数据挖掘、生信、meta？临床医生如何选择

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。

 

文章剩余内容<<<<<