发布时间：
这个要自己想清楚了，本人是10年生物学研究生毕业，感觉工作不是很好找。如果是大学老师的话，一般需要时博士在读或者毕业，而且据我所知待遇也不怎么高，我的导师也就3000多吧，我们是211工程学校，可能学校不同情况也不一样。说实话考研不难考，只要你英语过线，考博比考研还简单，就是传说中的好进不好毕业，毕业需要发表论文，硕士一篇，博士三篇，好的学校对论文的质量还有具体要求。个人认为要是你刚开始当老师的话，还是踏实的干段时间，考研没有你想象的那么有用，特别是生物。当然，这个还是要你自己决定。
我们都知道在科研论文中有两大类：一类是研究型论文；另一类是综述型论文。其中，前者主要是以研究为主的行文思路，根据研究发现的不同发表在不同级别的杂志上；而后者多是本身没有新的研究发现，主要是对前人的研究结果进行评价综述。然而，这两种分类都是针对以实验为主论文分类，那么这两年生信为主的文章发文量逐年增加，是否也有这样的分类呢？ Immugent今天就来解读特别的一类生信文章，姑且把它称为“生信综述”吧，因为我人微言轻，并不会我把它叫什么，以后都是这种叫法，就不绞尽脑汁想这个名字了。 这类“生信综述”文章已经有很多年的发展史了，主要都是围绕对各种火爆一时(引领科研)的重大技术来展开，比如近些年火热的单细胞测序技术。那么今天我就来以单细胞测序为主题，来解读一下如何利用此类思路发表高分文章，注意全都是一分钱没花的那种！ 我先讲的第一篇是2021年发表在J Am Soc Nephrol（IF:10.12）的篇名为“How to Get Started with Single Cell RNA Sequencing Data Analysis”的文章。好吧，看了一下日历，今年已经2022年了，就不吐槽这个文章时效性的问题了。但全文真的很简单，就是介绍了一下单细胞测序数据分析的基本流程。 来看看它的摘要：在过去的5年里，单细胞方法已经能够在一个实验中监测数千个单个细胞的基因和蛋白质表达、遗传和表观遗传变化。随着测量方法的改进以及反应和测序成本的降低，这些数据集的大小正在迅速增加。关键的瓶颈仍然是对单细胞实验产生的丰富信息的分析。在这篇综述中，我们对分析管道进行了一个简化的概述，因为它们通常在该领域中使用。我们的目标是使研究人员开始单细胞分析，以获得挑战和最常用的分析工具的概述。此外，我们希望能够帮助其他人了解单细胞数据集的典型读数在已发表的文献中是如何呈现的。好吧，确实是一篇综述！ 全文虽然有7副图，但大多都是那种最基础的绘图，想必大家都会。但是这里Immugent想说的是这篇文章虽然是综述类，但其实比真正的综述好写多了。类比这篇文章，等到下一次再出现类似于单细胞测序这种现象级技术，是不是有的小伙伴也整一篇类似的呢！ 接下来要讲的第二篇是2020年发表在Comput Struct Biotechnol J （IF:7.27）的篇名为“Benchmarking algorithms for pathway activity transformation of single-cell RNA-seq data”的文章。这类文章就比上一类有些技术含量了，起码像综述的感觉了！ 就像这篇是总结了对单细胞数据进行通路评分的各种算法，并使用已经发表的数据对各类算法的优缺点进行了比较，并在最后给出了自己的见解。嗯，怎么说呢！还是比一般的综述好写一点，比纯算法开发类文章好开发一些。那么如果这类算法在不久的将来出现了更多，那么是不是就科研考虑写一个更新版的呢？ 接下来要讲的第三篇是2021年发表在Genome Biol（IF:13.58）的篇名为“Over 1000 tools reveal trends in the singlecell RNA-seq analysis landscape”的文章。这个文章作为汇总类综述，真的不是吹的了，一篇文章总结了1000+种分析单细胞数据的工具，我对这个作者也是膜拜之至。 并且作者还开发了一个网站： ，并这个网站收录的工具还会一直更新，这真是圈内的劳模啊。 这类文章虽然需要耗费一些时间，但思路还是很简洁的，但是主要是得掌握住时效性，而且最好是自己研究的领域，那样能提出自己的一些思考，就能给文章增色不少。 第四篇是2020年，同样发表在Genome Biol（IF:13.58）的篇名为“A benchmark of batch-effect correction methods for single-cell RNA sequencing data”的文章。作者对当时存在的14种对不同来源的单细胞数据进行去批次处理的算法进行比较，深入揭示它们之间的优缺点和功能表现。 全文的图做的都是很精美的，而且从数据处理的效果来看，这应该是一个大型生信实验室的作品。建议大家有时间都读一下这篇文章，将会有助于以后在处理不同来源的单细胞数据时选择最合适的算法。 放在最后一篇的文章当然是压轴出场了，那就是在2019年发表在Nat Biotechnol（IF:54.91）杂志上，篇名为“A comparison of single-cell trajectory inference methods”的文章。对来自数千个单细胞的全基因组组学数据进行轨迹分析，目前已有很多算法来推断这些细胞沿着发展轨迹的分布。基于这些结果，作者开发了一套指导方针，以帮助用户为他们的数据集选择最佳的方法。 事实上，虽然到目前已经开发了70多种推断单细胞轨迹的工具，但比较它们的性能是具有挑战性的，因为它们需要的输入和产生的输出模型差异很大。在这篇文章中，作者在110个真实数据集和229个合成数据集上对其中的45种方法进行了基准测试，以了解细胞排序、拓扑结构、可伸缩性和可用性。结果表明了现有的一些工具之间的互补性，方法的选择应该主要取决于数据集的维度和轨迹拓扑。 最后，作者还免费提供了多种单细胞数据轨迹分析的评估网站( )，这将有助于开发更多轨迹分析的工具，用于探索日益庞大和复杂的单细胞数据集。对于这篇文章，我不做过多评述，只想着大家有时间都要去读一下，其中无论是对数据的处理还是对结果的讨论上都是前面文章无法媲美的,是难得的优质文章。 如今科技发展日新月异，在21世纪做出有价值的科研成果往往缺的不是技术，而是对热点的灵敏嗅觉以及对时局的掌控。张泽民，汤富酬，郭国骥老师均是凭借单细胞测序技术跻身世界一流领域的科学家，就是因为他们把控住了时局。 同样的，上述几类“生信综述”的着力点均是当时迫切需要解决的单细胞测序技术热点问题，才得以不花费半毛钱发表一系列高分文章。而且，因为是热点科学问题，这些文章截止到目前的引用率都很高，后面肯定还会持续升高。如果说单细胞测序是一个制高点，倒不如说是起点，因为此类技术在未来还会有很多，希望本篇推文能给大家带来一些思考，欢迎有推荐类似生信文章的小伙伴通过后台与我们联系。
生信分析论文写法如下：
这次我们来讲解的这边文献是 2019-10-12 发表的 OTT 杂志上的一篇生信加少量实验验证的文章。实话实说，目前对于生信最最最基本的，如果没有实验验证还是不好发文章的。所以一般都会加一些实验验证的。
这个文章的主要流程是个这样的:这里我们就基于文童的材料方法来说一下具体的内容:公共数据获取：当中关于公共数据获取部分提到了这些东西。使用了 GEO 数据库来进行候选数据筛选。
这 GEO 里面找到了三个芯片，其中描述了这三个芯片的平台。差异表达分析：作者使用了 GEO2R 来进行数据的筛选。富集分析：接着作者对差异表达的基因进行了富集分析，其中包括 GO 分析和 KEGG 分析。
作者使用的富集分析的软件是 DAVID，这个软件我们也吐槽过说，更新不及时，是很好用，所以推荐是 WebSestalt 富集分析软件，或者 clusterprofiler。蛋白相互作用分析：5TCGA 数据库验证再往下作者做的其实是 TCGA 的数据库验证，但是在材料方法里面没写。我们可以在结果当中具体的过程。
对于肿瘤研究，现在如果只是用 GEO 数据集分析，不用 TCGA 再看一下的话，都觉得不好意思，所以一般的肿瘤研究可能都会用到 TCGA 的验证的。其目的也就类似于多加了一个数据集来增加结果准确性。但是对于 TCGA 有些肿瘤正常样本很少。分析的结果可能偏差更大。文章使用的 GEPIA 的数据库。这个数据库对于查询 TCGA 表达结果还是很好用的，简单上手。
核心基因甲基化相关分析：在核心基因选择之后，利用了 TCGA 的甲基化数据MEXPRESS 来查看基因的田基化水平有没有变化。由于版本的更新。现在的这个数据库的 2.0 版本的结果会比之前的更加详细一些。
昨天分享了一些会接收纯生信的 2区SCI期刊 ，然后在微信公众号后台有粉丝留言想看对纯生信友好的 3区SCI期刊 ，现在我就整理一些对纯生信友好的3区SCI期刊。 对纯生信友好的3区SCI期刊： 1、Frontiers in Oncology 影响因子：4.8 审稿周期：2-4个月不等（ 审稿周期偏短 ） OA期刊：需要收取版面费 难度：**（ 相对比较容易，现在需要补一个PCR或者WB比较好发，完全纯的主编不感兴趣了 ） 不在中科院《国际期刊预警名单（试行）》名单（ 2021年1月发布版）上 2、Aging-US 影响因子：4.8 审稿周期：4-8个月不等（ 审稿周期比较长 ） OA期刊：需要收取版面费 难度：**（ 比较容易，基本上阳性结果好的都接收 ） 在中科院《国际期刊预警名单（试行）》名单（ 2021年1月发布版）上： 预警等级：中 3、International Journal of Molecular Sciences 影响因子：4.5 审稿周期：1个月左右（ 审稿周期非常短，审稿速度快 ） OA期刊：需要收取版面费 难度：****（ 相对比较难 ） 不在中科院《国际期刊预警名单（试行）》名单（ 2021年1月发布版）上 4、JOURNAL OF CELLULAR BIOCHEMISTRY 影响因子：4.2 审稿周期：2-3个月（ 审稿周期偏短 ） 非OA期刊：不需要收取版面费 难度：***（ 有点偏难 ） 在中科院《国际期刊预警名单（试行）》名单（ 2021年1月发布版）上： 预警等级：高 5、Cancer Cell International 影响因子：4.1 审稿周期：5-8个月左右（ 审稿周期较长，审稿速度较慢 ） OA期刊：需要收取版面费 难度：**（ 相对比较容易 ） 不在中科院《国际期刊预警名单（试行）》名单（ 2021年1月发布版）上
在正常的情况下，很多人普遍认为SCI期刊的影响因子越低，就越好投，就是容易发表。一般情况下，这样的思维和想法都是对的。但是对于一些特殊类的文章，这种想法是行不通的，例如纯生信（没有补任何实验的）。 现在做纯生信的人非常多，竞争很大，特别是比较旧的分析套路，一般都是比较难发表。为什么比较旧的纯生信分析套路难发？原因就是在于成本低，可能随便在网上都能找到免费的资源， 所以基本上人人都可以做，文章特别容易弄出来。做的人多了，文章自然就多，但是期刊的版面是有限的，即使这本期刊再怎么水，也不可能把所有文章都接收出版。 有的人是这样想的：虽然自己的文章没有什么创新，3分以上的期刊发不了，3分以下的期刊总可以投吧，不行的话，1分的期刊也可以考虑。最怕就是有无数的人都是这样想的，结果造成扎堆投稿，拒稿率自然就大。 之前有朋友的纯生信文章总挑影响因子低的投稿，首先是投了 Med Sci Monit （IF：2.649，6月份之前是1点多的），结果被秒拒了，然后再投 Bioengineered （IF：3.269，6月份之前是2点多的），还是被秒拒。 后面有一次偶然的机会，被人鼓励投了一本接近5分的期刊，结果小修之后就被接收出版 。 Med Sci Monit 、 Bioengineered 的影响因子不高，为啥这么难投？ 原因很简单，人家对纯生信极度友好， 但是就是太出名了，造成扎堆投稿，期刊主编没有办法筛选稿件送审了，只能通过补实验来过滤。 有些高分一点的期刊反而还比较容易投，原因也很好理解， 人家愿意接收纯生信，而且投稿的人不多，命中的机会自然就多 。 总结 纯生信投稿的秘诀： 先搜索一下自己的文章，检查是否有类似文章发表，自己的文章是不是热点套路，是否抓住机会，再来决定期刊的影响因子。 出名的期刊尽量不投，不管其影响因子高不高 ， 因为扎堆投稿的拒稿率从来都不低。
Medicine。Medicine这本期刊虽然好投，接收率极高，发文量极大，一年发文量达到5000多，是其他期刊几十倍甚至上百倍，愿意接收海量的纯生信数据挖掘和meta分析类文章。但是这本期刊的最重要缺点就是被一些单位科室拉黑了，也就是发表在该期刊上的文章不能用来评职称、毕业、不予经费支持，同时这本期刊还在预警期刊的名单上，处于高度预警等级，有很大被踢出SCI的风险。
不知道大家是否记得之前100多篇SCI论文大规模撤稿事件，这些作者基本都是国内临床医生、研究人员，撤稿的主要原因是伪造审稿人。 什么是伪造审稿人？ 在大规模撤稿事件之前，很多期刊都是在投稿的时候要求作者推荐1-3位审稿人，需要填写审稿人的姓名、单位、邮箱等资料。 其中，填写邮箱的时候就会存在漏洞，有些聪明的人就会抓住这个漏洞填写自己的邮箱，如果期刊主编发邮件来邀请审稿就变成自己评审自己的论文，自己评审自己的文章，结果肯定是接收出版的 。 发现这件事之后，很多期刊不再让投稿作者推荐审稿人了，因为很多期刊都知道这些漏洞，被作者搞一出伪造审稿人的事情出来。不过，现在有些期刊仍然会存在让作者推荐审稿人。 前几天就有人说：纯生信投稿时，期刊主编让推荐审稿人，不知怎么办？有些人第一时间就是想到自己的培训老师、外包公司的人等熟悉的人，这些肯定不行的，存在合作关系，非常容易被认为是伪造审稿人，一般这些培训老师是不愿意的，都是为了大家好 。 有些新手说既然不能找这些熟人，怎么样找审稿人呢？例如你写了纯生信投稿，你应该找一些相关发表了纯生信SCI论文的通讯作者，特别是国外的会好一些。有些期刊为了避免嫌疑，只能会让你推荐国外的审稿人。 不过，你推荐的审稿人一般期刊主编都不会用的，除非他们真的找不到人审稿才会使用，总的来说使用到的机会非常渺茫（自从发生因伪造审稿人大规模撤稿事件） 。
生物类的，医学类的期刊都可以发啊
哪些论文可以发表在期刊生物信息学上如微生物高效菌能够将氰化物(氰化钾、氰氢酸、氰化亚铜等)分解成二氧化碳和氨；利用专门分解硫化物的微生物可以从废水中回收硫磺；利用能够降解石油烃的超级菌以清除油对水质的污染等。还可以将大量的微生物高效菌凝聚在泥粒上形成活性污泥，用来分解和吸附废水中的有毒物质，污水净化后沉积的污泥中存在丰富的氮、磷、钾等元素，是很好的有机肥料。3、大气污染的生物处理随着现代工、农业的发展，大量有毒、有害气体被排出，严重污染环境。
生物类的呗，医学类的呗，都是可以的，还可以看下在生物医学期刊上
生物信息学PLoS计算生物学BMC生物信息学三个比较有名的和专门的生物信息学期刊。一些知名的，但没有具体的生物信息学，只是很多bioinfo被发送到了上面。核酸研究基因组生物学基因组研究BMC基因组学BMC系统生物学BMC结构生物学蛋白结构，功能和生物信息学。分子系统生物学片刻我能想到的也有几个。有很多不太出名的（影响因子）未列出
Bio informatics是作为生物信息学最重要的专门期刊了。2012年度IF=5.468 另外还有Briefings in Bio informatics，这个杂志每年的发稿量少，最近几年IF波动很大，第一年24+，后来到9+，2012年度IF=5.202。 稍次一点的杂志，如BMC Bio informatics，也是生物信息学的专刊。2012年度IF=3.447 对于计算向的生物信息学，PLOS Computational Biology是一个很好的期刊。2012年度IF=5.215 除此之外，Nature Method，也会有生物信息学相关的方法发表。2012年度IF=19.276。PLOS Biology也是很好的杂志，2012年度IF=11.452。PLOS One也会经常有生物信息学文章，但被批灌水太多，算不得牛刊，2012年度IF=4.092。生物信息学相关的文章不一定要发到专门的生物信息学杂志，因为生物信息学作为一个工具，已经融入到很多生物问题的研究中，而不仅仅是一门孤立的学科了。
不知道有多少研究生遇到过这种情况：为了毕业，一年时间内需要一篇1-2分SCI；或者临床医生、研究人员为了评职称，半年或者一年内需要一篇或者几篇SCI。如果遇到上面这些情况，自己内心肯定非常着急，可能每天都会因为SCI的事情而感到烦恼，因为在这么短的时间内完成任务，实在是太难了。 因此，很多着急需要SCI毕业的朋友，需要一些接收生信类文章比较快的期刊，下面这三个期刊是很多粉丝朋友认为是接收生信非常快的期刊： 1、 Med Sci Monit （ 影响因子：1.9，OA期刊需要版面费，审稿周期1-3个月，有朋友试过两个星期内就接收了，发文量非常大，大量接收纯生信数据挖掘类文章 ） 期刊官网： 2、 Bioscience Reports （ 影响因子：2.9，OA期刊需要版面费，审稿周期1-3个月，发文量非常大，大量接收纯生信数据挖掘类文章 ） 期刊官网： 3、 Journal of Cellular and Molecular Medicine （ 影响因子：4.48，OA期刊需要版面费，审稿周期1-3个月，发文量较大，大量接收生信+实验类文章 ） 期刊官网： 注意：个别少数非常牛的单位可能会不予支持与鼓励发表论文在上面的期刊，单位制度不同不能一概而论，所以在发文章之前需要问清楚相关的导师或者领导、负责人。 也许很多人会说上面这些期刊就是“水刊”或者“神刊”，专门用于灌水的，不过不知道你们有没有想过这些等着SCI毕业的研究生或者评职称的医生朋友，他们是非常着急的，不然之前的努力就会白白浪费。在这么短时间内完成任务，没有这些所谓OA期刊，更加难上加难。 很多专业非OA期刊都是有固定发文量的，版面非常有限，竞争非常激烈，即使是文章已经被接收，有些还要等上大半年才能见刊。可想而知，在这么短时间内，投非OA期刊是多么的难，甚至可以说是难于登天。
影响因子（Impact Factor，IF），是汤森路透（Thomson Reuters）出品的期刊引证报告（Journal Citation Reports，JCR）中的一项数据， 即某期刊前两年发表的论文在该报告年份（JCR year）中被引用总次数除以该期刊在这两年内发表的论文总数。期刊的影响因子在每年都会有一定水平的上下浮动。 影响因子现已成为国际上通用的期刊评价指标，它不仅是一种测度期刊有用性和显示度的指标，而且也是测度期刊的学术水平，乃至论文质量的重要指标。 为了方便广大科研工作者查询期刊影响因子，针对性地投递文章，我特意搜集了2011年~2016年JCR收录共计11,834种期刊的影响因子，并精选 生信领域 的53个常见期刊进行简要分析。 以下将这53个常见期刊分为3个梯队，并给出历年影响因子及走势分析。 第一梯队 7个影响因子≥20的期刊（20分左右的期刊比较少见，可惜的是2016年NATURE GENETICS降到了30以下）。NBT和SCIENCE一直是质量的担当，近年来影响影子一直是稳步上升。NATURE GENETICS作为遗传学中的重磅期刊，近年来影响因子总体呈现下降的趋势。也许是测序技术的发展导致类似文章过多，因此在测序数据量膨胀的今天，数据的深度挖掘显得更为重要。 第二梯队 24个影响因子5~15的期刊。此范围内的期刊有潜力的更多一些。其中最为强劲的当属CELL RESEARCH，历经5年的时间，影响因子几乎翻倍。除此之外，Nature Communications和NUCLEIC ACIDS RESEARCH的表现也是相当亮眼，尤其是NC，2016年已经突破了12分。最出乎意料的就是进化中经典期刊MOLECULAR BIOLOGY AND EVOLUTION了，2016年已经直奔6了，相比较于2015年断崖式降到了一半。 第三梯队 22个影响因子2~5的期刊。低分的期刊维持影响因子似乎是更难的一件事情，其中有6个是逐年下降的趋势。尤其是PloS One逐年呈现的更是稳定的下降，2016年已将到了3以下，相比较2011年跌至了6.8成，虽然BMC MOLECULAR BIOLOGY在2014年和2015年有些上升，但是2016年的数据也是没有止住整体下降的颓势。