生信爱好者周刊（第 33 期）：科研与生活
本杂志开源（GitHub: ShixiangWang/weekly[1]）
封面图
via。
本周话题：科研与生活
在硕博期间，你可能感受不到这个话题的意义，但正式步入工作，全盘接触人类的生活，操心吃喝拉撒，生活是必然的，生活也是必须处理和面对的。如果选择科研，你会怎么样在你的科研职业生涯中处理你的生活？怎么摆放家庭的位置？
在这个话题链接的文章中有一段话印象深刻：“你有没有时间陪孩子家人和你做啥工作有多忙真没太大关系，关键是你有没有真正把孩子家人放第一位，舍不舍得把时间给他们。”我们从小学会了被爱，但你我也会学会爱人。
生信科技动态
1、Cell｜首次大规模高分辨率揭示从一个携带致癌突变的单细胞演变为侵袭性肿瘤的全过程
研究团队将基于单细胞RNA-seq的进化谱系示踪系统引入KP小鼠模型中，连续并全面监测了一个携带致癌突变的单细胞演变为侵袭性肿瘤的全过程，揭示罕见的亚克隆可以通过独特的转录程序驱动肿瘤扩张。此外，研究团队还发现肿瘤通过典型、独特的进化轨迹发展，干扰额外的肿瘤抑制因子可以加速肿瘤的进展。该研究以前所未有的规模和分辨率重建了从单一转化细胞到复杂、侵袭性肿瘤群体的肿瘤演化全过程。
2、Nature | 30种癌症2583个全基因组数据分析揭示染色体外DNA突变与10%癌症相关
研究团队分析了来自30种癌症的2500多个全基因组数据，绘制了已知聚集性体细胞突变最全面、最详细的图谱，揭示了ecDNA中APOBEC3的突变特征，这种此前未被发现的突变模式导致了约10%的人类癌症的发展。研究发现，kataegic事件中有76.1%表现出与激活诱导的脱氨酶（AID）和APOBEC3脱氨酶家族相关的突变模式。在31%的ecDNA样本中发现APOBEC3相关的kataegis事件和染色体外DNA（ecDNA）的共同出现，并将这种情况称为kyklonas事件。
3、NBT | 王军/陈义华组利用AI赋能微生物组功能大分子的高通量挖掘
研究人员整合了多种人工智能领域中自然语言分析（Natural Language Processing）的神经网络方法，以抗菌肽为第一个研究对象，在学习了现有的几千条抗菌肽序列以后，构建了准确率超过90%的抗菌肽预测方法，远远超出之前发表的基于氨基酸组成和性质进行抗菌肽判定的模型。
文章
总结了肿瘤克隆进化的不同模式，以及各个癌种现有进化模式的研究，整个系列都很值得一读。
@mugpeng贡献。
2、11类肿瘤抗原
本文总结了11类肿瘤抗原的产生及特点，希望能够对靶点研究、精准诊断、免疫治疗等提供帮助。
5、肿瘤微生物微环境
肿瘤微生物微环境在肿瘤免疫微环境中的作用是多方面的：可能作为免疫激活剂、抑制剂或旁观者。肿瘤微生物微环境调节肿瘤免疫微环境，使其成为改善免疫治疗的潜在靶点。这是一个面临重大挑战的新领域，值得进一步探索。
工具
1、SwiftBar - 强大的macOS菜单栏定制工具[4]
编写一个Shell脚本，然后添加到SwiftBar，你就可以拥有一个MacOS插件。
2、Proksee - 一个基因组组装、注释和可视化的专家系统[5]
可用于宏基因组分箱（binning）后获得的单菌草图的可视化（网页版仅支持fasta格式核酸序列，暂不支持注释后faa或gff3结果的可视化。可选择linux版本，支持conda安装：https://anaconda.org/bioconda/proksee，支持从头组装和注释）。
@15521271731贡献。
3、charpente - 无缝设计健壮的Shiny扩展[6]
4、plottify - 一个简单的matplotlib包装器，自动缩放字体大小、散点大小和行宽度，使其与图形大小成比例[7]
5、janitor - R中简单的数据清理工具[8]
Janitor具有简单的检查和清理脏数据的功能。它是为初级和中级R用户构建的，并针对用户友好性进行了优化。高级R用户已经可以完成这里所涉及的一切，但是使用janitor他们可以更快地完成，并把他们的想法留给有趣的东西。
主要功能：
- 完美格式化data.frame列名；
- 创建一个、两个或三个变量的频率表并将其格式化；
- 提供其他工具来清理和检查data.frame
资源
1、A profile of differential DNA methylation in sporadic human prion disease blood: precedent, implications and clinical promise[9]
2019-伦敦大学博士论文，全方位详细阐述甲基化内容，包含复现代码。
@ylchenchen贡献。
2、Unraveling population heterogeneity using single-cell analysis[10]
2022-华盛顿大学博士论文，单细胞分类算法的介绍。
@ylchenchen贡献。
3、医学数据科学课程[11]
非常棒的基于Rmd 的公开课程资料，从推断假设，数据分布，批次处理，以及基因组数据的处理。
@mugpeng贡献。
参考资料
[1]
ShixiangWang/weekly: https://github.com/ShixiangWang/weekly
[2]
「生信周刊讨论区（语雀）」: https://www.yuque.com/shixiangwang/bioinfo
[3]
「生信讨论区（Gitter）」: https://gitter.im/ShixiangWang/community
[4]
SwiftBar - 强大的macOS菜单栏定制工具: https://github.com/swiftbar/SwiftBar
[5]
Proksee - 一个基因组组装、注释和可视化的专家系统: https://proksee.ca/
[6]
charpente - 无缝设计健壮的Shiny扩展: https://github.com/RinteRface/charpente
[7]
plottify - 一个简单的matplotlib包装器，自动缩放字体大小、散点大小和行宽度，使其与图形大小成比例: https://github.com/andrewcharlesjones/plottify
[8]
janitor - R中简单的数据清理工具: https://github.com/sfirke/janitor
[9]
A profile of differential DNA methylation in sporadic human prion disease blood: precedent, implications and clinical promise: https://discovery.ucl.ac.uk/id/eprint/10082183/1/THESIS%20%28FINAL%20CORRECTED%20DRAFT%29.pdf
[10]
Unraveling population heterogeneity using single-cell analysis: https://openscholarship.wustl.edu/cgi/viewcontent.cgi?article=3712&context=art_sci_etds
[11]
医学数据科学课程: http://genomicsclass.github.io/book/