0105BA_meta分析的选题写作与投稿__meta 老手也常犯的选题误区zzb (2).doc

高分meta分析的选题、写作与投稿 第一章 高分 meta 的第一要素： 找对选题 孙敏 谷万杰 PART 05 meta 老手也常犯的选题误区 低分逃不掉，如何破瓶颈 ︳选题导向的困惑和误区 CONTENT 02 ︳ 数据优先的困惑和误区 03 ︳ 高大全的困惑和误区 选题导向的困惑和误区 兴趣导向 临床导向 Meta分析 热点导向 数据导向 年轻学者的选题困惑：科研随兴趣，还是跟热点 ? 疑问的根源 兴趣导向 1. 疑问的根源：学术评价都是以论文的 影响因子（有的说点数，有的说分 数，都是指期刊的IF值）为主要指 临床导向 热点导向 标，甚至是唯一指标 Meta分析 2. IF决定命运：学术论文的IF值高，晋 升、评奖、申请课题、各种人才计 划，甚至研究生的国奖评审和工作应 聘等，都会很顺利。IF低，举步维艰 数据导向 3. IF>5：国家自然科学基金申请要求 IF>5分的文章 年轻学者的选题困惑：科研随兴趣，还是跟热点 兴趣导向 ? 热点 vs 兴趣 1. 经典和时尚：不同的领域学术期刊的 IF是不同的，学术研究也有传统和时 临床导向 热点导向 尚之别 Meta分析 热点IF高：时髦的热点领域，从事研 2. 究的人多，引用率也就高，传统经典 的学科，情况就相反 数据导向 3. 喜欢即幸运：从学术追求上，理应随 自己的内心，追求自己的学术兴趣 年轻学者的选题困惑：科研随兴趣，还是跟热点 兴趣导向 ? 理想 vs 现实 1. 理想是丰满的，现实是残酷的 临床导向 热点导向 2. 年轻学者首先要在学术界站住脚，立稳脚跟 Meta分析 3. 研究生也要顺利毕业，需要找到一个好工作 4. 有时候还需要面对现实，需要追求热点、追 数据导向 击关键点 5. 仰望星空，脚踏实地 终极导向：自己兴趣+当前热点 我的例子:肠癌芯片meta流程图 确定研究对象 结直肠癌（tumor vs normal） 正常组织vs腺瘤 结直肠癌vs淋巴转移 结直肠癌vs肝转移 数据收集整理 GCBI（tumor vs normal）GEOArrayExpress TCGA 排除 可能合格的芯片 制定纳入及排除标准 矩阵数据应用per或者DAVID进行注释 阅读分组信息和注释信息 分组是否正确，纳入合适的分组（3组->2组） 芯片数据应用arraytools进行注释 排除 信息不全 合格者纳入 样本量（>30），芯片类型（agilent， affymetrix 平台） Meta分析找到差异基因 排除 病毒、 统一miRNA命名 无名miRNA  WGCNA网络分析 功能富集 诊断分析 预后分析 分期差异 亚型 转移差异 趋势分析 差异分析 Tumor vs normal 淋巴结转移 肝转移 分期 终极导向：自己兴趣+当前热点 普通meta收集数据具体步骤 建立数据库 芯片meta收集数据具体步骤 1. 文献的基本信息 1. GSE和ArrayExpress编号 2. 芯片的类型和方法学特征 2. 芯片的类型和分组特征 3. 研究对象特征 3. 样本特征和基因表达值 干预措施和结局测量指标(临床数据） 4. 临床数据：诊断、预后、分期差异模型 5. 结果测量: 主要结局、次要结局 5. 结果可视化：GO富集分析、KEGG功能、 共表达网络、趋势分析，亚型分析， 预后分析、诊断模型（临床结局） 终极导向：自己兴趣+当前热点 Hub miRNA森林图 体内、体外实验验证 组织样本、细胞 miRNA & 靶基因 靶基因及rescue 周期、凋亡、侵袭、转移、增殖、克隆、划痕 靶基因 表达、免疫组化、免疫荧光定位 meta 老手也会遇到的新问题：数据导向，还是临床导向 兴趣导向 临床导向 Meta分析 热点导向 数据导向 --感谢谷万杰老师指点  单纯数据导向形成的误区 only合并：单纯合并，没有其他 回头看：先看数据结果，回头看能得出什么结论 做的比较浅：单纯利用数据，数据挖掘不充分 没有亮点：没有找到好的突破点让人眼前一亮 脱离临床：不能从临床角度解读挖掘数据 没有方向感：不懂得如何解读数据、挖掘数据 meta 老手也会遇到的新问题：数据导向，还是临床导向 兴趣导向 临床导向 Meta分析 热点导向 数据导向 --感谢谷万杰老师指点  单纯临床导向形成的误区 只看到问题：满眼都是问题，无法剥离出来 盲目自信，相信经验：收集数据、挖掘数据不重要 临床问题太大：单纯meta分析的数据无法回 答 陷入临床：无法收集和分析数据 找不到突破点切入口：从复杂的问题中找到自己能解决的问题（支点），撬动所有问题 不灵活：不会改变临床角度，科学寻找数据 meta 老手也会遇到的新问题：数据导向，