小云来揭秘：为什么我做生信分析能出好结果
粉丝大人在找小云做定制化生信数据分析的时候，有一个疑问，你做的这个数据分析的方案的确不错，创新性不错，但是你能保证做出好的预期结果吗？
直接上干货：第一个就是阈值；第二个是算法；第三个就是结果展示；第四个上帝法则。
1、阈值选择
我们做数据分析会根据实际情况进行阈值调整，有时候要放宽一点，有时要严格一点，目的是要为了下游的分析能够进行下去。如果自己并不懂得去写代码，作为一个学生物信息学的人只用一些在线工具，并不一定能得到一些好的结果而已，你会发现经常做着做着就做不下去了。
2、算法选择
也就是方法选择。比如同样做免疫浸润，cibersort出不来好结果，但是用ssGSEA，MCPCounter就有可能出来好多差异的，因为这两种算法更接近基因的表达谱分布模式。
3、结果展示
要有取舍的做一些结果展示，比如在功能富集的时候，假如做的一个骨科类的数据，却富集到癌症或者其它一点不相关的通路上，别人假如了解这个疾病背景的话，就会将这些结果不予展示，而我们往往会按照p.value值去展示TOP10，而不会取舍一些结果。有的新手可能不懂，会给你当当当展示一大堆结果，觉得自己做了很多东西，不放上去很可惜，但是可能其实会引起一些前后矛盾，甚至引起审稿人的质疑，质疑你的结果前后矛盾。
4、上帝法则
小云深刻意识到客户就是上帝，很多老师虽然不是很懂生信，但是有极强的学术背景，乐意和我们沟通，我们也非常乐意沟通，这样就能够在方案的前期其实就达到了老师的满意，方案后期能够给粉丝大人说的清清楚楚，让粉丝大人了解这个分析报告的价值。据说，在我们团队早期（十年前），年轻的云生信学生物信息学团队为了秀技，花里胡哨的图一大堆，给粉丝做报告解读的时候，我们虽然能够讲清每个图的意义，但是也无法讲述一个好的故事，最后客户从里边选了2个图草草了事。有时候做的多并不一定好。做到上帝心里想要的，才是最重要的。
“为什么在做一个生物信息学分析的时候，有的人能够做出来好的结果，是顺利利就发表了文章，有的人就出来一堆烂结果，甚至做着做着就做不下去了”，这个问题，到这就是初步的答案了。但是意犹未尽，因为还有很多点没讲到，大家动动手指支持下，小云看看后续是不是还继续更新这个话题。
