Redian新闻
>
对高通量数据非常失望
avatar
对高通量数据非常失望# Biology - 生物学
d*i
1
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。
avatar
b*g
2
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?
avatar
T*i
3
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。
avatar
x*g
4
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。

avatar
b*s
5
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?

avatar
s*y
6
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。

avatar
B*g
7
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。

avatar
w*t
8
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
avatar
T*i
9
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

avatar
l*a
10
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。

avatar
j*e
11
送本书?
avatar
j*u
12
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,

avatar
m*a
13
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。
avatar
s*y
14
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,

avatar
M*e
15
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。

avatar
T*i
16
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

avatar
b*g
17
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...

avatar
K*4
18
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。

avatar
j*u
19
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

avatar
K*4
20
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

avatar
s*j
21
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。

avatar
j*g
22
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。
avatar
e*o
23
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。

avatar
n*7
24
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。

avatar
a*p
25
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。
avatar
m*n
26
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

avatar
K*4
27
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

avatar
T*i
28
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。

avatar
i*y
29
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。
avatar
s*a
30
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.

avatar
s*a
31
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。

avatar
r*t
32
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。

avatar
i*y
33
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。
avatar
x*u
34
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。

avatar
D*a
35
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。
avatar
g*0
36
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。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。