CGM 第37期：作为生物信息学家推动假设驱动与数据驱动研究的经验

作为生物信息学家，经常遇到两种情况，第一种，生物学家根据明确的hypothesis设计实验，产生实验数据，本次报告我以一套single cell RNA-seq的数据分析为例，分享通过对数据进行QC控制，去除batch effect，降维处理等来回答生物学家已有的生物学问题。第二种情况是生物学家通过高通量实验手段产生了大量的数据，希望从数据中挖掘出新的知识和规律，这种情况需要借助数据整合分析平台，以我们的iGenomicsR为例，我将介绍如何使用它来实现多维组学数据（RNA-seq, DNA-seq, protein expression, clinical features）的整合分析，帮助生物学家找到新的病人分型，以及对应的致病基因或突变。