每周文献分享第一季完结撒花暨第65期分享

写在第一季结束时

2019年3月11日是一个特别的日子，那一天我们发布了 生信菜鸟团每周文献分享第1期，也意味着生信技能树语雀知识库平台正式上线。

今天，2020年6月20日，我们的每周文献分享已经陪大家度过了65周，或者，至少陪生信菜鸟团文献分享小组的几位成员真真切切的走过了65个周末。

如今我们的注意力过于稀缺，姑且不提坚持分享65周，坚持看一个东西能追65周都是很难想象的事情。

但是，我们做到了。

回头看，在过去65周的时间里，我们经历过拖沓，经历过催稿，每次感觉要断更的时候就会有给力的新成员加入。

在每周文献分享第一季结束之际，我们要特别感谢如下几位成员。

六六从文献分享的中后期开始，肩负起每周文档发布、排版以及公众号推送的任务。在这一年多的时间里，她经历了毕业出国，生活和工作的变动也没有让她停下分享的脚步。

lakeseefly目前在澳洲读博，从第一期文献分享至今，他的文献分享数量应该可以排进前三名，而且在大家有事的时候，都是他顶上保证正常推送。

冰糖、大吉、鲍志炜和Sunshine是最早参与到每周文献分享的几位作者，如果没有他们一开始的加入就不会有每周文献分享这个项目。

Christine，Forest_Lee，Resister 在中期加入进来，帮助我们平稳度过了一段时间的稿件危机；时间来到2020年，Robin，凌云月，郑磊，Nicker也陆续加入，让每周分享栏目得以顺利完成第一季目标。

当然，还有Jimmy，看文献是他的日常，每次推送难产他都可以神奇的加上几篇文献，为不断更做出了巨大贡献（其实更重要的是，他为参与文献分享的作者们提供了不少爱的鼓励与红包。撒花

最后，还要感谢订阅了文献分享语雀知识库的440位读者。即便语雀并不是一个大众平台，但你们的订阅和总计接近一万两千次的阅读，给了我们更新的巨大动力。

每周六的公众号文献推送并没有诞生什么爆款，不过稳定在1500到2000左右的阅读量也说明这个项目有了一批相对固定的读者，希望这65期文献分享能让你们有所收获，大感谢

送君千里，终有一别。

希望在文献阅读的这条路上，你已经养成了习惯，也期待你的分享。

陪伴，是最长情的告白。

我们的过往65期内容已经集结成册，在生信技能树官方语雀知识库正式开放，欢迎你随时来看看，更欢迎把它分享给你的朋友。

今天，第一季生信菜鸟团每周文献分享项目正式落幕，第二季就在不远处，我们会用更好的形式和方式回归。在接下来的一段时间，将会有一系列范癌TCGA专题文献分享在每周六和大家见面。

祝阅读愉快，一切顺利。

另外，来留言说说你和每周文献分享的故事吧！

每周文献分享项目发起人

思考问题的熊

2020年6月20日

语雀知识库地址（点击阅读原文亦可）

https://www.yuque.com/biotrainee/weeklypaper

供稿人：六六

一句话评价

人类肠道微生物组对药物代谢的个性化定位

文章信息

题目：Personalized Mapping of Drug Metabolism by the Human Gut Microbiome

杂志：Cell

时间：June 10, 2020

链接: DOI:https://doi.org/10.1016/j.cell.2020.05.001

figure

文章介绍：

人类肠道微生物群落拥有数百种具有不同生化能力的细菌物种。多种药物已经被证明可以被肠道微生物组的单个分离物代谢，但这种现象很少在微生物群落的背景下进行探索。基于此，作者开发了一个定量实验框架，用于绘制人类肠道微生物组代谢小分子药物的能力。微生物体衍生代谢筛选（Microbiome-Derived Metabolism (MDM)-Screen）。包括一个用于持续生长主体特异性肠道微生物群落的批量培养系统，一个体外药物代谢筛查，以及靶向和非靶向功能元组学筛查，以确定负责特定代谢事件的微生物组编码基因。此框架确定了个体之间不同的新型药物-微生物组相互作用，并展示了肠道微生物组如何用于药物开发和个性化医疗。

供稿人：曾健明

一句话评价

不同RNA-seq数据定量流程天然就有差异，我们要学会接受

文章信息

题目：Variability in estimated gene expression among commonly used RnA-seq pipelines

杂志：scientificreports

时间：Published: 17 February 2020

链接:https://www.nature.com/articles/s41598-020-59516-z

figure

文章介绍：

TCGA和GTEX是两个超级大的拥有RNA-seq数据的计划，其中TCGA涵盖33种癌症，超1万个样品，而GTEX也有500多个病人的50多种组织的近1万个样品数据。它们各自的发起单位对RNA-seq数据处理不一样，而且后续也有一些新的流程处理试图统一两个数据库的RNA-seq数据分析结果，比较出名的5个是：

• TOPMed pipeline (https://github.com/broadinstitute/gtex-pipeline)
• recount2 pipeline (https://jhubiostatistics.shinyapps.io/ recount/)

作者把这5个流程应用到TCGA和GTEX，得到10个不同组合的数据

• GDC (GDC-Xena/Toil, GDC-Piccolo, GDC-Recount2, GDC-MSKCC and GDC-MSKCC Batch).
• GTEx (GTEx-Xena/Toil, GTEx-Recount2, GTEx-MSKCC, GTEx-MSKCC Batch)

做了非常完善的比较，并且公布全部代码在：https://github.com/sonali-bioc/UncertaintyRNA