如果你目前的学习或者工作和「肿瘤研究」相关，面对日新月异的研究进展，想必总会在实际工作开会或者看文献的时候发现各种奇奇怪怪的基因和名次。问同事，有点不好意思，鼓起勇气问了很可能就也记不住。（好吧以上都是我目前的现状）。

基于以上原因，借助 Google CSE 的羊毛，我就整了这么一个叫做 OncoSearch 的小工具。开发成本可以说是没有，但着实解决了自己现在非常棘手的问题，于是也推荐给可能需要的你。

不出意外，很可能你将「重做新人」看成了「重新做人」，然后一脸问号的点进来。

前几天读到一篇英文博客深以为然，所以翻译一下和大家分享。以下24个提示不仅适用于生物信息而是适用于所有科学研究，看似简单但需要我们时刻留心。

刊首语

这周的刊首语随便聊聊几个工具。

刊首语

本周想分享一个「汉隆剃刀」经验法则：能解释为愚蠢的，就不要解释为恶意。

刊首语

本周把自己一年多没更新的个人公众号(思考问题的熊)更新了一次，结果很快就有了五十多条留言。
很多人都在反馈自己过去三四年发生和经历的事情，很神奇的感受，看似没有交集但是却也没有断了联系。

是的，你可能会好奇什么是学习素材共享小组，以及 1.0 版本去哪里了。

文章信息

Van den Berge, Koen, Katharina M. Hembach, Charlotte Soneson, Simone Tiberi, Lieven Clement, Michael I. Love, Rob Patro, and Mark D. Robinson. 2019. “RNA Sequencing Data: Hitchhiker’s Guide to Expression Analysis.” Annual Review of Biomedical Data Science 2 (1): 139–73. https://doi.org/10.1146/annurev-biodatasci-072018-021255.

太长不看版本

DESeq 最新版本（v1.25.9）针对大样本分析的速度和之前相比有了质的飞越，果子老师的 1215 个 TCGA 样本差异分析时间从 1200 分钟缩短到单线程 20 分钟，使用多线程的情况下最快 6 分钟搞定。

生物信息涉及到的工具方法过于庞杂，很多时候接触到一个新的内容总是不知该去哪里找相关的工具，还有很多时候找到的工具太多又不知道该用哪个。之前写过两篇文章 66 种测序数据分析方法和流程 和 如何快速找到自己需要的 R 包。分别从测序数据类型和 bioconductor 包两个角度介绍如何快速找到自己需要的工具。