一、核心理念：实验室是“培育性环境”

传统观念中，实验室的目标常被默认为“发表高质量论文以获得职位和 tenure”，但作者提出更根本的目标：实验室应是一个培育性环境，旨在最大化学生作为科学家和人的潜力。这一价值观指导实验室的所有决策（如氛围、假期安排、问题选择等），强调通过选择问题促进成长和自我驱动的研究，而非仅追求短期成果。

二、选择问题的二维框架：可行性 vs. 兴趣

作者提出用二维图（图1）评估科学问题，两个核心维度为：

1. 可行性：完成问题所需的时间、技能匹配度及实验室技术条件。需注意“纸上容易的问题实际可能很难，纸上难的问题几乎不可能”。
   
2. 兴趣：问题对知识增量的贡献（即“远离已知领域的程度”）。科学的价值在于探索未知，因此兴趣反映问题的潜在认知突破。

三、关键原则：花时间选择（“三个月规则”）

常见错误是“快速选择第一个想到的项目”，但科研项目常需数年，仓促选择易导致后续挫败。作者的实验室规则：新学生/博后需3个月不承诺具体问题，期间阅读、讨论、规划，专注于“存在状态”而非“行动”；3个月后庆祝并启动研究。尽管资金压力或截止日期可能阻碍此过程，但花时间选择能节省未来数月甚至数年的试错成本。

四、兴趣维度的主观性：倾听“内在声音”

兴趣是主观且个人的，但易被外界（会议、同事、期刊偏好）的“大声”干扰，掩盖内心“微弱”的真实兴趣。作者提出强化内在声音的方法：

• 假设性提问：“如果我是地球唯一的人，会研究哪个问题？”诚实回答可减少妥协。
  
• 反复出现的想法：数月/数年间反复浮现的问题，比近期灵感更可能是好项目的基础。
  
• 描述研究的感受：向他人解释项目时的情绪（兴奋vs.勉强）反映真实兴趣。

内在兴趣的价值：自我激励的研究更易坚持，且“越让自己感兴趣，越可能吸引受众”。

五、自我表达：问题的本质是个人视角的投射

研究者感兴趣的问题是其个人过滤器（感知世界的方式）的表达，关联其价值观（对美、真、善的判断）。例如，有人被视觉美学驱动，有人热衷颠覆常识，有人偏好基础理解或应用。导师可通过倾听学生的生活与科学偏好（如“何时决定成为科学家”“欣赏的科学工作”），识别其价值模式，帮助选择能实现自我表达的项目——此类工作更具活力、个人意义，也更可能发现深刻洞见。

六、研究的两种心智模式：线性目标 vs. 培育性探索

1. 线性目标模式（常见于论文写作逻辑）：从问题A直线到答案B，将学生视为“达成目标的工具”。此模式下，实验失败、学生情绪低落等“偏离路径”会引发认知失调（因现实与预期不符），导致压力。
   
2. 培育性探索模式（更符合实际研究）：研究路径常迂回、循环，进入“云团（cloud）”阶段（假设崩溃、实验失效、混乱）。此时可能发现新问题C（比B更有趣/可行），转而探索C。此模式视“偏离”为科研固有部分，导师需支持学生穿越“云团”，认可勇气与开放的重要性（探索未知需勇气，接受意外需开放）。

总结

选择好问题的核心是：花时间（三个月规则）在可行性与个人兴趣的前沿上，找到能实现自我表达的问题。实验室应作为培育性环境，支持研究者倾听内在声音，接纳科研的不确定性，将探索过程本身视为成长与创造的一部分。好的问题不仅推动知识进步，更能让科研工作充满个人意义与持久动力。

2. 计划性偶然性理论（Planned Happstance）

• 核心观点：职业道路很少是线性的，应停止将运气视为随机，而是培养把握偶然机会的技能。

• 五个关键品质：

  • 好奇心：探索新领域。

  • 坚持：在事情停滞时继续努力。

  • 灵活性：适应变化。

  • 乐观：看到可能性。

  • 冒险精神：在不确定的情况下迈出步伐。

• 实践建议：不要试图完美规划一切，而是期待并准备迎接意外，通过培养上述技能来抓住偶然出现的机会。

3. 对传统职业规划方法的反思

• 问题：传统的“设定目标—制定计划—朝着目标前进”方法在快速变化的世界中可能不再适用，因为未来难以预测，新技术、生活事件等可能带来新机会。

• 新思路：更注重培养适应变化的能力，而不是僵化地坚持一个长期目标。例如，不设定一个具体的职位目标，而是专注于发展可转移的技能和保持开放的心态，以便能够灵活调整方向。

4. 实际案例分享

• 托马斯·奥克斯兰德（Thomas Oxland）的经历：

  • 他最初计划在工业界发展，但偶然获得读硕士的机会，从而对研究产生热情，继续攻读博士学位。

  • 在职业选择中，他不断评估自己的技能和兴趣，比如在工业界工作几年后又回到学术界，强调在职业发展中保持与学术界的联系、探索不同路径的重要性。

  • 他的故事体现了计划性偶然性理论的实际应用，即通过不断评估和抓住机遇，找到符合自己价值观和技能的职位。

session

• 概念 ：在 Shiny 应用中，session 表示用户与应用之间的一次会话。当用户访问 Shiny 应用时，会创建一个 session 对象，该对象包含了与当前会话相关的信息和状态，如用户输入、输出、会话 ID、用户代理等。

• 作用 ：

  • 管理用户状态 ：可用于存储和管理用户特定的状态信息，如用户的偏好设置、登录状态等。通过 session$userData 可以存储和访问用户私有的数据，这些数据在会话期间可以被服务器逻辑中的各个部分共享和使用。
  • 处理并发 ：在多用户并发访问 Shiny 应用时，每个用户都有自己独立的 session，这确保了不同用户之间的操作和数据相互隔离，不会相互干扰。
  • 实现高级功能 ：如实现页面导航、条件面板显示、动态 UI 更新等功能时，session 对象提供了相关的方法和回调函数，允许开发者根据用户的交互和会话状态来动态地修改 UI 和服务器逻辑。

namespace

• 概念 ：namespace 是一种用于解决 Shiny 应用中命名冲突的机制，尤其是在使用模块化开发时。它通过为 UI 组件和服务器端对象创建一个独立的作用域，使得不同模块或组件之间的名称不会相互干扰。

• 作用 ：

  • 避免命名冲突 ：在大型复杂的 Shiny 应用中，可能会有多个模块或组件使用相同的名字来定义输入控件、输出对象等。通过使用 namespace，可以为每个模块或组件生成唯一的名称前缀，从而避免了这些命名冲突。
  • 模块化开发 ：在构建可重用的模块时，namespace 是必不可少的。它确保了模块内部的 UI 和服务器逻辑可以独立于外部作用域进行定义和运行，使得模块可以在不同的应用或不同的部分中重复使用，而不会出现名称冲突或相互依赖的问题。
  • 组织代码结构 ：使用 namespace 可以帮助开发者更好地组织和管理代码结构，将相关的 UI 和服务器逻辑封装在一个独立的命名空间中，提高代码的可读性和可维护性。

两者的区别

• 关注点不同 ：session 主要关注于用户与应用之间的会话管理和状态维护，而 namespace 则侧重于解决命名冲突和实现模块化开发。
• 适用场景不同 ：session 通常用于需要处理用户特定数据、管理会话状态、实现页面导航等场景；namespace 则多用于构建大型复杂应用、开发可重用模块以及避免命名冲突等场景。
• 使用方式不同 ：session 是 Shiny 应用自动创建的对象，开发者可以通过在服务器函数的参数中获取它来使用其相关功能；而 namespace 需要开发者通过调用 NS 函数来创建和使用，通常在定义模块的 UI 和服务器逻辑时使用，将 UI 组件的 id 和服务器端对象的名称等传递给 NS 函数进行封装，以生成带有命名空间前缀的唯一名称。

软件安装

构建了2个环境分别安装常见生信软件和Python数据科学的一些包。

# https://bioconda.github.io/
micromamba config append channels bioconda
micromamba config append channels conda-forge
micromamba config set channel_priority strict

micromamba create -n biosoft fastqc multiqc fastp bedtools bwa minimap2 samtools bcftools star star-fusion bowtie bowtie2 
micromamba install -n biosoft  gatk4 picard spades
micromamba install -n biosoft flye raven hisat2 stringtie 
micromamba install -n biosoft salmon kallisto plink admixture

micromamba create -n pyds python=3.9 ipython numpy pandas matplotlib scikit-learn scipy
micromamba activate pyds
pip install pyds seaborn statsmodels xgboost catboost lightgbm 
pip install keras torch torchvision torchaudio plotly --extra-index-url https://download.pytorch.org/whl/cpu 
pip install transformers fastapi lightning blis nltk 
pip install jupyter jupyterlab jupyterlab-git jupyterlab-lsp polars dash

module

通过 module，可以简单的释放给所有用户访问使用

安装 module

# 默认环境变量文件 /etc/environment-modules/modulespath
# 添加 /opt/modulefiles (每个节点都要加)
#
# https://blog.csdn.net/m0_37201243/article/details/129632603
#
# Install module
# https://modules.readthedocs.io/en/latest/INSTALL.html
cd /opt
curl -LJO https://github.com/envmodules/modules/releases/download/v5.5.0/modules-5.5.0.tar.gz
tar xfz modules-5.5.0.tar.gz

cd modules-5.5.0
./configure
# ./configure --prefix=/data/modules  # 自定义软件安装目录
make && make install

#%Module1.0######################################################################
##
## pyds modulefile
##
proc ModulesHelp { } {
    puts stderr "\tThe pyds Module\n"
    puts stderr "\tpyds: a list of predefined python data science software (installed by mamba)"
}

module-whatis   "adds micromamba and an env of a list of python data science software to your PATH environment variable"

# 设置环境变量和路径（始终执行）
append-path     PATH            /data/modules/bin
append-path     PATH            /data/modules/micromamba/envs/pyds/bin
setenv          MAMBA_ROOT_PREFIX /data/modules/micromamba

# 仅在 module load 时执行初始化检查和提示
if { [module-info mode] eq "load" } {
    set BASHRC [file join [getenv HOME] ".bashrc"]
    set PATTERN "MAMBA_ROOT_PREFIX"

    puts stderr "第一次使用时会提示错误'Module ERROR: Running `shell init`'，请再次运行 'module load pyds' 并重启terminal以完成初始化。"
    # 检查是否已经初始化
    if { [catch {exec grep -q $PATTERN $BASHRC} result] } {
        # 如果未初始化，执行初始化
        exec /data/modules/bin/micromamba shell init -s bash
        puts stderr "Initialized micromamba in your ~/.bashrc"
    } else {
        puts stderr "micromamba is already initialized in your ~/.bashrc"
    }

    # 输出激活命令，提示用户在 shell 中执行
    puts stderr "To activate the 'pyds' environment, run the following command in your shell:"
    puts stderr ""
    puts stderr "micromamba activate pyds"
    puts stderr ""
    puts stderr "deactivate with 'micromamba deactivate'"
}

if { [module-info mode] eq "unload" } {
    puts stderr "请确定已运行 'micromamba deactivate' 以退出当前环境。"
}

[wsx@master ~]$ module load pyds
micromamba is already initialized in your ~/.bashrc
To activate the 'pyds' environment, run the following command in your shell:
micromamba activate pyds
[wsx@master ~]$ micromamba activate pyds
(pyds) [wsx@master ~]$ ipython
Python 3.9.15 | packaged by conda-forge | (main, Nov 22 2022, 08:45:29) 
Type 'copyright', 'credits' or 'license' for more information
IPython 8.18.1 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import pandas

In [2]: import torch

In [3]: import transformers

mcprogress

找到一个包mcprogress可以直接解决这个问题。

library(mcprogress)

# toy example
res <- pmclapply(letters[1:20], function(i) {
                 Sys.sleep(0.2 + runif(1) * 0.1)
                 setNames(rnorm(5), paste0(i, 1:5))
                 }, mc.cores = 2, title = "Working")

最核心的输出技术还是和上面的函数是相同的。

参考：https://stackoverflow.com/questions/17345837/printing-from-mclapply-in-r-studio

节点测试

srun -w node1 hostname
#node1

io 检查

nfsiostat /data 5

io 测试

fio --name=nfs-test --ioengine=libaio --rw=randrw --bs=4k     --size=1G --numjobs=16 --runtime=60 --group_reporting     --directory=/data

节点状态查看和修改

scontrol show master
scontrol show node
scontrol show node node1

scontrol update NodeName=node[1-4] State=RESUME

节点批量运行命令

pdsh -w master,node[1-4] "id wsx"

创建用户

bioinfo, gid, 密码等需要根据注意

#!/bin/bash

user=$1
gid=1000  # bioinfo
shared_home=/data/home/${user}

# get 10 开头的最大 uid
max_uid=$(awk -F: '{print $3}' /etc/passwd | grep 10 | sort -n | tail -1)

# 将最大的 UID 加 1
uid=$((max_uid + 1))

pdsh -w master,node[1-4] "/opt/create_user_in.sh ${user} ${uid} ${gid} no"

# 设置无缝 ssh
username=$user
# Create SSH key pair for the new user, and input an empty passphrase
sudo -u $username ssh-keygen -t rsa -N "" -f $shared_home/.ssh/id_rsa

# Copy the public key to the new user's authorized_keys file to enable passwordless login
cat $shared_home/.ssh/id_rsa.pub >> $shared_home/.ssh/authorized_keys
chown $username:bioinfo $shared_home/.ssh/authorized_keys && chmod 600 $shared_home/.ssh/authorized_keys

echo "User $username created successfully."

cat create_user_in.sh 
#!/bin/bash
# 参数校验
if [ $# -ne 4 ]; then
  echo "用法：$0 用户名 UID GID 是否管理员(yes/no)"
  exit 1
fi

USERNAME=$1
CUSTOM_UID=$2
CUSTOM_GID=$3
IS_ADMIN=$4

# 检查UID/GID是否被占用
if getent passwd $CUSTOM_UID &>/dev/null; then
  echo "错误：UID $CUSTOM_UID 已被占用" >&2
  exit 1
fi

if ! getent group $CUSTOM_GID &>/dev/null; then
  echo "错误：GID $CUSTOM_GID 不存在，请先创建组" >&2
  exit 1
fi

# 创建用户
useradd -m -d /data/home/$USERNAME \
  -u $CUSTOM_UID \
  -g $CUSTOM_GID \
  -s /bin/bash $USERNAME || exit 1

# 设置初始密码
echo "设置初始密码..."
echo "$USERNAME:xxx" | chpasswd || {
  echo "密码设置失败！"; exit 1
}

# 强制首次修改密码
#chage -d 0 $USERNAME  # [1,5](@ref)

# 设置管理员权限
if [ "$IS_ADMIN" = "yes" ]; then
  usermod -aG sudo $USERNAME
fi

# 验证信息
echo "用户创建成功！"
echo "用户名: $USERNAME | UID: $CUSTOM_UID | GID: $CUSTOM_GID"
echo "家目录: /data/home/$USERNAME"

1. 基本含义

(Days | Subject) 表示 随机斜率和随机截距 的组合，允许每个 Subject（受试者）有自己独立的截距和斜率。具体来说：

• 随机截距：每个 Subject 在 Days = 0 时的反应时间（Reaction）可以不同。
• 随机斜率：每个 Subject 的反应时间随 Days 变化的速率可以不同。

2. 公式结构

假设模型公式为：

lmer(Reaction ~ Days + (Days | Subject), data = sleepstudy)

• 固定效应部分：Reaction ~ Days
  这部分表示整体的固定效应，即 Days 对 Reaction 的平均影响（所有受试者的总体趋势）。

• 随机效应部分：(Days | Subject)
  这部分表示随机效应，允许每个 Subject 的截距和斜率围绕固定效应的平均值进行变化。

3. 数学表达

公式 (Days | Subject) 对应的数学模型可以表示为：

其中：

• 是第 个 Subject 在第 天的反应时间。
• 是固定截距（所有受试者的平均初始反应时间）。
• 是固定斜率（所有受试者的平均反应时间随天数的变化速率）。
• 是第 个 Subject 的随机截距（偏离固定截距的部分）。
• 是第 个 Subject 的随机斜率（偏离固定斜率的部分）。
• 是残差误差。

4. 随机截距和斜率的协方差

(Days | Subject) 还会估计 随机截距和随机斜率之间的协方差。这意味着： - 如果某个受试者的初始反应时间较高（随机截较大距），其反应时间随天数的变化速率（随机斜率）可能也会较高（正相关）。 - 或者可能相反（负相关）。

协方差矩阵的形式为：

5. 为什么需要 (Days | Subject)？

• 个体差异：不同受试者可能有不同的初始状态（随机截距）和变化趋势（随机斜率）。
• 数据结构：数据是分组的（每个 Subject 有多天的观测值），需要建模组内相关性。
• 更准确的推断：随机效应可以减少模型对固定效应的过度依赖，提高估计的准确性。

6. 代码实现和输出解释

运行以下代码：

library(lme4)
model <- lmer(Reaction ~ Days + (Days | Subject), data = sleepstudy)
summary(model)

输出中会包含：

• 随机效应部分：

  Random effects:
  Groups   Name        Variance Std.Dev. Corr
  Subject  (Intercept) 612.07   24.740       
          Days          32.68    5.717   0.07
  Residual             653.86   25.571       

  • Variance 和 Std.Dev. 分别是随机截距和随机斜率的方差及其标准差。
  • Corr 是随机截距和随机斜率之间的相关性（协方差）。

• 固定效应部分：

  Fixed effects:
              Estimate Std. Error df t value Pr(>|t|)    
  (Intercept)  251.405      6.825 17  36.838  < 2e-16 ***
  Days          10.467      1.546 17   6.771 3.58e-06 ***

  • Estimate 是固定截距和固定斜率的估计值。

7. 简化模型

如果只需要随机截距（固定斜率），可以写成：

lmer(Reaction ~ Days + (1 | Subject), data = sleepstudy)

此时只允许每个 Subject 有自己的截距，但斜率统一为固定效应的斜率。

8. 总结

(Days | Subject) 的作用是： 1. 允许每个 Subject 有自己的随机截距和随机斜率。 2. 估计随机截距和随机斜率之间的协方差。 3. 建模个体差异，提高模型的准确性和合理性。

这种语法是线性混合效应模型的核心，能够处理分组数据中的复杂相关性。

User: Days | Subject 前者是斜率，后者是截距吗？

Kimi: (Days | Subject) 这种语法并不直接表示“前者是斜率，后者是截距”，而是表示随机效应的结构。具体来说：

1. 随机截距和随机斜率的组合

• 随机截距：每个 Subject 在 Days = 0 时的反应时间可以不同。
• 随机斜率：每个 Subject 的反应时间随 Days 变化的速率可以不同。

2. 随机效应的含义

• (Days | Subject) 允许每个 Subject 拥有自己独立的截距和斜率。这意味着模型会为每个 Subject 估计一个随机截距和一个随机斜率，这些随机效应会围绕固定效应的平均值进行变化。

3. 数学表达

在模型中，假设反应时间 Reaction 是 Days 的函数，并且每个 Subject 有不同的截距和斜率：

其中：

• 是固定截距（所有受试者的平均初始反应时间）。
• 是固定斜率（所有受试者的平均反应时间随天数的变化速率）。
• 是第 个 Subject 的随机截距。
• 是第 个 Subject 的随机斜率。
• 是残差误差。

4. 随机截距和随机斜率的协方差

(Days | Subject) 还会估计随机截距和随机斜率之间的协方差。这意味着： - 如果某个受试者的初始反应时间较高（随机截距较大），其反应时间随天数的变化速率（随机斜率）可能也会较高（正相关）。 - 或者可能相反（负相关）。

协方差矩阵的形式为：

5. 简化模型

如果你只需要随机截距（固定斜率），可以写成：

lmer(Reaction ~ Days + (1 | Subject), data = sleepstudy)

此时只允许每个 Subject 有自己的截距，但斜率统一为固定效应的斜率。

6. 总结

(Days | Subject) 的作用是： 1. 允许每个 Subject 有自己的随机截距和随机斜率。 2. 估计随机截距和随机斜率之间的协方差。 3. 建模个体差异，提高模型的准确性和合理性。

这种语法是线性混合效应模型的核心，能够处理分组数据中的复杂相关性。

User: 那 (Days | Subject) 和 (Subject | Days) 有什么区别

Kimi: 在 R 的公式语法中，(Days | Subject) 和 (Subject | Days) 是不同的，它们在模型中的含义和作用也不同。下面详细解释两者的区别。

1. (Days | Subject)

2. (Subject | Days)

3. 区别

4. 示例

library(lme4)
model <- lmer(Reaction ~ Days + (Days | Subject), data = sleepstudy)

library(lme4)
model <- lmer(Reaction ~ Days + (Subject | Days), data = sleepstudy)

5. 总结

• (Days | Subject)：适用于分组变量 Subject，为每个受试者估计随机截距和随机斜率。
• (Subject | Days)：通常不适用，因为 Days 是连续变量，导致模型复杂且难以解释。

在实际应用中，(Days | Subject) 是更常见的随机效应结构，用于建模个体差异。

User: 深度神经网络学习是不是没办法引入这种随机效应term？

Kimi: 深度神经网络可以引入类似随机效应项的机制，以下是一些常见的方法：

Dropout

• 原理：在训练过程中随机丢弃某些神经元的输出，使网络在每次迭代时都以不同的结构进行训练，增加了模型的随机性，从而提高其泛化能力。
• 适用场景：广泛应用于各种类型的神经网络，如全连接网络、卷积神经网络等，尤其是在网络较深、参数较多、容易过拟合的情况下效果显著。

随机梯度估计

• 原理：在优化过程中使用随机梯度估计方法，如随机梯度下降（SGD），而不是完整的批量梯度下降。每次迭代只使用一部分样本计算梯度，引入了随机性，使模型能够更快地收敛，并且有助于跳出局部最优。
• 适用场景：适用于大规模数据集的训练，尤其是在计算资源有限的情况下，能够有效提高训练效率。

噪声注入

• 原理：在数据或模型的权重中注入随机噪声，例如在输入数据中添加高斯噪声，或者在权重更新时加入噪声项。这可以模拟数据中的不确定性，增强模型对噪声的鲁棒性。
• 适用场景：适用于数据存在噪声或模型需要对噪声具有较高鲁棒性的场景，如图像识别中的抗噪性训练。

随机池化

• 原理：在池化操作中引入随机性，例如随机选择池化窗口中的位置进行池化，而不是采用固定的池化方式。这样可以增加模型的随机性和多样性。
• 适用场景：主要用于卷积神经网络的池化层，能够提高模型对特征位置的不敏感性。

随机注意力机制

• 原理：在注意力机制中引入随机性，例如随机选择注意力头或者随机调整注意力权重。这可以使模型在训练过程中探索不同的注意力分布，增强其泛化能力。
• 适用场景：适用于自然语言处理任务中的序列建模，如机器翻译、文本生成等。

层级似然学习框架

• 原理：通过构建层级似然学习框架，将随机效应引入深度神经网络。例如，将高基数分类特征视为随机效应变量，并采用线性混合模型中的负对数似然损失函数，将其整合到深度学习框架中，从而实现对随机效应的建模。
• 适用场景：适用于处理具有高基数分类特征的数据，如聚类计数数据、重复测量数据等。

动态网络结构

• 原理：设计动态的网络结构，使网络在每次前向传播时随机选择不同的路径或层进行计算。例如，使用随机深度网络（Stochastic Depth），在训练过程中随机丢弃一些层，从而增加模型的随机性和多样性。
• 适用场景：适用于构建更深的神经网络，能够在不显著增加计算成本的情况下提高模型的性能。

模型集成

• 原理：通过集成多个不同的深度神经网络模型，利用每个模型的随机性和多样性来提高整体的泛化能力。例如，使用随机森林的方法训练多个神经网络，并将它们的预测结果进行平均或投票。
• 适用场景：适用于需要高精度预测的场景，如医学图像诊断、金融风险预测等。

项目简述

• 项目编号：2551d0158
• 官方发布地址: https://summer-ospp.ac.cn/org/prodetail/2551d0158?list=org&navpage=org
• 导师联系邮箱: shixiang1994wang@gmail.com （王诗翔）
• 技术领域：Programming Language, Data Science, Scientific Computing
• 编程语言：R
• 开源协议：Apache

可视化图形作为连接数据与知识的桥梁，是探寻自然客观规律、挖掘和解释科学发现的重要媒介。在当今数据驱动的生物医学研究时代，利用数据可视化相关的编程语言、图形化交互平台或其他人工智能技术完成各类数据挖掘任务已成为生物医学领域研究人员的核心技能之一。

目前，指令式数据分析软件包、图形界面软件以及云平台已逐渐成为提升科学研究效率的重要基础设施。如何进一步提高生物医学数据分析相关研究的重复性是科学社区面临的重要挑战之一。另外一方面，对于众多生物医学研究的初学者而言，编程语言、绘图工具的学习曲线陡峭，特别是在将编程代码应用于实际科学研究场景时往往四处碰壁，大量有用有益的指南手册、编程语言函数或示例散落在互联网各处，仍未被充分整合利用、验证和推广。为此，我们发起 Bizard 白泽项目（https://github.com/openbiox/Bizard），旨在搭建协作组主导、社区参与的生物医学可视化开源项目，为学习、利用和讨论数据可视化、促进可视化数据分析相关软件开发提供一体化的平台和协作社区，希望构建国内/国际别树一帜的生物信息学基础设施。

开源之夏活动流程

学生需要通过 https://summer-ospp.ac.cn/ 进行学生注册和登录。

一些历史资料

1. 癌症多组学数据挖掘软件 UCSCXenaShiny v2.0 开发项目申请书：https://summer-ospp.ac.cn/2023/previewPdf/1975
2. Openbiox 2023 开源之夏项目中选公示：https://mp.weixin.qq.com/s/kUFixYFDaynYzIWxb3pSFw
3. OSPP | 癌症多组学数据挖掘软件 UCSCXenaShiny 2.0 项目结项报告：https://mp.weixin.qq.com/s/W52xfBA1aH9ZFWDdxYEgYg
4. 项目经验分享｜Openbiox 社区李申锁 ：开源 shiny 网页玩转生信数据分析：https://mp.weixin.qq.com/s/R1MEkgPZD32mpzg-VBK2UQ
5. 王诗翔/周建国/陈素君联合团队研发肿瘤公共多组学交互式分析工具UCSCXenaShiny新版本：https://mp.weixin.qq.com/s/YM0xEXywjNFx9iZMZaO9mA

孟德尔随机化与全基因组关联分析

孟德尔随机化（Mendelian Randomization, MR）和全基因组关联分析（Genome-wide association study, GWAS）是两种在遗传流行病学研究中常用的方法，它们在目的、数据来源、分析流程、假设条件、结果解释以及应用场景等方面存在一些区别：

项目内容与初步目标

项目的初步目标是建立一个基于R的可视化知识库，大体分为3大类：basics, omics, clinics，每类下面按不同的图形绘制分为中英文版本，中英文会在官方网站显示，中文会不断通过公众号推送更新；并不断根据想法和意见迭代更新，基本满足以后生物医学领域研究者的需求（未来也可以作为大语言模型的可靠知识基础）。

贡献方式设计

招募参与者的工作主要集中在图文教程的撰写和更新补充，其他事务主要由发起人及其学生团队负责，以保障项目的可靠运行。

因此，我们未来考虑系统化梳理需要处理的图文教程，参与者也可以参与补充和设计，然后以自由任务的形式下发通知项目成员，成员根据自己的兴趣、时间安排领取任务和进行处理。 针对一些参与者没有申领的任务，我们也会通过学生团队进行处理完成。

其他包括但不仅限于以下一些贡献类型：提供有效评论/建议；完成图文翻译任务；完成公众号推文编辑审核；提供重要指导意见；负责网站运维更新；负责贡献记录更新；负责推文运维更新。后面几类任务当前考虑由学生团队负责，以更好保证项目推进。

贡献记录机制

大概以一年为一个周期，记录参与创作者的贡献信息，按积分制。积分规则每年根据项目发起人和负责人商量确定。贡献者记录按「GitHub/微信ID/姓名」进行标注。贡献排名靠前者投稿时经讨论纳入共同第一作者，贡献排名靠后者经讨论纳入参与作者或致谢。如果长期提供指导性意见的贡献者经讨论纳入共同通讯作者。在对外宣传和文档记录时，积分排序也将作为主要参考依据。

「提供有效评论/建议」不仅限于项目参与者，在网站/公众号文章下方留言，我们觉得有意就会针对性加分统计！

我们期待这样的参与者

1. 有一定的时间（至少平均每周愿意投入1-2小时）并对该项目有兴趣。
2. 开源、共享、协作精神和意识。
3. 掌握 R 可视化与编程；有长期输出R及可视化博客/公众号经历 优先。

联系方式

• 罗鹏（luopeng@smu.edu.cn）
• 王诗翔（wangshx@csu.edu.cn）或通过「生信协作组」公众号后台交流添加老师微信，说明下参与 Bizard 项目

感谢！请大家多支持！