对高通量数据非常失望# Biology - 生物学
d*i
1 楼
熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
但是最近要去别的地方onsite面试，steamer可以方便携带
不知道是不是酒店都提供衣服的熨烫服务？
希望过来人提供点意见，这样我好参考选择，谢谢大家。
但是最近要去别的地方onsite面试，steamer可以方便携带
不知道是不是酒店都提供衣服的熨烫服务？
希望过来人提供点意见，这样我好参考选择，谢谢大家。
b*g
2 楼
儿子女儿一个幼儿园, 儿子班一韩国女孩过生日,在外面办的那种,邀请哥俩同去. 韩国
女孩妈妈明确说不需要买礼物,意思是不想她女儿spoiled.
可是我们一家四口去又吃又喝又玩的,两手空空,实在不好意思.
要不我不买玩具, 买点学习用品啥的?
女孩妈妈明确说不需要买礼物,意思是不想她女儿spoiled.
可是我们一家四口去又吃又喝又玩的,两手空空,实在不好意思.
要不我不买玩具, 买点学习用品啥的?
T*i
3 楼
这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
“High throughput, low input, no output”。真心是garbage in, garbage out，一
堆大忽悠。
数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
“High throughput, low input, no output”。真心是garbage in, garbage out，一
堆大忽悠。
x*g
4 楼
真讲究
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
b*s
5 楼
gift card 放生日卡里面,
【在 b*******g 的大作中提到】
: 儿子女儿一个幼儿园, 儿子班一韩国女孩过生日,在外面办的那种,邀请哥俩同去. 韩国
: 女孩妈妈明确说不需要买礼物,意思是不想她女儿spoiled.
: 可是我们一家四口去又吃又喝又玩的,两手空空,实在不好意思.
: 要不我不买玩具, 买点学习用品啥的?
【在 b*******g 的大作中提到】
: 儿子女儿一个幼儿园, 儿子班一韩国女孩过生日,在外面办的那种,邀请哥俩同去. 韩国
: 女孩妈妈明确说不需要买礼物,意思是不想她女儿spoiled.
: 可是我们一家四口去又吃又喝又玩的,两手空空,实在不好意思.
: 要不我不买玩具, 买点学习用品啥的?
s*y
6 楼
从另外一个角度来说，cook数据的可能性小，更客观，当然前提是操作没有失误，设计
没有问题。很多生物千老或者未来千老对原理不是很透彻或者说根本一知半解，无法按
照自己要求出结果。像跑胶，blot还有confocal这些基本上都被玩坏了，需要啥样的东
西，整一个进去太容易了，整不进去P进去。保守点估计一半以上的所谓的低通量数据，
都是千老们朝着老板画饼的期望值“努力”的结果。都懂滴
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
没有问题。很多生物千老或者未来千老对原理不是很透彻或者说根本一知半解，无法按
照自己要求出结果。像跑胶，blot还有confocal这些基本上都被玩坏了，需要啥样的东
西，整一个进去太容易了，整不进去P进去。保守点估计一半以上的所谓的低通量数据，
都是千老们朝着老板画饼的期望值“努力”的结果。都懂滴
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
B*g
7 楼
一共才几块钱呀，都买了
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
w*t
8 楼
哎呀，这个问题我也想问
作为主人，我也想主动提出生日爬梯不用带礼物
可是，这样会不会反而给客人带来麻烦啊？人家还真不好意思2手空空，咋办呢？
反而送钱啦？我觉得更不好意思了
作为主人，我也想主动提出生日爬梯不用带礼物
可是，这样会不会反而给客人带来麻烦啊？人家还真不好意思2手空空，咋办呢？
反而送钱啦？我觉得更不好意思了
T*i
9 楼
但没什么意义啊。比如Affinity-MS结果中经常见到表达量很高的蛋白如细胞骨架蛋白
，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
没什么用。低通量结果，有用的结果还高些。
据，
【在 s******y 的大作中提到】
: 从另外一个角度来说，cook数据的可能性小，更客观，当然前提是操作没有失误，设计
: 没有问题。很多生物千老或者未来千老对原理不是很透彻或者说根本一知半解，无法按
: 照自己要求出结果。像跑胶，blot还有confocal这些基本上都被玩坏了，需要啥样的东
: 西，整一个进去太容易了，整不进去P进去。保守点估计一半以上的所谓的低通量数据，
: 都是千老们朝着老板画饼的期望值“努力”的结果。都懂滴
:
: BioGrid
，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
没什么用。低通量结果，有用的结果还高些。
据，
【在 s******y 的大作中提到】
: 从另外一个角度来说，cook数据的可能性小，更客观，当然前提是操作没有失误，设计
: 没有问题。很多生物千老或者未来千老对原理不是很透彻或者说根本一知半解，无法按
: 照自己要求出结果。像跑胶，blot还有confocal这些基本上都被玩坏了，需要啥样的东
: 西，整一个进去太容易了，整不进去P进去。保守点估计一半以上的所谓的低通量数据，
: 都是千老们朝着老板画饼的期望值“努力”的结果。都懂滴
:
: BioGrid
l*a
10 楼
旅馆基本上应该有
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
【在 d********i 的大作中提到】
: 熨斗的效果应该会比较好，而且比较喜欢使用熨斗的感觉
: 但是最近要去别的地方onsite面试，steamer可以方便携带
: 不知道是不是酒店都提供衣服的熨烫服务？
: 希望过来人提供点意见，这样我好参考选择，谢谢大家。
j*e
11 楼
送本书？
j*u
12 楼
还真敢说……
你所说的问题大部分是实验设计和对照的问题。低通量一样有。
高通量时代确实是数据更客观了。你看一个人吹得天幻乱坠一翻原始data就可以笑笑走
开了。不用浪费自己的青春进去
【在 T****i 的大作中提到】
: 但没什么意义啊。比如Affinity-MS结果中经常见到表达量很高的蛋白如细胞骨架蛋白
: ，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
: RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
: 没什么用。低通量结果，有用的结果还高些。
:
: 据，
你所说的问题大部分是实验设计和对照的问题。低通量一样有。
高通量时代确实是数据更客观了。你看一个人吹得天幻乱坠一翻原始data就可以笑笑走
开了。不用浪费自己的青春进去
【在 T****i 的大作中提到】
: 但没什么意义啊。比如Affinity-MS结果中经常见到表达量很高的蛋白如细胞骨架蛋白
: ，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
: RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
: 没什么用。低通量结果，有用的结果还高些。
:
: 据，
m*a
13 楼
唉，我也有这种问题。老二快三岁了，想个她在家办个简易party，但我实在是不想客
人们带礼物了，我家老大五岁的生日礼物一个都还没拆，还在车库里。家里还有好几个
大的玩具也没拆包，娃都顾不上玩。
人们带礼物了，我家老大五岁的生日礼物一个都还没拆，还在车库里。家里还有好几个
大的玩具也没拆包，娃都顾不上玩。
s*y
14 楼
如果没有意义，前面我说了，在实验设计合理操作正确的前提下，说明这个研究本来就
没有意思。低通量不过是人为cook而已
【在 T****i 的大作中提到】
: 但没什么意义啊。比如Affinity-MS结果中经常见到表达量很高的蛋白如细胞骨架蛋白
: ，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
: RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
: 没什么用。低通量结果，有用的结果还高些。
:
: 据，
没有意思。低通量不过是人为cook而已
【在 T****i 的大作中提到】
: 但没什么意义啊。比如Affinity-MS结果中经常见到表达量很高的蛋白如细胞骨架蛋白
: ，motor 蛋白等，基本都是假的。用的buffer也决定了能得到什么，得不到什么。至于
: RNAseq, microarray结果，有多少是secondary effect？我敢说90%以上的高通量结果
: 没什么用。低通量结果，有用的结果还高些。
:
: 据，
M*e
15 楼
我参加过的no gift please的party最后大家都带礼物了。
我看到的有：
让donate较新的鞋，然后donate给一个给贫困孩子的组织
让donate给一个组织，以孩子名义买chicken flocks, lamb, etc. 发给非洲穷人，他
们小鸡娃的时候再送给其他穷人，让他们能自食其力。
邀请上写，我家某某正在攥钱去某某地方旅游或买他的一大件物品，所以cash
appreciated...
【在 m*******a 的大作中提到】
: 唉，我也有这种问题。老二快三岁了，想个她在家办个简易party，但我实在是不想客
: 人们带礼物了，我家老大五岁的生日礼物一个都还没拆，还在车库里。家里还有好几个
: 大的玩具也没拆包，娃都顾不上玩。
我看到的有：
让donate较新的鞋，然后donate给一个给贫困孩子的组织
让donate给一个组织，以孩子名义买chicken flocks, lamb, etc. 发给非洲穷人，他
们小鸡娃的时候再送给其他穷人，让他们能自食其力。
邀请上写，我家某某正在攥钱去某某地方旅游或买他的一大件物品，所以cash
appreciated...
【在 m*******a 的大作中提到】
: 唉，我也有这种问题。老二快三岁了，想个她在家办个简易party，但我实在是不想客
: 人们带礼物了，我家老大五岁的生日礼物一个都还没拆，还在车库里。家里还有好几个
: 大的玩具也没拆包，娃都顾不上玩。
T*i
16 楼
高通量大部分是明明知道没用，也要灌水。当然好的地方是，没用但也没害处，除了浪
费钱。低通量的造假不但没用反而有害。这我承认。
【在 s******y 的大作中提到】
: 如果没有意义，前面我说了，在实验设计合理操作正确的前提下，说明这个研究本来就
: 没有意思。低通量不过是人为cook而已
费钱。低通量的造假不但没用反而有害。这我承认。
【在 s******y 的大作中提到】
: 如果没有意义，前面我说了，在实验设计合理操作正确的前提下，说明这个研究本来就
: 没有意思。低通量不过是人为cook而已
b*g
17 楼
哇，我还是孤陋寡闻啊。明天准备书和学习用品啦。
【在 M******e 的大作中提到】
: 我参加过的no gift please的party最后大家都带礼物了。
: 我看到的有：
: 让donate较新的鞋，然后donate给一个给贫困孩子的组织
: 让donate给一个组织，以孩子名义买chicken flocks, lamb, etc. 发给非洲穷人，他
: 们小鸡娃的时候再送给其他穷人，让他们能自食其力。
: 邀请上写，我家某某正在攥钱去某某地方旅游或买他的一大件物品，所以cash
: appreciated...
【在 M******e 的大作中提到】
: 我参加过的no gift please的party最后大家都带礼物了。
: 我看到的有：
: 让donate较新的鞋，然后donate给一个给贫困孩子的组织
: 让donate给一个组织，以孩子名义买chicken flocks, lamb, etc. 发给非洲穷人，他
: 们小鸡娃的时候再送给其他穷人，让他们能自食其力。
: 邀请上写，我家某某正在攥钱去某某地方旅游或买他的一大件物品，所以cash
: appreciated...
K*4
18 楼
同感，现在学术界喜欢fanciness,比如那些network，大数据，还有systems biology，
说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
尤甚！
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
尤甚！
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
j*u
19 楼
做学术的人自古就喜欢fancy的东西，要不然就去工业界了。
后半句么，也真敢说
【在 K**4 的大作中提到】
: 同感，现在学术界喜欢fanciness,比如那些network，大数据，还有systems biology，
: 说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
: 尤甚！
:
: BioGrid
后半句么，也真敢说
【在 K**4 的大作中提到】
: 同感，现在学术界喜欢fanciness,比如那些network，大数据，还有systems biology，
: 说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
: 尤甚！
:
: BioGrid
K*4
20 楼
做学术是追求自然界的公理，不是fanciness。
看了太多烂文章，也自然敢说。
举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
【在 j*******u 的大作中提到】
: 做学术的人自古就喜欢fancy的东西，要不然就去工业界了。
: 后半句么，也真敢说
看了太多烂文章，也自然敢说。
举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
【在 j*******u 的大作中提到】
: 做学术的人自古就喜欢fancy的东西，要不然就去工业界了。
: 后半句么，也真敢说
s*j
21 楼
你知道是错得就行了, 人家也没害到你.
何必呢.
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
何必呢.
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
j*g
22 楼
能不能发来看看？私信也行，想学习！
谢谢
[在 Ka84 (无) 的大作中提到：]
:做学术是追求自然界的公理，不是fanciness。
:看了太多烂文章，也自然敢说。
:举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
:称可以比blast更有效用于protein functional annotation。这个本身就是不可能的
，因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证
明方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
:enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连
个enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
谢谢
[在 Ka84 (无) 的大作中提到：]
:做学术是追求自然界的公理，不是fanciness。
:看了太多烂文章，也自然敢说。
:举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
:称可以比blast更有效用于protein functional annotation。这个本身就是不可能的
，因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证
明方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
:enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连
个enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
e*o
23 楼
天资有点落伍了啊
哪个方法都有浑水摸鱼的
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
哪个方法都有浑水摸鱼的
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
n*7
24 楼
发上来看看吧
network就是个信仰
很多文章就是为了这个信仰硬掰出来的
这个我也是敢说的 哈哈
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
network就是个信仰
很多文章就是为了这个信仰硬掰出来的
这个我也是敢说的 哈哈
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
a*p
25 楼
生物最大的悲哀是它的逻辑推理是建立在人为创造的那些术语上的， 有些术语是有物
理基础的，还有很多没有啥现实基础，这个学科一半是科学一半是宗教。
理基础的，还有很多没有啥现实基础，这个学科一半是科学一半是宗教。
m*n
26 楼
systems biology is garbage.
HTS 大部分没用；
【在 K**4 的大作中提到】
: 同感，现在学术界喜欢fanciness,比如那些network，大数据，还有systems biology，
: 说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
: 尤甚！
:
: BioGrid
HTS 大部分没用；
【在 K**4 的大作中提到】
: 同感，现在学术界喜欢fanciness,比如那些network，大数据，还有systems biology，
: 说的一个比一个好听，出来的结果都是已知的，新的东西基本上为零，尤其CNS发表的
: 尤甚！
:
: BioGrid
K*4
27 楼
没有想到这么多人感兴趣：
http://www.ncbi.nlm.nih.gov/pubmed/25126794
Supergenomic network compression and the discovery of EXP1 as a glutathione
transferase inhibited by artesunate.
【在 n******7 的大作中提到】
: 发上来看看吧
: network就是个信仰
: 很多文章就是为了这个信仰硬掰出来的
: 这个我也是敢说的 哈哈
http://www.ncbi.nlm.nih.gov/pubmed/25126794
Supergenomic network compression and the discovery of EXP1 as a glutathione
transferase inhibited by artesunate.
【在 n******7 的大作中提到】
: 发上来看看吧
: network就是个信仰
: 很多文章就是为了这个信仰硬掰出来的
: 这个我也是敢说的 哈哈
T*i
28 楼
难怪Cell的IF越来越低了。
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
【在 K**4 的大作中提到】
: 做学术是追求自然界的公理，不是fanciness。
: 看了太多烂文章，也自然敢说。
: 举个例子，前些天看了一个cell的文章，它提出用network的方法挖掘GO数据，并且号
: 称可以比blast更有效用于protein functional annotation。这个本身就是不可能的，
: 因为GO的注释本省就有很多错误，挖掘内部结构怎么可能预测功能信息？当然为了证明
: 方法的可行性，文章给了一个function-unknown的protein，用他的方法预测是个什么
: enzyme，还提供了实验证明。可是仔细一看根本就是错误的，实际上是个膜蛋白，连个
: enzyme的活性位点都没有。如果感兴趣，我回去发上来大家看看。
i*y
29 楼
还是看什么类型的高通量吧。我以前实验室里发展了一个高通量的东西，出来的hits供
整个实验室吃了5年，包括三篇CNS, 一篇dev cell, 一篇nature cel bio.而且基本上
都是讲机制的。
整个实验室吃了5年，包括三篇CNS, 一篇dev cell, 一篇nature cel bio.而且基本上
都是讲机制的。
s*a
30 楼
好，我看了这篇文章。酶反应的数据都有。你说没有活性点位，证据在哪儿？
glutathione
【在 K**4 的大作中提到】
: 没有想到这么多人感兴趣：
: http://www.ncbi.nlm.nih.gov/pubmed/25126794
: Supergenomic network compression and the discovery of EXP1 as a glutathione
: transferase inhibited by artesunate.
glutathione
【在 K**4 的大作中提到】
: 没有想到这么多人感兴趣：
: http://www.ncbi.nlm.nih.gov/pubmed/25126794
: Supergenomic network compression and the discovery of EXP1 as a glutathione
: transferase inhibited by artesunate.
s*a
31 楼
Yep.
Many people would choose a Corolla over a STI, because they don't know how
to drive.
【在 i********y 的大作中提到】
: 还是看什么类型的高通量吧。我以前实验室里发展了一个高通量的东西，出来的hits供
: 整个实验室吃了5年，包括三篇CNS, 一篇dev cell, 一篇nature cel bio.而且基本上
: 都是讲机制的。
Many people would choose a Corolla over a STI, because they don't know how
to drive.
【在 i********y 的大作中提到】
: 还是看什么类型的高通量吧。我以前实验室里发展了一个高通量的东西，出来的hits供
: 整个实验室吃了5年，包括三篇CNS, 一篇dev cell, 一篇nature cel bio.而且基本上
: 都是讲机制的。
r*t
32 楼
哈哈，同感
【在 a********p 的大作中提到】
: 生物最大的悲哀是它的逻辑推理是建立在人为创造的那些术语上的， 有些术语是有物
: 理基础的，还有很多没有啥现实基础，这个学科一半是科学一半是宗教。
【在 a********p 的大作中提到】
: 生物最大的悲哀是它的逻辑推理是建立在人为创造的那些术语上的， 有些术语是有物
: 理基础的，还有很多没有啥现实基础，这个学科一半是科学一半是宗教。
i*y
33 楼
不过siRNA的筛选真的不是一般人做的，而且最可恶的是很多老板经常喜欢让新学生做
这个东西。真心搞不懂。
这个东西。真心搞不懂。
x*u
34 楼
高通量方法研究分几种：
1. 根据自己关注，设计高通量实验，分析数据，然后mining生物学机制，
2. 完全用public发表的高通量数据，
3. 1，2 的混合，
根据我的经验，第一，三种是非常靠谱的。经常会有大量的novel信息出来，而且一时
半会根本做不完。
比如，我参与的一个leukima的项目，我们这边lab自己产生microarray的数据，和药厂
合作研究compound的resistant，然后我们设计方法跟CMap里面的数据进行比较，效果
是非常好的。
第二种就不好说了，public的数据往往产生条件不同，差异性大，而且质量良莠不齐，
对工具的操作，以及知识面要求很高。如果没有很好的生物信息学traning以及经验，
基本可以等同于一堆垃圾。
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
1. 根据自己关注，设计高通量实验，分析数据，然后mining生物学机制，
2. 完全用public发表的高通量数据，
3. 1，2 的混合，
根据我的经验，第一，三种是非常靠谱的。经常会有大量的novel信息出来，而且一时
半会根本做不完。
比如，我参与的一个leukima的项目，我们这边lab自己产生microarray的数据，和药厂
合作研究compound的resistant，然后我们设计方法跟CMap里面的数据进行比较，效果
是非常好的。
第二种就不好说了，public的数据往往产生条件不同，差异性大，而且质量良莠不齐，
对工具的操作，以及知识面要求很高。如果没有很好的生物信息学traning以及经验，
基本可以等同于一堆垃圾。
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
D*a
35 楼
对于像我这样wet lab的人，真看不懂那一堆蜘蛛网一样的图。在我看来，它就是在说
：我们这可是高上大的研究，你相信就是了。
：我们这可是高上大的研究，你相信就是了。
g*0
36 楼
It is better to describe what you have done in little bit more details.
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
BioGrid
【在 T****i 的大作中提到】
: 这么多年几个项目，想看看高通量数据能提供什么启发，基本上都没用。甚至高通量的
: 数据都不能包括一些已知低通量数据。这里的高通量数据类型有RNAseq, microarray，
: Affinity purification-MS等等，有自己的数据，更多的是网上的数据库，如BioGrid
: 。只有要看的蛋白是转录因子的情况下还意义。绝大多数时候，看着那么多机器生成的
: 毫无实际意义的regulation network，让我想起一次听Sidney Brenner的讲座他说的，
: “High throughput, low input, no output”。真心是garbage in, garbage out，一
: 堆大忽悠。
相关阅读