单细胞技术把组学拉到了前所未有的分辨率之下，再一次让我们看到了组学的希望，也带来了新的挑战。新形势下，我们如何应用生物信息学手段挖掘组学数据呢？这一思考无疑是有意义的，于是，按照惯例，我们需要找到引领我们思考的读物——《组学数据生物信息学》。
看这目录，肯定是值得一读的了，标准的NGS教科书。买来一看，才知道，除了封面、目录和前言剩下的都是英文的。考验阅读理解的时候到了。
谈谈总的感受吧：
NGS的最明显的特点是数据通量大，产生的速度快。带来的一个挑战就是数据解释速度跟不上，所以在NGS的数据分析中一个主要的工作就是：注释（annotation）。基因需要注释，蛋白需要注释，OTU需要注释；CellType需要注释。。。注释的工作是从数据到信息，也就是翻译成人能读懂的信息。数据还有几个特点：
- 数据库化
- 数据结构标准
- 数据管理
- 分享数据
这些在传统的科研范式下是很少同时面对的。
数据的通量高，相应的信息也比较复杂，呈现出网络结构。信息又有：
- 网络化
- 在线信息与本地信息
- 相关性（关联）
- 复杂
- 共享
我们看到信息的结构不是单一的、线性的，而是呈网状。这也许是一件好事，但更多的是带来困惑。在我们不知道的时候，我们渴望知道更多，当我们知道一点，就会引发一连串的想象。
信息太多，我们需要组织起来，形成有规律的知识。当然知识和信息并没有明确的概念，对A来说是信息，对B来说可能是就知识。这里，知识，有点像我们说的生物学背景。一般是通路，（基因，蛋白等）调节信息，在NGS的分析中，往往对应一个基因集（GeneList）。在数据挖掘的过程中，我们用各种手段找到基因集，接下来的主要任务是找到这个基因集的生物学意义。这些目前也大部分组织起来了，如GO，KEGG这样的数据库。
我们看到，在这里数据分析是DB2DB的，即，数据库到数据库的数据挖掘：从数据库里面抓一些数据，再从数据库里面抓一些注释，分析一波之后，再往数据库里面上传一些数据，再丰富一下注释数据库。如，在单细胞数据分析中，我们有一下模式（不失一般地）：
An era of single-cell genomics consortia
组学中另一个核心是：整合。整合不同模态的数据，RNA，DNA，ATAC，膜蛋白，TF。在历史上，整合有过和不同的名字：联合分析、关联分析，预测分析。。。
这当然是个新的机会，使得我们可以更全面地观察生物学现象，但是这也是一个新的挑战。虽然我们已经知道生命的基本化学过程：中心法则。然而，我们知道这距离显示具体情况还很遥远，一个基因组水平的代谢网络，目前我们也只能给出概念图。
Integration of Genome Scale Metabolic Networks and Gene Regulation of Metabolic Enzymes With Physiologically Based Pharmacokinetics
阅读本书的第三点感受是：知识就像珠穆朗峰，要抵达那里，不仅需要顽强的意志，也需要精良的装备。这里说的当然是算法了。随着知识结构的复杂，紧靠可视化来看是不够的的，也是看不过来的。如何发现信息背后的知识？如何寻找新的靶标？如何验证？知识的发现之旅，何其迷人。有时候竟然有一种，前不见古人，后不见来者，念天地之悠悠的悲怆。也会有空山不见人但闻人语响的欣喜。
以颤抖之躯追赶，怀敬畏之心挑战。
----《棋魂》
https://book.douban.com/subject/20423280/
https://www.nature.com/articles/s12276-020-0409-x
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5702902/
网友评论