这两天一直忙着做一些项目，也没有时间写稿子。

最近遇到了很多有数据分析的客户都是自己手头有数据，盘算着这总算是我自己的数据，总比网上杂七杂八的数据质量好，我是不是用这个数据就能发好一点的文章呢，或者说是不是就能得到较好的结果呢。

答案很明显不是。

其实我们做生信分析的之所以舍近求远选择网上的数据，也是有很多原因的，说白了，就是被迫的。

网上的数据，大部分比较规范，各种信息比较齐全，分析起来坑比较少，容易自洽。

客户自己测数据本来是好事，但是如果达不到如下的几个标准，可能事倍功半。

、样本量充足性

遇到的大部分客户都存在这个问题，测得样本量很少，基本就是一个实验一个对照，这样的结果其实没有统计学意义，远远不如GEO上下载一套相关性大的数据来的容易，简单又粗暴，免费还有效。如果样本量不够，建议就别做了。

第二、随访信息完整性

某些样本进行测序分析，进行定量或者突变鉴定这样的样本很多，少的是患者的随访信息是否齐全。大家之所以喜欢TCGA的数据，是因为临床信息比较齐全，做的分析很容易跟临床相关联。如果你的随访信息不完整，建议就别做了。

第三、实验设计合理性

很多客户手里有着非常稀有的样本，但是实验设计上不是很完美，看着大家都跟风做ncRNA就测的ncRNA，殊不知表达谱数据其实也没有，这样的实验设计，其实效果就会有折扣。当然还有童鞋存在其他的问题，实验设计上存在高射炮打蚊子的情况。有点浪费资源，好钢还落不在刀刃上。

总之，自己的数据相比公共数据库的数据更加贴合实验室的研究背景，相对较为独特。前提是实验设计一定要合理，数据是生信分析文章的一个极为重要的部分，前期合理设计，预计结果，从什么角度展开讨论都是需要提前考虑的。

以上是我个人的一点小的想法，希望对大家实验设计有所帮助。

如果大家有生信分析的需求，或者前期生信课题的设计，欢迎随时撩骚。

2019年，遇见更好的自己