物有效成分预测靶分子，再加上靶分子预测其互作分子；基于二元交互的模块，也可以通过分子来预测富集的通路。熟稔生信套路之后，你将会发现处处皆可生信，哪哪都能预测。
9.三元变量两组交互
构建ceRNA网络，是生信研究多分子类型的分析中的必备保留项目。比较常见的分析方式是以miRNA为轴心，用多个数据库预测与之相互作用的mRNA或者lncRNA，又分别对其得到的mRNA或者lncRNA取交集，再导入Cytoscape中构建互作网络。另一种常见的生信数据库预测转录因子蛋白与DNA的交互，这一步可以与miRNA上游无缝衔接。

10.三元交互
三元变量两两相互作用，在生信数据库中可以对每个变量进行靶基因预测，两两取交集靶基因，缩小去搜寻三三变量两两成团的筛选范围。
11.可冲一区：细胞交互嵌套
单细胞一直是生信分析中的高分选手。生信中的单细胞测序技术，一次可对最高30万个单细胞进行测序，得到其中每一个细胞的各基因的表达谱信息，通过筛选质控、数据标准化分析、特征提取，降维分析、距离计算、非监督聚类、聚类展示等环节，最终可以得到不同的细胞亚群。
一般认为一个群代表一种细胞类型，而好几个小群构成一个大的细胞类型，而每一个小群代表该细胞类型的亚型。每个亚群的差异基因具有特异性，这种特异性的基因在理论上可以作为该细胞类型的marker基因，反过来，marker基因也可以作为鉴定和推断细胞类型的手段。
12.可冲一区：主变量分裂与嵌套成环
主变量分裂与嵌套成环
在生信分析中，主变量可以分裂也可以聚合。
主变量可以分裂成一个基因家族的不同分子，几个共表达或者功能相似的分子，或者不同可变剪切下的多个剪接体等。得到的这些分子在可以通过“圈”进行合并的生物学功能和通路分析，免疫浸润分析；可以通过“联”构建互作网络，临床相关性、预后分析等分析流程，比单个基因分析多了数倍工作量。
主变量聚合是通过临床预测模型分析，构建筛选出单个分子类型或者多个分子类型的gene signature，再走圈联靠的一系列分析流程。
嵌套成环，依旧是通过多元变量两两生信分析预测，最后首尾取交集的模式。
写在最后：
看完2023年还能发的生信方向，确定方向后，我又教了大家利用生信分析的套路高效发SCI，你学废了吗？靠自己到底如何3-6个月发一篇生信SCI发SCI呢？3-6个月发一篇生信SCI这是我一个小白能做到的吗？！
当然能！
如果你想发论文，但时间有限、实验条件不足；又或者工作繁忙精力不足，论文面临难产……那赶紧来看看这节解螺旋直播课！
【3-6月投出1篇生信SCI-直播课】有限时福利，针对性强、小白友好！