|
考研刚结束，毕业季又到，很多小伙伴在忙着毕业论文以及答辩相关事宜，也有一些小伙伴由于不走运论文没有按时发表延期毕业，有些单位延期的学生数量不在少数，毫无疑问都和发表的SCI的档次和时间有关，毕竟较多的医学生以及在职的硕博生，想要在规定的3年时间内发表1、2篇SCI文章（有的规定影响因子必须3分才能博士毕业），还是有一定难度的，因为一般第一年大家都倾向于学习、玩耍一下，当然也有可能忙于家庭和上班挣钱，总之按时按质发表SCI是一个艰难的事情。 在我们的“基金、实验群”问了一下大家对于这方面的生信SCI的了解程度和观点。 
大家的反馈如下： “我觉得生信就像英语一样。对于生信工程师/专业译员，生信/英语是他们的职业。但是对于科研型医生/各行各业从业者来说，生信/英语只是一个工具。 我不需要把序列比对的算法搞得一清二楚，我只要会用Blast就行了。 现在有“精准医疗”，我觉得也可以有“精准科研”。有了生信的帮助，“湿”实验可以更加精准更有针对性，最大限度节省临床样本。” 
某位粉丝写的挺深刻的： 某位粉丝写的挺深刻的：关于这个问题，现在很多人都有这样的想法。在回答这些问题之前，我们首先需要搞清楚什么是生信？生信的核心是什么？第一个问题，关于生信的文章越来越难发，任何事物的发展都是这么一个过程（简单-复杂-瓶颈-突破）简单的下点数据，复制一下代码，出几张图，然后发篇文章，这样的套路，现在比较难发文章；第二个问题，生信的作用，一个事物的作用大不大和很多因素相关，但生信给我们提供了不同的视角去看待问题，生信也基于大数据给了我们很多新的提示和思考，这些都是值得肯定的，至于你说的作用大不大？关键看你做什么？大家在看CNS文章的时候，里面的生信多嘛？第三个问题，新的方向，没有系统研究过生信，不敢瞎说，但生信在于生和信，生指生物学问题，信指信息科学（算法和统计学），拿单细胞测序来说，单细胞测序的生物学问题是细胞的异质性，它的发展靠很多学科的共同推进，这个生物学问题才有了一个从测序的角度解决方案。至于单细胞测序，这个肯定是未来的趋势，因为它为我们看待细胞的异质性提供了很好的方法。 
随着大家都在学习生信，掌握的人越来越多，直接发文章自然就可能变得困难了，事实是这样的吗，师兄统计了一下今年截止目前“bioinformatics + TCGA” “bioinformatics + geneexpression omnibus”等关键词的SCI信息，做了详细的统计，以期为大家发文提供总体的介绍。 今天咱们对2019年前3个月的“挖掘二手数据”的SCI进行统计，一起找到“最喜欢生信的期刊”、“发表最快的期刊”。 因为是挖掘别人的二手生信数据，我们根据三大公共疾病数据库“TCGA”“Gene expression omnibus”+bioinformatics为关键词检索了Pubmed中收录的文章，得到以下的结果，逐年SCI文章发表趋势如下。 
Pubmed关键词：bioinformatics、TCGA、GEO 去年的月平均发表量在60篇，今年是121篇，呵呵，增加了1倍，要死了要死了！！！毫无疑问，今年再不研究一下生信，铁定就发表困难了。 那么我们统计一下这些在2019年里263篇生信SCI，它们分布于1~31分不等（当然这里面高分文章，例如>10分大部分还是需要增加实验验证），以下是按照发表数量来排序的清单。 杂志名 | 2019发表量 | 影响因子 | Mol Med Rep | 15 | 1.9 | Bioinformatics | 13 | 5.5 | J Cell Biochem | 10 | 3.0 | Sci Rep | 9 | 4.0 | J Cell Physiol | 9 | 3.9 | Oncol Lett | 8 | 1.7 | Pathol Res Pract | 6 | 1.5 | Gene | 5 | 2.5 | PeerJ | 5 | 2.1 | Int J Cancer | 4 | 7.4 | Cancer Cell Int | 4 | 4.0 | Oncol Rep | 4 | 3.0 | Med Sci Monit | 4 | 1.9 | Nucleic Acids Res | 3 | 11.0 | Oncogene | 3 | 6.9 | EBioMedicine | 3 | 6.2 | Mol Cancer Res | 3 | 4.6 | Cancer Epidemiol Biomarkers Prev | 3 | 4.6 | Front Oncol | 3 | 4.4 | Front Pharmacol | 3 | 3.8 | Int J Oncol | 3 | 3.3 | BMC Med Genomics | 3 | 3.3 | BMC Cancer | 3 | 3.3 | J Cancer | 3 | 3.2 | Biosci Rep | 3 | 2.9 | Int J Mol Med | 3 | 2.8 | BMC Bioinformatics | 3 | 2.2 | Medicine (Baltimore) | 3 | 2.0 | Gut | 2 | 17.0 | Clin Cancer Res | 2 | 10.2 | Brief Bioinform | 2 | 6.3 | Cancers (Basel) | 2 | 5.3 | Cell Prolif | 2 | 4.9 | Front Genet | 2 | 4.2 | PLoS Comput Biol | 2 | 4.0 | Cancer Manag Res | 2 | 3.7 | Breast Cancer Res Treat | 2 | 3.6 | Biomed Pharmacother | 2 | 3.5 | IUBMB Life | 2 | 3.2 | Genes (Basel) | 2 | 3.2 | Exp Eye Res | 2 | 3.2 | Mol Genet Genomic Med | 2 | 2.7 | Onco Targets Ther | 2 | 2.7 | Biomed Res Int | 2 | 2.6 | J Surg Res | 2 | 2.1 | Pathol Oncol Res | 2 | 1.9 | Exp Ther Med | 2 | 1.4 | J Comput Biol | 2 | 1.2 | 其他杂刊 | 80篇 | -- |
该影响因子6月左右会有较大变化，请大家估算好自己文章发表的时间，再选期刊，其中Mol Med Rep、J Cell Biochem、Sci Rep、J Cell Physiol、Oncol Lett、Pathol Res Pract、PeerJ对生信类的文章还是比较友好的。 首先，我们把5分以上的归纳如下： 杂志名 | Q1发表量 | 影响因子 | Gut | 2 | 17.0 | Nucleic Acids Res | 3 | 11.0 | Clin Cancer Res | 2 | 10.2 | Int J Cancer | 4 | 7.4 | Oncogene | 3 | 6.9 | Brief Bioinform | 2 | 6.3 | EBioMedicine | 3 | 6.2 | Bioinformatics | 13 | 5.5 | Cancers (Basel) | 2 | 5.3 |
其中Bioinformatics（影响因子5.5分）上发表的生信文章情况如下 Genome-wide identification of the essential protein-coding genes and long noncoding RNAs for human pan-cancer.(给予CRIPSR文本挖掘，多肿瘤分析，算法构建) | Bioinformatics | Simultaneous clustering of multiview biomedical data using manifold optimization.（算法） | Bioinformatics | TISIDB: an integrated repository portal for tumor-immune system interactions.数据库 | Bioinformatics | DCARS: differential correlation across ranked samples.数据库 | Bioinformatics | Processing of big heterogeneous genomic datasets for tertiary analysis of Next Generation Sequencing data.算法 | Bioinformatics | BioMethyl: An R package for Biological Interpretation of DNA Methylation Data.数据库 | Bioinformatics | MR4Cancer: a web server prioritizing master regulators for cancer.数据库 | Bioinformatics | DMCM: a Data-adaptive Mutation Clustering Method to identify cancer-related mutation clusters.数据库 | Bioinformatics | Ordino: a visual cancer analysis tool for ranking and exploring genes, cell lines, and tissue samples.数据库 | Bioinformatics | Breaking the paradigm: Dr. Insight empowers signature-free, enhanced drug repurposing. | Bioinformatics | Exploring drivers of gene expression in the Cancer Genome Atlas.多肿瘤、多分子机制预测 | Bioinformatics | ImaGEO: integrative gene expression meta-analysis from GEO database.meta数据库 | Bioinformatics | Batch-normalization of cerebellar and medulloblastoma gene expression datasets utilizing empirically defined negative control genes.算法 | Bioinformatics |
而Brief Bioinform（IF为6.3分）、NucleicAcids Res（影响因子11分）上发表的3篇也都是：数据库、算法的文章。 而5~10分的文章较多的还是①生信+实验②多肿瘤组学分析③单细胞测序数据分析 文章 | 杂志 | 影响因子 | Dependency of the Cancer-Specific Transcriptional Regulation Circuitry on the Promoter DNA Methylome.多肿瘤分析 | Cell Rep | 8.032 | Measurement of tumor mutational burden (TMB) in routine molecular diagnostics: in silico and real-life analysis of three larger gene panels.多肿瘤分析 | Int J Cancer | 7.36 | Systematic identification of lincRNA-based prognostic biomarkers by integrating lincRNA expression and copy number variation in lung adenocarcinoma.多组学分析 | Size matters: Dissecting key parameters for panel-based tumor mutational burden analysis. | Quantitative analysis of somatically acquired and constitutive uniparental disomy in gastrointestinal cancers.多肿瘤 | Klotho suppresses colorectal cancer through modulation of the unfolded protein response.生信+实验 | Oncogene | 6.854 | Nudt21 regulates the alternative polyadenylation of Pak1 and is predictive in the prognosis of glioblastoma patients.生信+实验 | Histoepigenetic analysis of HPV- and tobacco-associated head and neck cancer identifies both subtype-specific and common therapeutic targets despite divergent microenvironments.生信 | Increased glycolysis correlates with elevated immune activity in tumor immune microenvironment.较多实验+生信 | EBioMedicine | 6.183 | Incorporation of long non-coding RNA expression profile in the 2017 ELN risk classification can improve prognostic prediction of acute myeloid leukemia patients.生信+实验 | Targeting glutaminase 1 attenuates stemness properties in hepatocellular carcinoma by increasing reactive oxygen species and suppressing Wnt/beta-catenin pathway.生信+较多实验 | Examination of Independent Prognostic Power of Gene Expressions and Histopathological Imaging Features in Cancer.多肿瘤 | Cancers (Basel) | 5.326 | Integrated Approaches for the Use of Large Datasets to Identify Rational Therapies for the Treatment of Lung Cancers.生信新角度+实验 | Identification of lncRNAs associated with early stage breast cancer and their prognostic implications.生信+较多实验验证 | Mol Oncol | 5.264 |
总而言之，咱们医学相关的高分的生信SCI分为4类： 1．纯生信分析：一般为多肿瘤组学分析； 2．生信+较多实验：预后相关分子，验证功能和找到分子机制机制； 3．数据库类：处理公共数据库的数据，提供可以查询差异基因、功能解析、网络互作的功能（你可以1.0、2.0、3.0地去升级，多刷几篇文章）； 4．单细胞测序数据分析：聚类分析、PCA/t-SNE降维、细胞分群、等。 接下来就是大家最喜欢、性价比最高的1~5分生信类期刊的年度总结介绍： 杂志 | 2019发文数量 | IF因子 | Mol Med Rep | 15 | 1.9 | J Cell Biochem | 10 | 3.0 | Sci Rep | 9 | 4.0 | J Cell Physiol | 9 | 3.9 | Oncol Lett | 8 | 1.7 | Pathol Res Pract | 6 | 1.5 | Gene | 5 | 2.5 | PeerJ | 5 | 2.1 | Cancer Cell Int | 4 | 4.0 | Oncol Rep | 4 | 3.0 | Med Sci Monit | 4 | 1.9 | Mol Cancer Res | 3 | 4.6 | Cancer Epidemiol Biomarkers Prev | 3 | 4.6 | Front Oncol | 3 | 4.4 | Front Pharmacol | 3 | 3.8 | Int J Oncol | 3 | 3.3 | BMC Med Genomics | 3 | 3.3 | BMC Cancer | 3 | 3.3 | J Cancer | 3 | 3.2 | Biosci Rep | 3 | 2.9 | Int J Mol Med | 3 | 2.8 | BMC Bioinformatics | 3 | 2.2 | Medicine (Baltimore) | 3 | 2.0 | Cell Prolif | 2 | 4.9 | Front Genet | 2 | 4.2 | PLoS Comput Biol | 2 | 4.0 | Cancer Manag Res | 2 | 3.7 | Breast Cancer Res Treat | 2 | 3.6 | Biomed Pharmacother | 2 | 3.5 | IUBMB Life | 2 | 3.2 | Genes (Basel) | 2 | 3.2 | Exp Eye Res | 2 | 3.2 | Mol Genet Genomic Med | 2 | 2.7 |
这里面有多个杂志已被很多国内单位列入黑名单，请自己对照一下自己单位的“期刊黑名单”（当然也不要传谣），杂志敢不敢投毕竟还是要结合自己实际情况以及单位明文规定。 另外，再次提修改大家，6月份影响因子又要改变了，大家擦亮眼睛。 最后，1~5分文章的大部分套路都如下： 
多肿瘤类的文章无非就是在肿瘤类型、样本类型上、分子维度上叠加分析，以此类推，分数和工作量是成正比的。 另外2019年单细胞测序（single-cell sequencing）的文章发表也较多，单细胞测序数据挖掘、分子机制类的纯生信分析，我们团队都可以很好滴去实现。 
|
