讨论一下，生物究竟哪个方向文章水分最多？# Biology - 生物学
m*d
1 楼
chase freedom的卡，这三个月中kohl买东西5% rewards。另外最近一周买50送10刀，
这个deal好吗？
谢谢！
这个deal好吗？
谢谢！
T*d
2 楼
2.28 RD
今天收到email
今天收到email
n*9
3 楼
癌症机理？干细胞？免疫？生信？
和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
系。
大家怎么看呢
和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
系。
大家怎么看呢
c*d
4 楼
freedom 5%应该没问题
10 kohls card for every 50肯定exclude gc
10 kohls card for every 50肯定exclude gc
f*e
5 楼
cong!!
d*m
6 楼
Longevity
这圈子不光是最水，肯定也是最假。有人和我说过他们也没办法，不做手脚根本跟不上
其他实验室的脚步。简直是烂透了已经。
这圈子不光是最水，肯定也是最假。有人和我说过他们也没办法，不做手脚根本跟不上
其他实验室的脚步。简直是烂透了已经。
m*d
7 楼
真的吗？
http://www.kohls.com/?pfx=pfx_google_roi&cid=bsolo&gclid=CNOOtP
有没有人试过啊？麻烦你看看，好像没有写啊。
【在 c*****d 的大作中提到】
: freedom 5%应该没问题
: 10 kohls card for every 50肯定exclude gc
http://www.kohls.com/?pfx=pfx_google_roi&cid=bsolo&gclid=CNOOtP
有没有人试过啊？麻烦你看看，好像没有写啊。
【在 c*****d 的大作中提到】
: freedom 5%应该没问题
: 10 kohls card for every 50肯定exclude gc
c*b
8 楼
congrats!
baozi!
baozi!
j*g
9 楼
wet说dry lab的数据不可靠，也是五十步笑百步了。把失败的实验藏起来，只把最符合
预期的图拿出来；单凭几个染色、WB、qPCR就编故事，从一个链条跨到另一个链条再夸
到下一个链条，这样的还少吗。
我觉得，基础机制都是靠谱的；根据现象编故事的，往往似是而非。
比如，H3K4me3跟激活转录有关、Cas9在gRNA的引导下切割DNA，某某蛋白的某个位点被
修饰引起降解等等，这种基本错不了（当然也不绝对），而且错了很快会被发现，比如
酸泡干细胞。
而看到某某表型，某个生物学问题、某个现象、然后编故事的，往往是胡扯：例如某某
基因突变，然后看到肿瘤，为了发文章只能编故事，这个基因target谁谁谁啦，然后引
起啥啥啥啦，然后癌症了。这种文章十篇里面有一篇能靠谱的就不错了。因为作者看到
了表型，就得编故事，想找所谓的机制，要靠查文献；首先本身文献就未必靠谱，别的
领域的潜规则作者也往往不懂，而且作者有了预期结论，有意无意地就会隐藏不利于自
己假说的数据，只关注符合预期的，最后差之毫厘谬以千里。
简单的说，hypothesis-driven research靠谱的少，或者比较适合工程领域，而
descriptive science，数据的积累最后往往带来惊喜。
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
预期的图拿出来；单凭几个染色、WB、qPCR就编故事，从一个链条跨到另一个链条再夸
到下一个链条，这样的还少吗。
我觉得，基础机制都是靠谱的；根据现象编故事的，往往似是而非。
比如，H3K4me3跟激活转录有关、Cas9在gRNA的引导下切割DNA，某某蛋白的某个位点被
修饰引起降解等等，这种基本错不了（当然也不绝对），而且错了很快会被发现，比如
酸泡干细胞。
而看到某某表型，某个生物学问题、某个现象、然后编故事的，往往是胡扯：例如某某
基因突变，然后看到肿瘤，为了发文章只能编故事，这个基因target谁谁谁啦，然后引
起啥啥啥啦，然后癌症了。这种文章十篇里面有一篇能靠谱的就不错了。因为作者看到
了表型，就得编故事，想找所谓的机制，要靠查文献；首先本身文献就未必靠谱，别的
领域的潜规则作者也往往不懂，而且作者有了预期结论，有意无意地就会隐藏不利于自
己假说的数据，只关注符合预期的，最后差之毫厘谬以千里。
简单的说，hypothesis-driven research靠谱的少，或者比较适合工程领域，而
descriptive science，数据的积累最后往往带来惊喜。
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
h*s
10 楼
Eligible customer purchases include sale-, regular- and clearance-priced
merchandise, but exclude the purchase of Gift Cards.
【在 m****d 的大作中提到】
: 真的吗？
: http://www.kohls.com/?pfx=pfx_google_roi&cid=bsolo&gclid=CNOOtP
: 有没有人试过啊？麻烦你看看，好像没有写啊。
merchandise, but exclude the purchase of Gift Cards.
【在 m****d 的大作中提到】
: 真的吗？
: http://www.kohls.com/?pfx=pfx_google_roi&cid=bsolo&gclid=CNOOtP
: 有没有人试过啊？麻烦你看看，好像没有写啊。
R*s
11 楼
Cong!
j*g
12 楼
一个最好的例子就是Cas9。
1987年日本学者发现E coli里的回文序列，90年代西班牙的Francisco Mojica通过生物
信息分析，发现更多细菌都有这种序列。法国的Alexander Bolotin猜测CRISPR位点转
录出来反义RNA来抑制噬菌体基因表达（hypothesis！被证伪）。2004年酸奶公司的科
学家把CRIPSPR转给乳酸杆菌用来抵抗噬菌体。2005年John van der Oost开始逐个研究
Cas蛋白的功能，以及Virginijus Siksnys研究清楚了机制。
随后才有了Charpentier、Doudna、Feng Zhang的应用。在之前，这些研究都是无假设
驱动的，没有人知道CRISPR是干啥的，提出的理论也往往被证伪。
所以数据的积累、描述性的研究、基础机制的研究，更靠谱；而假设，在基础知识之上
编故事，往往导致胡扯。
1987年日本学者发现E coli里的回文序列，90年代西班牙的Francisco Mojica通过生物
信息分析，发现更多细菌都有这种序列。法国的Alexander Bolotin猜测CRISPR位点转
录出来反义RNA来抑制噬菌体基因表达（hypothesis！被证伪）。2004年酸奶公司的科
学家把CRIPSPR转给乳酸杆菌用来抵抗噬菌体。2005年John van der Oost开始逐个研究
Cas蛋白的功能，以及Virginijus Siksnys研究清楚了机制。
随后才有了Charpentier、Doudna、Feng Zhang的应用。在之前，这些研究都是无假设
驱动的，没有人知道CRISPR是干啥的，提出的理论也往往被证伪。
所以数据的积累、描述性的研究、基础机制的研究，更靠谱；而假设，在基础知识之上
编故事，往往导致胡扯。
m*d
13 楼
谢谢啊，没有看清楚，呵呵。。。
【在 h****s 的大作中提到】
: Eligible customer purchases include sale-, regular- and clearance-priced
: merchandise, but exclude the purchase of Gift Cards.
【在 h****s 的大作中提到】
: Eligible customer purchases include sale-, regular- and clearance-priced
: merchandise, but exclude the purchase of Gift Cards.
g*6
14 楼
congrats. baozi:)
s*c
15 楼
难得在目前的生物版还能看到这样的好贴。我也一直是这个观点，hypothesis driven
虽然适合一些方向，但是肯定不是适用于所有的基础领域，不过现在也没办法，这么多
编故事的paper，跟NIH的政策也有关，申请R01最重要的就是hypothesis driven，仅仅
去观测一些现象的研究是绝对不可能被fund的，最容易被fund的是啥，是提出一个
hypothesis，然后结果是正是负都可以编出一个故事出来。我觉得这种非常的扯，尤其
是cancer领域的。
【在 j*********g 的大作中提到】
: 一个最好的例子就是Cas9。
: 1987年日本学者发现E coli里的回文序列，90年代西班牙的Francisco Mojica通过生物
: 信息分析，发现更多细菌都有这种序列。法国的Alexander Bolotin猜测CRISPR位点转
: 录出来反义RNA来抑制噬菌体基因表达（hypothesis！被证伪）。2004年酸奶公司的科
: 学家把CRIPSPR转给乳酸杆菌用来抵抗噬菌体。2005年John van der Oost开始逐个研究
: Cas蛋白的功能，以及Virginijus Siksnys研究清楚了机制。
: 随后才有了Charpentier、Doudna、Feng Zhang的应用。在之前，这些研究都是无假设
: 驱动的，没有人知道CRISPR是干啥的，提出的理论也往往被证伪。
: 所以数据的积累、描述性的研究、基础机制的研究，更靠谱；而假设，在基础知识之上
: 编故事，往往导致胡扯。
虽然适合一些方向，但是肯定不是适用于所有的基础领域，不过现在也没办法，这么多
编故事的paper，跟NIH的政策也有关，申请R01最重要的就是hypothesis driven，仅仅
去观测一些现象的研究是绝对不可能被fund的，最容易被fund的是啥，是提出一个
hypothesis，然后结果是正是负都可以编出一个故事出来。我觉得这种非常的扯，尤其
是cancer领域的。
【在 j*********g 的大作中提到】
: 一个最好的例子就是Cas9。
: 1987年日本学者发现E coli里的回文序列，90年代西班牙的Francisco Mojica通过生物
: 信息分析，发现更多细菌都有这种序列。法国的Alexander Bolotin猜测CRISPR位点转
: 录出来反义RNA来抑制噬菌体基因表达（hypothesis！被证伪）。2004年酸奶公司的科
: 学家把CRIPSPR转给乳酸杆菌用来抵抗噬菌体。2005年John van der Oost开始逐个研究
: Cas蛋白的功能，以及Virginijus Siksnys研究清楚了机制。
: 随后才有了Charpentier、Doudna、Feng Zhang的应用。在之前，这些研究都是无假设
: 驱动的，没有人知道CRISPR是干啥的，提出的理论也往往被证伪。
: 所以数据的积累、描述性的研究、基础机制的研究，更靠谱；而假设，在基础知识之上
: 编故事，往往导致胡扯。
c*d
16 楼
康夫，发个包子吧
E*r
17 楼
Congs!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
h*n
18 楼
基础的东西干货多一些，虽然其价值短时间内看不到。
偏应用的那些弄个现象然后炒作机理的，分子通路的，还有什么miRNA的，多数是水货
；尤其是miRNA在肿瘤的调控，真的那么神奇吗？
偏应用的那些弄个现象然后炒作机理的，分子通路的，还有什么miRNA的，多数是水货
；尤其是miRNA在肿瘤的调控，真的那么神奇吗？
m*d
19 楼
哈，你要包子啊？要多少呢？谢谢
【在 c*****d 的大作中提到】
: 康夫，发个包子吧
【在 c*****d 的大作中提到】
: 康夫，发个包子吧
c*g
20 楼
gxgx
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
d*m
21 楼
I can't type Chinese, but
how did they 证伪 their 提出的理论?
how is 理论 in your context different from hypo?
how did they 证伪 their 提出的理论?
how is 理论 in your context different from hypo?
s*a
22 楼
CONG
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
C*n
23 楼
很显然是生物信息。没有列举足够的实验验证的我一个都不信。
l*2
24 楼
GXGX!
Baozi!
Baozi!
s*y
25 楼
cancer，miRNA，NGS排名不分先后。如果这仨叠加在一起，就是七月半烧纸，糊弄鬼
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
w*s
26 楼
COng!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
S*e
27 楼
我做过cancer+miRNA, 至少我几乎是在胡鬼。我承认miRNA+肿瘤100%骗人。
【在 s******y 的大作中提到】
: cancer，miRNA，NGS排名不分先后。如果这仨叠加在一起，就是七月半烧纸，糊弄鬼
【在 s******y 的大作中提到】
: cancer，miRNA，NGS排名不分先后。如果这仨叠加在一起，就是七月半烧纸，糊弄鬼
b*t
28 楼
cong!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
c*1
29 楼
别的我不知道，但是免疫就是个垃圾桶，再怎么造假都不为过，我以前的老板就是免疫
病的大牛，她在cns上造假造得可能连她自己都误以为是真的了，为了生存我只能以她
的理论学说为依托，造造小假，糊弄糊弄鬼
病的大牛，她在cns上造假造得可能连她自己都误以为是真的了，为了生存我只能以她
的理论学说为依托，造造小假，糊弄糊弄鬼
P*e
30 楼
cong!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
w*o
31 楼
ngs哪里不靠谱了？起码我验证的RNASEQ表达是非常准确的。我觉得genome wide的数据
比qpcr wb看那么几个基因表达要靠谱很多。
: NGS好像不太靠谱。
比qpcr wb看那么几个基因表达要靠谱很多。
: NGS好像不太靠谱。
F*k
32 楼
Cong!!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
m*o
33 楼
re！本科的时候喜欢过worm里的aging，相关的innate immunity呀啥的，总之whole
organism水平的表型。后来做了一轮rotation，发现数据全凭自己良心，重复不出来都
是常态，碰上个push的老板那就想看啥就能看到啥。
我们学校有人发了一N一S，都是一作，最后还是去了XSU，而且不是PSU，OSU这种常见
的XSU，我觉得还是因为坑不好
我觉得这个领域还是指着calico这种压力小慢慢做的地方了，学术圈太穷太
competitive
【在 d********m 的大作中提到】
: Longevity
: 这圈子不光是最水，肯定也是最假。有人和我说过他们也没办法，不做手脚根本跟不上
: 其他实验室的脚步。简直是烂透了已经。
organism水平的表型。后来做了一轮rotation，发现数据全凭自己良心，重复不出来都
是常态，碰上个push的老板那就想看啥就能看到啥。
我们学校有人发了一N一S，都是一作，最后还是去了XSU，而且不是PSU，OSU这种常见
的XSU，我觉得还是因为坑不好
我觉得这个领域还是指着calico这种压力小慢慢做的地方了，学术圈太穷太
competitive
【在 d********m 的大作中提到】
: Longevity
: 这圈子不光是最水，肯定也是最假。有人和我说过他们也没办法，不做手脚根本跟不上
: 其他实验室的脚步。简直是烂透了已经。
s*e
34 楼
cong!!!
Baozi please.
Baozi please.
n*9
35 楼
我倒是觉得只要是能够论证的，水分相对少些，还有比较热的新技术，因为跟进的人多
，造假也会少一点。最烦，就是无厘头科幻小说，因为没法论证，基本上在写故事
，造假也会少一点。最烦，就是无厘头科幻小说，因为没法论证，基本上在写故事
s*e
36 楼
cong!!!
s*y
37 楼
看了这个标题让我笑死了。
这么说吧，这个取决于你如何定义“水分”
生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
章被打脸。
癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
客气一点吧。首先是检验模型本身就有大问题。那些基因敲除老鼠我就不说了，除了少
数几个血癌的模型，基本上没有几个靠谱的。就连大家都心照不宜用着的免疫缺陷老鼠
，其实并不是一个检验癌症的好模型，因为缺乏一个正常的免疫环境所以并不能真的当
作一个在体环境的测试品，在这个模型上作出来的结论只能认为是对癌症细胞的某些特
性（比方说tumorigenesis)的测试，不能直接推测其他方面。但是很多人在下结论的时
候一点都不谨慎。动不动就下一个吓死人的结论说他们克服了胰腺癌什么什么的。如果
胰腺癌那么好克服，教主（苹果的那个）就不会那么早死了。
miRNA 。。。这个怎么排也必定是水的top 2。因为这个东西本身就是一个微调的作用
，本来就不会有特别强的效果。也就是因此给某些人的行为提供了很多方便。
寿命和衰老。。。结论忒不可靠了。直接造假的倒不多（不需要），就是目前的
测试模型没有几个是robust的，基本上就是你想看到啥数据就能做出啥数据。
最后就是一群人自己做着玩。
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
这么说吧，这个取决于你如何定义“水分”
生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
章被打脸。
癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
客气一点吧。首先是检验模型本身就有大问题。那些基因敲除老鼠我就不说了，除了少
数几个血癌的模型，基本上没有几个靠谱的。就连大家都心照不宜用着的免疫缺陷老鼠
，其实并不是一个检验癌症的好模型，因为缺乏一个正常的免疫环境所以并不能真的当
作一个在体环境的测试品，在这个模型上作出来的结论只能认为是对癌症细胞的某些特
性（比方说tumorigenesis)的测试，不能直接推测其他方面。但是很多人在下结论的时
候一点都不谨慎。动不动就下一个吓死人的结论说他们克服了胰腺癌什么什么的。如果
胰腺癌那么好克服，教主（苹果的那个）就不会那么早死了。
miRNA 。。。这个怎么排也必定是水的top 2。因为这个东西本身就是一个微调的作用
，本来就不会有特别强的效果。也就是因此给某些人的行为提供了很多方便。
寿命和衰老。。。结论忒不可靠了。直接造假的倒不多（不需要），就是目前的
测试模型没有几个是robust的，基本上就是你想看到啥数据就能做出啥数据。
最后就是一群人自己做着玩。
【在 n*******9 的大作中提到】
: 癌症机理？干细胞？免疫？生信？
: 和几个朋友聊了聊，有作干细胞的认为作机理，特别是癌症机理的文章水分太多，因为
: 无法论证；也有作生物web lab的认为生物信息，虽然每天都产大量数据，但文章几乎
: 都是扯蛋，关键还是要靠作bench生物的来论证，所以wet lab 和dry lab是帅和兵的关
: 系。
: 大家怎么看呢
c*6
38 楼
cong
C*n
39 楼
NGS定义是第二代测序技术，是完全靠谱而且是历史性的突破。从NGS到RNAseq等的
quantitive analysis也是完全靠谱的。问题是大部分的生信的文章胡乱设计实验，然
后走个NGS的程序，然后出一些结论，结果结论完全经不起实验验证，也没有后续验证
来支持结论就发表。
【在 s******y 的大作中提到】
: cancer，miRNA，NGS排名不分先后。如果这仨叠加在一起，就是七月半烧纸，糊弄鬼
quantitive analysis也是完全靠谱的。问题是大部分的生信的文章胡乱设计实验，然
后走个NGS的程序，然后出一些结论，结果结论完全经不起实验验证，也没有后续验证
来支持结论就发表。
【在 s******y 的大作中提到】
: cancer，miRNA，NGS排名不分先后。如果这仨叠加在一起，就是七月半烧纸，糊弄鬼
q*2
40 楼
Cong!
O*e
41 楼
任何一个疾病的模型都有自身特有的局限性，所以真正好的研究是多模型多系统下求得
一个可靠可信的结论，癌症研究自然也不例外。
就像你说的免疫缺陷小鼠，虽然它有明显缺陷，但它用好了还是能回答很多问题的。说
到对疾病模型结果的过度阐述，现在追究起来也难说是杂志的错NIH的错还是科研人员
自己的错了--其实文章看多了，大家难道不一眼就能看出那是些八股文式的废话根本
做不得数的嘛？！
【在 s******y 的大作中提到】
: 看了这个标题让我笑死了。
: 这么说吧，这个取决于你如何定义“水分”
: 生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
: 情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
: 新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
: 干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
: developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
: 免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
: 章被打脸。
: 癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
一个可靠可信的结论，癌症研究自然也不例外。
就像你说的免疫缺陷小鼠，虽然它有明显缺陷，但它用好了还是能回答很多问题的。说
到对疾病模型结果的过度阐述，现在追究起来也难说是杂志的错NIH的错还是科研人员
自己的错了--其实文章看多了，大家难道不一眼就能看出那是些八股文式的废话根本
做不得数的嘛？！
【在 s******y 的大作中提到】
: 看了这个标题让我笑死了。
: 这么说吧，这个取决于你如何定义“水分”
: 生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
: 情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
: 新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
: 干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
: developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
: 免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
: 章被打脸。
: 癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
H*e
42 楼
cong
g*y
43 楼
Genomic signatures to guide gastric cancer chemotherapy
https://f1000research.com/posters/6-790
https://f1000research.com/posters/6-790
u*e
44 楼
gxgx
c*9
45 楼
这么看来还是structure 这块还是比较solid的
【在 s******y 的大作中提到】
: 看了这个标题让我笑死了。
: 这么说吧，这个取决于你如何定义“水分”
: 生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
: 情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
: 新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
: 干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
: developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
: 免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
: 章被打脸。
: 癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
【在 s******y 的大作中提到】
: 看了这个标题让我笑死了。
: 这么说吧，这个取决于你如何定义“水分”
: 生物信息和计算生物，造假的并不多，因为几乎不需要造假（虽然也有几个人干这种事
: 情），但是有用的文章很少。结论要么就是和bench 作出来的经典结论一致，稍微有点
: 新意的结论大部分都过不了验证的关。根本起不到理论指导实践的作用，
: 干细胞太热所以有不少人掺水，但是整个领域总体而言还是可信的，因为有
: developmental biology 那么多年的基础研究在那里摆着，不是那么容易造假。
: 免疫。。。其实不是那么水，但就是实验伪像太多，而很多人急于做结论所以经常有文
: 章被打脸。
: 癌症机理。。。我现在自己也做一点癌症机理，为了不被领域里面的人追杀，我说话就
M*m
46 楼
gxgx
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
q*0
47 楼
最靠谱的还是药物研发
M*M
48 楼
cong!沾喜气
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
C*I
49 楼
"......
简单的说，hypothesis-driven research靠谱的少，或者比较适合工程领域，而
descriptive science，数据的积累最后往往带来惊喜。"
赞同！
【在 j*********g 的大作中提到】
: wet说dry lab的数据不可靠，也是五十步笑百步了。把失败的实验藏起来，只把最符合
: 预期的图拿出来；单凭几个染色、WB、qPCR就编故事，从一个链条跨到另一个链条再夸
: 到下一个链条，这样的还少吗。
: 我觉得，基础机制都是靠谱的；根据现象编故事的，往往似是而非。
: 比如，H3K4me3跟激活转录有关、Cas9在gRNA的引导下切割DNA，某某蛋白的某个位点被
: 修饰引起降解等等，这种基本错不了（当然也不绝对），而且错了很快会被发现，比如
: 酸泡干细胞。
: 而看到某某表型，某个生物学问题、某个现象、然后编故事的，往往是胡扯：例如某某
: 基因突变，然后看到肿瘤，为了发文章只能编故事，这个基因target谁谁谁啦，然后引
: 起啥啥啥啦，然后癌症了。这种文章十篇里面有一篇能靠谱的就不错了。因为作者看到
简单的说，hypothesis-driven research靠谱的少，或者比较适合工程领域，而
descriptive science，数据的积累最后往往带来惊喜。"
赞同！
【在 j*********g 的大作中提到】
: wet说dry lab的数据不可靠，也是五十步笑百步了。把失败的实验藏起来，只把最符合
: 预期的图拿出来；单凭几个染色、WB、qPCR就编故事，从一个链条跨到另一个链条再夸
: 到下一个链条，这样的还少吗。
: 我觉得，基础机制都是靠谱的；根据现象编故事的，往往似是而非。
: 比如，H3K4me3跟激活转录有关、Cas9在gRNA的引导下切割DNA，某某蛋白的某个位点被
: 修饰引起降解等等，这种基本错不了（当然也不绝对），而且错了很快会被发现，比如
: 酸泡干细胞。
: 而看到某某表型，某个生物学问题、某个现象、然后编故事的，往往是胡扯：例如某某
: 基因突变，然后看到肿瘤，为了发文章只能编故事，这个基因target谁谁谁啦，然后引
: 起啥啥啥啦，然后癌症了。这种文章十篇里面有一篇能靠谱的就不错了。因为作者看到
c*h
50 楼
Cong!
s*y
51 楼
抱歉我可能没有把话说得特别清楚。我的意思并不是仅仅指癌症领域里面普遍对自己的
数据言过其实的做法，而是我对免疫缺陷老鼠这个模型有深深的戒心和矛盾。
一个最重要的原因就是，那些老鼠里面的肿瘤环境不是正常的，尤其是有关免疫的条件
很多都是缺乏的。但是很多人做的癌症疗法除了对癌症细胞有效，对于免疫系统或者
肿瘤微环境里面的其他细胞其实都有负面效果。至于那些疗法到底会不会有效，
在理论意义上，在评价它对肿瘤的效果的同时必须评价它对免疫以及其他微环境的作用，
但是这些评价在免疫缺陷老鼠上恰恰是不能做的。这样一来，在这个模型上得出的数据
对于真正的癌症治疗未必有任何指导意义，甚至有可能是南辕北辙。所以在我看来，
免疫缺陷老鼠上做出来的数据，顶多就是和我们生化在试管里面测试某个酶的某个参数
一样，都仅仅是为了理解那个东西的某个character， 而不能直接对实践进行直接指导。
当时，矛盾之处就在于，我们如果不用免疫缺陷老鼠，就没得模型可用，没得模型可用
的话就不能得出有control 的数据。所以我作为一个从生化界进入癌症的人，对此充满了
矛盾感。
我倒是知道血液癌研究里面是有方法绕过这个问题的，因为可以用放射法暂时除去正常
的免疫细胞和血细胞，然后后面可用让正常的免疫细胞恢复过来。其实这个方法一开始
并不是考虑到癌症免疫的问题，而是因为血癌研究本身的技术需要歪打正着。但是这个
技术还不能用于固体瘤，至少我还没有看到能用的。
【在 O******e 的大作中提到】
: 任何一个疾病的模型都有自身特有的局限性，所以真正好的研究是多模型多系统下求得
: 一个可靠可信的结论，癌症研究自然也不例外。
: 就像你说的免疫缺陷小鼠，虽然它有明显缺陷，但它用好了还是能回答很多问题的。说
: 到对疾病模型结果的过度阐述，现在追究起来也难说是杂志的错NIH的错还是科研人员
: 自己的错了--其实文章看多了，大家难道不一眼就能看出那是些八股文式的废话根本
: 做不得数的嘛？！
d*i
52 楼
恭喜，希望马上大家都绿！
c*u
53 楼
好奇问一下，药厂筛药不用mouse model吗？
用，
导。
【在 s******y 的大作中提到】
:
: 抱歉我可能没有把话说得特别清楚。我的意思并不是仅仅指癌症领域里面普遍对自己的
: 数据言过其实的做法，而是我对免疫缺陷老鼠这个模型有深深的戒心和矛盾。
: 一个最重要的原因就是，那些老鼠里面的肿瘤环境不是正常的，尤其是有关免疫的条件
: 很多都是缺乏的。但是很多人做的癌症疗法除了对癌症细胞有效，对于免疫系统或者
: 肿瘤微环境里面的其他细胞其实都有负面效果。至于那些疗法到底会不会有效，
: 在理论意义上，在评价它对肿瘤的效果的同时必须评价它对免疫以及其他微环境的作用，
: 但是这些评价在免疫缺陷老鼠上恰恰是不能做的。这样一来，在这个模型上得出的数据
: 对于真正的癌症治疗未必有任何指导意义，甚至有可能是南辕北辙。所以在我看来，
: 免疫缺陷老鼠上做出来的数据，顶多就是和我们生化在试管里面测试某个酶的某个参数
用，
导。
【在 s******y 的大作中提到】
:
: 抱歉我可能没有把话说得特别清楚。我的意思并不是仅仅指癌症领域里面普遍对自己的
: 数据言过其实的做法，而是我对免疫缺陷老鼠这个模型有深深的戒心和矛盾。
: 一个最重要的原因就是，那些老鼠里面的肿瘤环境不是正常的，尤其是有关免疫的条件
: 很多都是缺乏的。但是很多人做的癌症疗法除了对癌症细胞有效，对于免疫系统或者
: 肿瘤微环境里面的其他细胞其实都有负面效果。至于那些疗法到底会不会有效，
: 在理论意义上，在评价它对肿瘤的效果的同时必须评价它对免疫以及其他微环境的作用，
: 但是这些评价在免疫缺陷老鼠上恰恰是不能做的。这样一来，在这个模型上得出的数据
: 对于真正的癌症治疗未必有任何指导意义，甚至有可能是南辕北辙。所以在我看来，
: 免疫缺陷老鼠上做出来的数据，顶多就是和我们生化在试管里面测试某个酶的某个参数
H*7
54 楼
Cong!!
s*y
55 楼
我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
知道他们有没有想过这个问题。
比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
设计分子疗法在真正的病人身上到底会不会有用了。
【在 c****u 的大作中提到】
: 好奇问一下，药厂筛药不用mouse model吗？
:
: 用，
: 导。
知道他们有没有想过这个问题。
比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
设计分子疗法在真正的病人身上到底会不会有用了。
【在 c****u 的大作中提到】
: 好奇问一下，药厂筛药不用mouse model吗？
:
: 用，
: 导。
v*b
56 楼
Big cong
z*o
57 楼
Merck Wants Its Money Back if University Research Is Wrong
A drug company says economic sticks, not just carrots, are needed to fix the
reproducibility crisis in science.
by Antonio Regalado April 27, 2016
If academic discoveries turn out to be wrong, one drug company wants its
money back.
That’s the tough-minded proposal floated today by the chief medical officer
of Merck & Co., one of the world’s 10 largest drug companies, as a way to
fix the “reproducibility crisis,” or how many, if not most, published
scientific reports turn out to be incorrect.
Michael Rosenblatt, Merck’s executive vice president and chief medical
officer, said bad results from academic labs caused pharmaceutical companies
to waste millions and “threatens the entire biomedical research enterprise
.”
The problem of irreproducible research has been getting attention thanks
partly to the efforts of a group of psychologists who have been redoing
scores of classic experiments and have found most don’t mean much.
Wrong results are also a problem for translational research—the kind drug
companies do when they try to turn biological discoveries into actual
medicines. Since companies don’t want their cash draining down ratholes,
they’re among the few organizations that have taken the trouble to
doublecheck results.
The results aren’t pretty. Back in 2012, the biotechnology company Amgen
dropped a bomb on academic science when it said it found only six of 53 “
landmark” cancer papers stood up to efforts to reproduce the results of
promising new research. Other studies that drug companies say can’t be
replicated include one that found a cancer drug might treat Alzheimer’s and
another that showed a particular gene was linked to diabetes in mice.
Rosenblatt says the costs of repeating wrong research are adding up. He says
on average it takes “approximately two to six scientific personnel one to
two years of work in an industry laboratory” to try to reproduce original
experiments at an average cost of $500,000 to $2 million.
In his editorial, published today in Science Translational Medicine, Merck’
s medical chief paints a dire picture:
As the public, government, and private funders of research comprehend the
extent of the problem, trust in the scientific enterprise erodes, and
confidence in the ability of the scientific community to address this
problem wanes. In addition, there is considerable potential for reputational
damage to scientists, universities, and entire fields (for example, cancer
biology, genomics, and psychology).
Why is science wrong so often? Merck lists the usual suspects: pressure to
publish and win grants, careerism, poor training of students, and journals
that don’t review reports rigorously enough.
Instead of trying to fix cultural problems in labs or passing new
regulations, Merck thinks some punitive economic incentives are in order,
specifically, a “full or partial money-back guarantee.” That is, if
research that drug companies pay for turns out to be wrong, universities
would have to give back the funding they got. Merck thinks this will put the
pressure right where it belongs, on the scientists.
It’s unlikely that universities will jump at Merck’s offer for more
accountability. That’s because they are set up to collect R&D money, not
return it. “The issue is certainly serious—but if this became a
requirement it would stop [university-industry] research in its tracks,”
says David Winwood, a business development executive at the Pennington
Biomedical Research Center in Baton Rouge, Louisiana. “Few if any public
schools would have either the (financial) capacity or, I suspect, the legal
authority, to enter into such an agreement.”
Drug companies aren’t saints, either. Suppressing and massaging negative
results from drug trials isn’t uncommon and it’s a lot more likely to harm
patients than bungled academic research. Yet at least drug firms can pay an
economic price for mistakes: in 2004, Merck had to recall the pain drug
Vioxx and pay out billions in damages after it became clear that the pill
posed a deadly risk the company knew all about.
The other problem with Merck’s proposal to universities is it would open a
kind of Pandora’s box of accountability. According to the Association of
University Technology Managers, a trade body that Winwood is currently
president of, companies paid for $4.6 billion in “sponsored” research at U
.S. universities, hospitals, and research centers in 2014.
The federal government, on the other hand, spent $37.9 billion.
So is most taxpayer-funded research wrong, too? Maybe it’s taxpayers, not
Merck, who should get a check in the mail.
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
A drug company says economic sticks, not just carrots, are needed to fix the
reproducibility crisis in science.
by Antonio Regalado April 27, 2016
If academic discoveries turn out to be wrong, one drug company wants its
money back.
That’s the tough-minded proposal floated today by the chief medical officer
of Merck & Co., one of the world’s 10 largest drug companies, as a way to
fix the “reproducibility crisis,” or how many, if not most, published
scientific reports turn out to be incorrect.
Michael Rosenblatt, Merck’s executive vice president and chief medical
officer, said bad results from academic labs caused pharmaceutical companies
to waste millions and “threatens the entire biomedical research enterprise
.”
The problem of irreproducible research has been getting attention thanks
partly to the efforts of a group of psychologists who have been redoing
scores of classic experiments and have found most don’t mean much.
Wrong results are also a problem for translational research—the kind drug
companies do when they try to turn biological discoveries into actual
medicines. Since companies don’t want their cash draining down ratholes,
they’re among the few organizations that have taken the trouble to
doublecheck results.
The results aren’t pretty. Back in 2012, the biotechnology company Amgen
dropped a bomb on academic science when it said it found only six of 53 “
landmark” cancer papers stood up to efforts to reproduce the results of
promising new research. Other studies that drug companies say can’t be
replicated include one that found a cancer drug might treat Alzheimer’s and
another that showed a particular gene was linked to diabetes in mice.
Rosenblatt says the costs of repeating wrong research are adding up. He says
on average it takes “approximately two to six scientific personnel one to
two years of work in an industry laboratory” to try to reproduce original
experiments at an average cost of $500,000 to $2 million.
In his editorial, published today in Science Translational Medicine, Merck’
s medical chief paints a dire picture:
As the public, government, and private funders of research comprehend the
extent of the problem, trust in the scientific enterprise erodes, and
confidence in the ability of the scientific community to address this
problem wanes. In addition, there is considerable potential for reputational
damage to scientists, universities, and entire fields (for example, cancer
biology, genomics, and psychology).
Why is science wrong so often? Merck lists the usual suspects: pressure to
publish and win grants, careerism, poor training of students, and journals
that don’t review reports rigorously enough.
Instead of trying to fix cultural problems in labs or passing new
regulations, Merck thinks some punitive economic incentives are in order,
specifically, a “full or partial money-back guarantee.” That is, if
research that drug companies pay for turns out to be wrong, universities
would have to give back the funding they got. Merck thinks this will put the
pressure right where it belongs, on the scientists.
It’s unlikely that universities will jump at Merck’s offer for more
accountability. That’s because they are set up to collect R&D money, not
return it. “The issue is certainly serious—but if this became a
requirement it would stop [university-industry] research in its tracks,”
says David Winwood, a business development executive at the Pennington
Biomedical Research Center in Baton Rouge, Louisiana. “Few if any public
schools would have either the (financial) capacity or, I suspect, the legal
authority, to enter into such an agreement.”
Drug companies aren’t saints, either. Suppressing and massaging negative
results from drug trials isn’t uncommon and it’s a lot more likely to harm
patients than bungled academic research. Yet at least drug firms can pay an
economic price for mistakes: in 2004, Merck had to recall the pain drug
Vioxx and pay out billions in damages after it became clear that the pill
posed a deadly risk the company knew all about.
The other problem with Merck’s proposal to universities is it would open a
kind of Pandora’s box of accountability. According to the Association of
University Technology Managers, a trade body that Winwood is currently
president of, companies paid for $4.6 billion in “sponsored” research at U
.S. universities, hospitals, and research centers in 2014.
The federal government, on the other hand, spent $37.9 billion.
So is most taxpayer-funded research wrong, too? Maybe it’s taxpayers, not
Merck, who should get a check in the mail.
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
T*y
58 楼
Cong!
z*t
59 楼
在我接触的例子里他们更喜欢一切与人相关的，老鼠其实并不是特别吃香
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
f*3
60 楼
gxgx
z*t
61 楼
您说的骨髓移植我用的非常多
但是在常用的老鼠比如B6里长人的癌症因为免疫反应本来就不太好长，我们做人
leukemia xenpgraft时也要用scid mice irradiation之后才能做。
用，
导。
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
但是在常用的老鼠比如B6里长人的癌症因为免疫反应本来就不太好长，我们做人
leukemia xenpgraft时也要用scid mice irradiation之后才能做。
用，
导。
【在 s******y 的大作中提到】
: 我对做癌症研究的药厂不熟悉所以还没有和他们交流过。我觉得他们应该也用，但是不
: 知道他们有没有想过这个问题。
: 比方说我经常看到一些文章里说某某基因对肿瘤生长非常非常重要，然后就筛了一个什
: 么什么小分子或者anti-RNA，然后注射到免疫缺陷的老鼠体内去，然后发现肿瘤变小了
: ，然后就下结论了。但是问题就在于，他们研究的那些和癌症有关的基因或者miRNA之
: 类的，几乎毫不例外的都会在免疫细胞里面也有作用，这样就很难预测对于那些基因来
: 设计分子疗法在真正的病人身上到底会不会有用了。
h*8
62 楼
congrats!
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
s*y
63 楼
是的！让我矛盾的就是，如果不用免疫缺陷老鼠的话，那些移植的固体瘤根本就长不起
来所以就没得东西可以做。但是用了免疫缺陷老鼠的话得出的数据对于固体瘤的治疗又
常常没有指导效果。简直就是一个两难的事情。
血癌模型因为增殖得非常快，可以在放射暂时抑制老鼠里面的免疫系统的时候迅速的就
establish，所以可以绕过这个问题，但是固体瘤要长起来，最短怎么也得两三个星期
，需要更长效的办法来压制老鼠的免疫系统。目前我好像没有见到合适的模型来做这个
。其实相关的药是有的，因为器官抑制的时候会用一些药来抑制免疫反应。但是好像还
没有人试验过用这个方法来制造一个老鼠模型？
【在 z*t 的大作中提到】
: 您说的骨髓移植我用的非常多
: 但是在常用的老鼠比如B6里长人的癌症因为免疫反应本来就不太好长，我们做人
: leukemia xenpgraft时也要用scid mice irradiation之后才能做。
:
: 用，
: 导。
r*e
64 楼
cong
n*7
65 楼
system biology
尽是扯淡
尽是扯淡
w*g
66 楼
cong~
不容易啊
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
不容易啊
【在 T**d 的大作中提到】
: 2.28 RD
: 今天收到email
c*s
67 楼
我用过CYCLOSPORIN A， 问题很多
【在 s******y 的大作中提到】
:
: 是的！让我矛盾的就是，如果不用免疫缺陷老鼠的话，那些移植的固体瘤根本就长不起
: 来所以就没得东西可以做。但是用了免疫缺陷老鼠的话得出的数据对于固体瘤的治疗又
: 常常没有指导效果。简直就是一个两难的事情。
: 血癌模型因为增殖得非常快，可以在放射暂时抑制老鼠里面的免疫系统的时候迅速的就
: establish，所以可以绕过这个问题，但是固体瘤要长起来，最短怎么也得两三个星期
: ，需要更长效的办法来压制老鼠的免疫系统。目前我好像没有见到合适的模型来做这个
: 。其实相关的药是有的，因为器官抑制的时候会用一些药来抑制免疫反应。但是好像还
: 没有人试验过用这个方法来制造一个老鼠模型？
【在 s******y 的大作中提到】
:
: 是的！让我矛盾的就是，如果不用免疫缺陷老鼠的话，那些移植的固体瘤根本就长不起
: 来所以就没得东西可以做。但是用了免疫缺陷老鼠的话得出的数据对于固体瘤的治疗又
: 常常没有指导效果。简直就是一个两难的事情。
: 血癌模型因为增殖得非常快，可以在放射暂时抑制老鼠里面的免疫系统的时候迅速的就
: establish，所以可以绕过这个问题，但是固体瘤要长起来，最短怎么也得两三个星期
: ，需要更长效的办法来压制老鼠的免疫系统。目前我好像没有见到合适的模型来做这个
: 。其实相关的药是有的，因为器官抑制的时候会用一些药来抑制免疫反应。但是好像还
: 没有人试验过用这个方法来制造一个老鼠模型？
s*t
68 楼
big cong
they do start to work on 485 again, Yay!
they do start to work on 485 again, Yay!
a*p
69 楼
system biology本身没有错，后基因组时代就应该研究一个个组成元件(基因)怎么构成
系统来实现功能。但是system本身就是一个物理概念，研究它需要用单细胞的定量的方
法，研究基因网络结构，网络控制的系统动力学和功能之间的关系。可惜大部分学生物
的没学过物理，不怎么识数，喜欢上大数据，活生生的把system biology做成了
correlative biology，反过来还说system biology扯淡，想想真是悲哀。。。
【在 n******7 的大作中提到】
: system biology
: 尽是扯淡
系统来实现功能。但是system本身就是一个物理概念，研究它需要用单细胞的定量的方
法，研究基因网络结构，网络控制的系统动力学和功能之间的关系。可惜大部分学生物
的没学过物理，不怎么识数，喜欢上大数据，活生生的把system biology做成了
correlative biology，反过来还说system biology扯淡，想想真是悲哀。。。
【在 n******7 的大作中提到】
: system biology
: 尽是扯淡
x*u
70 楼
cong!
j*g
71 楼
那你说该怎么研究？能否说说你的思路？
【在 a********p 的大作中提到】
: system biology本身没有错，后基因组时代就应该研究一个个组成元件(基因)怎么构成
: 系统来实现功能。但是system本身就是一个物理概念，研究它需要用单细胞的定量的方
: 法，研究基因网络结构，网络控制的系统动力学和功能之间的关系。可惜大部分学生物
: 的没学过物理，不怎么识数，喜欢上大数据，活生生的把system biology做成了
: correlative biology，反过来还说system biology扯淡，想想真是悲哀。。。
【在 a********p 的大作中提到】
: system biology本身没有错，后基因组时代就应该研究一个个组成元件(基因)怎么构成
: 系统来实现功能。但是system本身就是一个物理概念，研究它需要用单细胞的定量的方
: 法，研究基因网络结构，网络控制的系统动力学和功能之间的关系。可惜大部分学生物
: 的没学过物理，不怎么识数，喜欢上大数据，活生生的把system biology做成了
: correlative biology，反过来还说system biology扯淡，想想真是悲哀。。。
p*h
72 楼
Big Cong!
a*p
73 楼
我的思路在以前的跟帖已经详细说过了，请看链接以及同主题跟帖：http://www.mitbbs.com/article0/Biology/32039215_0.html
研究系统，系统结构(network structure) -> 系统动力学(gene expression/activity
dynamics) -> 系统功能 (cellular functions at multiple scale)是一个一对一的
因果链条。用微分方程组描述系统结构，每个微分方程的解是各个基因的动力学，整个
方程组的解是系统的动力学，解这些方程对应的emergent properties (bistability,
oscillation, chaos etc.)对应系统的功能(cell fate decision, cell cycle etc.).
实验手段需要做单细胞分析，比如用带有荧光蛋白的biosensor来测量gene expression
/activity dynamics，来测量单细胞水平的基因表达变化。population analysis没用
的，因为细胞细胞之间是不一样的。
总而言之，系统功能是解出来的，有精确地实验验证。不像现在的所谓systems
biology从一大堆模糊的数据中猜出一个模型，再有偏向性的找那些positive的数据来
支撑。
【在 j*********g 的大作中提到】
: 那你说该怎么研究？能否说说你的思路？
a*p
74 楼
实际上这个方法学在工程里面一直在用，叫system identification, 有兴趣的可以
wiki一下就知道了。
activity
,
).
expression
【在 a********p 的大作中提到】
:
: 我的思路在以前的跟帖已经详细说过了，请看链接以及同主题跟帖：http://www.mitbbs.com/article0/Biology/32039215_0.html
: 研究系统，系统结构(network structure) -> 系统动力学(gene expression/activity
: dynamics) -> 系统功能 (cellular functions at multiple scale)是一个一对一的
: 因果链条。用微分方程组描述系统结构，每个微分方程的解是各个基因的动力学，整个
: 方程组的解是系统的动力学，解这些方程对应的emergent properties (bistability,
: oscillation, chaos etc.)对应系统的功能(cell fate decision, cell cycle etc.).
: 实验手段需要做单细胞分析，比如用带有荧光蛋白的biosensor来测量gene expression
: /activity dynamics，来测量单细胞水平的基因表达变化。population analysis没用
: 的，因为细胞细胞之间是不一样的。
wiki一下就知道了。
activity
,
).
expression
【在 a********p 的大作中提到】
:
: 我的思路在以前的跟帖已经详细说过了，请看链接以及同主题跟帖：http://www.mitbbs.com/article0/Biology/32039215_0.html
: 研究系统，系统结构(network structure) -> 系统动力学(gene expression/activity
: dynamics) -> 系统功能 (cellular functions at multiple scale)是一个一对一的
: 因果链条。用微分方程组描述系统结构，每个微分方程的解是各个基因的动力学，整个
: 方程组的解是系统的动力学，解这些方程对应的emergent properties (bistability,
: oscillation, chaos etc.)对应系统的功能(cell fate decision, cell cycle etc.).
: 实验手段需要做单细胞分析，比如用带有荧光蛋白的biosensor来测量gene expression
: /activity dynamics，来测量单细胞水平的基因表达变化。population analysis没用
: 的，因为细胞细胞之间是不一样的。
j*g
75 楼
感谢指教！很有启发性。
单细胞分析不用荧光蛋白了吧，用测序不就行了吗？
ps 我准备好好读读你的nature communications文章
activity
,
).
expression
【在 a********p 的大作中提到】
: 实际上这个方法学在工程里面一直在用，叫system identification, 有兴趣的可以
: wiki一下就知道了。
:
: activity
: ,
: ).
: expression
单细胞分析不用荧光蛋白了吧，用测序不就行了吗？
ps 我准备好好读读你的nature communications文章
activity
,
).
expression
【在 a********p 的大作中提到】
: 实际上这个方法学在工程里面一直在用，叫system identification, 有兴趣的可以
: wiki一下就知道了。
:
: activity
: ,
: ).
: expression
a*p
76 楼
单细胞测序得到是片面的endpoint信息，没有time domain上的信息，也就是说没办法
得到动力学曲线。
【在 j*********g 的大作中提到】
: 感谢指教！很有启发性。
: 单细胞分析不用荧光蛋白了吧，用测序不就行了吗？
: ps 我准备好好读读你的nature communications文章
:
: activity
: ,
: ).
: expression
j*g
77 楼
请教能不能用system identification研究所有的iPS因子在重编程中的作用？
有人做过类似的吧？
【在 a********p 的大作中提到】
:
: 单细胞测序得到是片面的endpoint信息，没有time domain上的信息，也就是说没办法
: 得到动力学曲线。
有人做过类似的吧？
【在 a********p 的大作中提到】
:
: 单细胞测序得到是片面的endpoint信息，没有time domain上的信息，也就是说没办法
: 得到动力学曲线。
a*p
78 楼
我印象当中有人用reporter测过，但是做的很粗，也没有结合数学建模，结论并不显著。
你这个设想很有意思，如果能做出来会解决这个领域中的核心问题。当然这当中有几个
问题要注意一下：
1）对参与的基因和相互作用了解的不足和不准确，modeling和simulation会和实验有
偏差。当然后期可以根据实验数据进行model优化。
2）应该尽量选取网络的核心节点做reporter，这样测出来的动力学曲线含有更多的调
控信息。
3）从已有的文献个人感觉对于pluripotency基因网络，gene expression noise在调控
中的作用可能也很大，这说明用常微分方程建模可能会lose系统的一些内在性质，用随
机微分方程更好，但是计算和分析复杂度也相应提高。
4）pluripotency控制可能还伴随一些global的chromatin regulation，如何合理的进
行model也是一个问题。
我的建议是用system identification研究pluripotency基因控制网络的系统性质，至
于是正常分化还是重编程只是这个系统运行的不同状态而已。我估计研究正常分化，系
统的运行可能会更规律一些，会更容易一些。
本人也想在ES细胞里把几个核心的转录因子用不同的荧光蛋白全都做knockin，可以同
时测好几个节点的dynamics，来分析分析这个网络。
【在 j*********g 的大作中提到】
: 请教能不能用system identification研究所有的iPS因子在重编程中的作用？
: 有人做过类似的吧？
d*m
79 楼
在系统生物研究里，要嘲笑Correlative model/functional fitting也轮不到用一堆微
分方程求数值解对吧？
大家都是数学工具跟不上生物系统复杂性下妥协的产物而已。
分方程求数值解对吧？
大家都是数学工具跟不上生物系统复杂性下妥协的产物而已。
a*p
80 楼
我只是想说应该用什么样的方法学来研究这个问题，这个方法学有坚实的物理基础。做
科学需要reasoning，形式逻辑很重要，尤其是研究这么复杂的系统。当然也没人阻拦
你去猜，只是猜到最后都不信自己在做什么了，这毕竟不是做研究的正确路子。
【在 d********m 的大作中提到】
: 在系统生物研究里，要嘲笑Correlative model/functional fitting也轮不到用一堆微
: 分方程求数值解对吧？
: 大家都是数学工具跟不上生物系统复杂性下妥协的产物而已。
科学需要reasoning，形式逻辑很重要，尤其是研究这么复杂的系统。当然也没人阻拦
你去猜，只是猜到最后都不信自己在做什么了，这毕竟不是做研究的正确路子。
【在 d********m 的大作中提到】
: 在系统生物研究里，要嘲笑Correlative model/functional fitting也轮不到用一堆微
: 分方程求数值解对吧？
: 大家都是数学工具跟不上生物系统复杂性下妥协的产物而已。
j*g
81 楼
用荧光蛋白还是麻烦，能测试的数据少。只有你knockin的蛋白才会被研究。
如果能用单细胞测序就好了，能否通过密集取样，来得到动力学？
著。
【在 a********p 的大作中提到】
: 我只是想说应该用什么样的方法学来研究这个问题，这个方法学有坚实的物理基础。做
: 科学需要reasoning，形式逻辑很重要，尤其是研究这么复杂的系统。当然也没人阻拦
: 你去猜，只是猜到最后都不信自己在做什么了，这毕竟不是做研究的正确路子。
如果能用单细胞测序就好了，能否通过密集取样，来得到动力学？
著。
【在 a********p 的大作中提到】
: 我只是想说应该用什么样的方法学来研究这个问题，这个方法学有坚实的物理基础。做
: 科学需要reasoning，形式逻辑很重要，尤其是研究这么复杂的系统。当然也没人阻拦
: 你去猜，只是猜到最后都不信自己在做什么了，这毕竟不是做研究的正确路子。
c*u
82 楼
一个好模型失败的时候最有用，因为它告诉我们还存在一些未知的因子等待发现
【在 n******7 的大作中提到】
: system biology
: 尽是扯淡
【在 n******7 的大作中提到】
: system biology
: 尽是扯淡
d*m
83 楼
从data出发不代表没有reasoning。我个人觉得攻克生物复杂性的应该定位于发展收集
数据的工具和发展数据分析的方法。你所谓的物理数学方法在复杂系统里的表现我一个
外行不能多加评判，但根据我当初选的nonlinear dynamics课的经验，应该不会太好。
一堆微分方程的paper，可行度有多少，也只有modeler自己心里清楚了。不过物理学家
想一步到位的心态可以理解。
数据的工具和发展数据分析的方法。你所谓的物理数学方法在复杂系统里的表现我一个
外行不能多加评判，但根据我当初选的nonlinear dynamics课的经验，应该不会太好。
一堆微分方程的paper，可行度有多少，也只有modeler自己心里清楚了。不过物理学家
想一步到位的心态可以理解。
a*p
84 楼
有reasoning是一方面，同时reasoning的基础也应该是solid和natural的。religion里
也不少reasoning，为什么不说它是科学呢？
【在 d********m 的大作中提到】
: 从data出发不代表没有reasoning。我个人觉得攻克生物复杂性的应该定位于发展收集
: 数据的工具和发展数据分析的方法。你所谓的物理数学方法在复杂系统里的表现我一个
: 外行不能多加评判，但根据我当初选的nonlinear dynamics课的经验，应该不会太好。
: 一堆微分方程的paper，可行度有多少，也只有modeler自己心里清楚了。不过物理学家
: 想一步到位的心态可以理解。
a*p
85 楼
基因表达本质上是一个随机过程。在有些情况下是可以通过遍历取样推知时间轴上的信
息，这个统计力学中是有不少研究的（像 ergodicity?），其他的则不行。
【在 j*********g 的大作中提到】
: 用荧光蛋白还是麻烦，能测试的数据少。只有你knockin的蛋白才会被研究。
: 如果能用单细胞测序就好了，能否通过密集取样，来得到动力学？
:
: 著。
d*m
86 楼
Probabilistic and statistical reasoning为什么不是solid and natural?
【在 a********p 的大作中提到】
:
: 基因表达本质上是一个随机过程。在有些情况下是可以通过遍历取样推知时间轴上的信
: 息，这个统计力学中是有不少研究的（像 ergodicity?），其他的则不行。
【在 a********p 的大作中提到】
:
: 基因表达本质上是一个随机过程。在有些情况下是可以通过遍历取样推知时间轴上的信
: 息，这个统计力学中是有不少研究的（像 ergodicity?），其他的则不行。
a*p
87 楼
Probabilistic and statistical reasoning得到是相关性，可以用来做correlative
biology。想要知道真正的mechanism，要用statistical mechanics,thermodynamics来
reasoning,因为说到底细胞是分子构成的。
【在 d********m 的大作中提到】
: Probabilistic and statistical reasoning为什么不是solid and natural?
d*m
88 楼
我同意你后半段话，但causal inference也是correlative?
【在 a********p 的大作中提到】
:
: Probabilistic and statistical reasoning得到是相关性，可以用来做correlative
: biology。想要知道真正的mechanism，要用statistical mechanics,thermodynamics来
: reasoning,因为说到底细胞是分子构成的。
【在 a********p 的大作中提到】
:
: Probabilistic and statistical reasoning得到是相关性，可以用来做correlative
: biology。想要知道真正的mechanism，要用statistical mechanics,thermodynamics来
: reasoning,因为说到底细胞是分子构成的。
a*p
89 楼
尽管科研的目的是要尽可能接近的呈现事实。但是不同的reasoning， 虽然可能都是
causal的，但是逼近程度可能差的很远，因为reasoning是以concept为基础的。
这么说吧，对现象的任何一种解释总会用到一些术语，但是你仔细推敲起来，并不是每
个术语都靠谱的，有的是自然地，有的则是人为创造的并不一定靠谱。比如我跟你说基
因p53，这个描述是准确的，因为你知道它对应着一段DNA序列，是一个特异的东西。而
我要跟你说oncogene，则相对p53不那么靠谱，因为这个术语是根据phenotype定义的，
这一类基因activate之后会促瘤，对应的还有tumor suppressor。可是事情又没有那么
简单，有些基因在一种情况下促瘤，在另外一些情况下又抑制瘤，那你该怎么定义他们
呢。可是如果你换一个paradigm，在系统的角度下看待这个问题，它的角色或许完全就
由它在网络中所处的位置决定，它的不同角色只是系统运行到不同状态带来的结果，这
或许就能unify了，而且听起来也很自然。
这个例子或许不怎么好，还有一个例子是我以前研究的G1/S transition.教科书上提出
的模型是，细胞在G1期会穿过一个叫restriction point的东西，然后就义无反顾的进
入分裂期了。这个领域的人为了寻找这个point花了几十年的心血到现在还是个谜。可
是如果按系统分析的方法做，结果发现细胞分不分裂就是一个系统运行的自然结果，完
全不需要这个所谓的restriction point来参与，照样可以unify所有的实验数据，而且
还可以有新的见解（参看https://www.nature.com/articles/ncomms5750）。
【在 d********m 的大作中提到】
: 我同意你后半段话，但causal inference也是correlative?
相关阅读
想在美国找博后的外地童鞋心态要放好哈佛的这两个老板怎么样这里有做（G蛋白）信号转导的吗？有谁认识 加州大学Berkeley分校Andrew Dillin 和 澳洲 Massimo A. Hilliard 吗？问一个数据分析的问题白血病学子邵翼泽病逝 (转载)请教：无博士学位来美国做博后大家觉得做postdoc representative对找faculty有帮助吗？Scientifc Reports Really Sucks!大家说应该放弃青千改行吗？Qiagen or Zymo or Purelink?2015 M&M Portland会议 求宾馆合住工作机会----湖北大学工业生物技术湖北省重点实验室继续招人我国医学界的派别南方科技大学招博士后，年薪22-30万元 (转载)能说一下科大的薛天如果从一个千年博后转身成为科大生科院院长的码？关于western blot imaging system自然科学上开宗立派的大牛中国人只有杨82一个人吧？投稿Hepatology，under review 快80天了，怎么回事？need a paper. Thank you for your help