不做实验发Nature Communications？机器学习与多组学新思路，特适合用来申报国自然~

文章预览

不是实验做不起，而是生信更有性价比。当前，机器学习与多组学分析相结合是生物信息学领域的热门趋势。要学，咱就学最新思路，合理应用这俩方法，机器学习能够极大地增强组学数据的分析能力，使其分析效果事半功倍。今天馆长就为大家带来了多组学的最新思路，轻轻松松拿下顶刊！让我们一起来看看Ta的过人之处吧！ 馆长为大家带来的就是发表在 《Nature Communications》 上的 “ Multi-omic lineage tracing predicts thetranscriptional,epigenetic and geneticdeterminants of cancer evolution ”。 1， 多组学整合测序+机器学习分析方法 ：方法简单，性价比高。作者用了单细胞多组学谱系追踪（Single-cell multi-omic lineage tracing）、单细胞RNA测序（Single-cell RNA-seq, scRNA-seq）、单细胞多组学分析（Single-cell multi-omics）、基因组条形码（Genetic barcodes）、染色质可及性测序（ATAC-seq） ………………………………