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