那么,没有自己的数据,我们应该怎么办?
首先,下列宝典,仅仅是权宜之计,大家决不能因噎废食。因为对于科研工作,以至于将来的学位、基金申请而言,自己的课题和论文才是王道。
这些大法,主要是针对一些没有机会拥有自己的数据,但是又着急毕业或者找工作、读博等的小伙伴。
方法一:公开数据库
发表类型:论文
优点:认可度较高,除某些特殊需求外不需要学习特定软件。
缺点:病种有限
温馨提示:需要提交申请,平台进行审核,不过一般难度不大。
国际上有很多公开的数据库,我知道的就有精神科自闭症的 ABIDE 数据库(Autism Brain Imaging Data Exchange)、神经科帕金森病 PPMI 数据库(parkinson's progression markers initiative)、重症医学的 MIMIC 库( Medical Information Mart for Intensive Care)、肿瘤学的 SEER 数据库(Surveillance, Epidemiology, and End Results)等,它们都有临床特征、诊疗信息、影像和实验室数据,有的甚至还有病理结果。
操作方法:
我们只需要按照数据库的要求提交申请,就可以下载相应的数据,进一步完成我们自己的实验设计和统计分析了。大样本的数据能够帮我们获得更加可靠的结论,同时也能提高文章的档次。
除了数据是已经收集好的以外,临床思路和后续的统计分析都是我们自己完成的,所以认可度很不错哦。不过,遗憾的是目前相关的数据库并不是很多。
图片来源:ABIDE数据库
方法二:生物信息学分析
发表类型:论文
优点:认可度一般,可以进行后续研究,对病种限制较小。
缺点:需要学习相关软件,学习成本较高。
温馨提示:统计学和计算机编程相关基础不太好的小伙伴,建议谨慎考虑,有时一个报错就能把你找废。
以基础研究为主,或者所研究的疾病并没有相关数据库的小伙伴也不用着急,生物信息学分析也许能够在一定程度上帮助你们解决这个问题。
生物信息学是在生命科学的研究中,以计算机为工具对生物信息进行储存、检索和分析的科学。其研究重点主要体现在基因组学(Genomics)和蛋白质组学(Proteomics)两方面,具体来说就是从核酸和蛋白质序列出发,分析序列中表达的结构功能的生物信息。