分类：生物学、农学

新生儿的IgG抗体的产生要在出生几个月后才开始。幸运的是，来自母亲血液的IgG抗体可以穿过胎盘进入胎儿的血液，因此新生儿有这种来自母亲的“被动免疫力”来帮助他度过难关。新生儿还可以获得另一种被动免疫力：来自母乳的IgA抗体。在泌乳期间，血浆B细胞会迁移到母亲的乳房并产生分泌到乳汁中的IgA抗体。这很好，因为许多婴儿遇到的病原体会通过口腔或鼻子进入他们的肠道，并引起腹泻。通过喝富含IgA抗体的母乳，宝宝的消化道中充满了可以拦截这些病原体的抗体。

然而，母亲在她的一生中接触了许多不同的病原体，她制造的大多数抗体对婴儿没有用处。例如，母亲可能有识别引起单核细胞增多症的EB病毒的抗体，但她的孩子可能要到十几岁才会接触到这种病毒。那么，如果母亲能够以某种方式提供识别她的宝宝正在遭遇的特定病原体的抗体，并且不提供对宝宝没有用处的抗体，那不是很好吗？

事实上，当母亲亲吻她的宝宝时，她“取样”了那些出现在宝宝脸上（即将被摄入）上的病原体。这些样本被母亲次级淋巴器官（例如扁桃体）吸收，并重新激活针对这些病原体特异性记忆B细胞。然后这些B细胞就会产生IgA抗体并通过母乳为宝宝提供免疫力。

由于学习记录的需要，开始玩一些效率工具。简单记录一下。

幕布

非常合适做阅读笔记。

最近读了两篇TCGA miRNA-seq的文献，想把文献的思路、两篇文献的差异、对自己工作的启发记录下来。发现用幕布来记录，可以方便得到有层次的思维导图。这样，基本就实现了与用笔和纸写写画画的效果，而且不乱，还可以扩展。再了解一下幕布的进阶功能——可以插入公式、小图标（可以让笔记更有层次，更易于分类）。

随手把明天开始上的单细胞分析课程整理了一篇。总算积极主动地为上课做一次准备。

现在正在学的卫生统计学，大概也可以把笔记电子化一下。

读文献，整理文献思路也很好用：

目前为止，我在用免费的幕布基础版，还没有升级的要求。

Typora

记录代码的好工具。我主要用它来记录linux代码和操作流程。R语言，则直接在R studio上记录。python，用Jupyter notebook记录方便。

Typora，很便宜。我直接买了个正版的。

Mendeley

文献管理软件，elsevier出品。

用mendeley，不用endnote，是因为endnote太贵了。用免费的mendeley，可以轻松管理文献，可以在word中标注文献出处，高效完成论文中的文献管理。

mendeley有一个非常赞的功能——给文献打多个标签。这样，可以方便地根据标签集中阅读某些内容的文献，如miRNA，Parkinson’s。

 

今天和一位生物学博士聊生物学科研的事。这位生物学博士从医科大毕业，应该说对生物学科研有相当的了解。

因为工作的原因接触的科研人员比较多，经常遇到这样的问题：我的实验结果和文献上的不一致。为什么我们做不出来，别人能做出来？

这位博士说，经常重复不出来别人的结果，甚至结果和别人的结果相反。解决的办法就是重复很多遍，最后选择与别人结果一致的结果来写论文。

我一直有一个疑问：如果第一篇论文就是错的呢？所有的后来者一起跟着错？

如果都是这样做科研，真的就做“死”了。

要在生物学科研的道路上，“活”下来。只有不断地创新，走来别的人前面，不要跟随模仿。有自己的路径，一直走出去，不断地有创新性的研究成果。

遇到与别人结果不一致的情况，要么找到自身问题的原因，要么质疑、反驳别人的结果。但这样的情况，只能是在自己的道路上，搂草打兔子的事。它不是在科研道路上“活”下来的办法。

DNA互补序列

代码1：

dna_sequence_orange = "ACTGATCGATTACGTATAGTAGAATTCTATCATACATATATATCGATGCGTTCAT"
complement1 = dna_sequence_orange.replace("A","t")
complement2 = complement1.replace("T","a")
complement3 = complement2.replace("G","c")
complement4 = complement3.replace("C","g")
dna_sequence = complement4.upper()
print(dna_sequence_orange)
print(dna_sequence) 

代码2：
dna_sequence_orange = "ACTGATCGATTACGTATAGTAGAATTCTATCATACATATATATCGATGCGTTCAT"
dna_sequence = list(dna_sequence_orange)
i = 0
lenth = len(dna_sequence)
A = "A"
T = "T"
C = "C"
G = "G"
for i in range(lenth):
if dna_sequence[i] == A:
dna_sequence[i] = "T"
elif dna_sequence[i] == T:
dna_sequence[i] = "A"
elif dna_sequence[i] == G:
dna_sequence[i] = "C"
elif dna_sequence[i] == C:
dna_sequence[i] = "G"
else:
print("The is something wrong in the sequence")
i = i + 1
print(dna_sequence_orange,''.join(dna_sequence),sep='\n')

继续阅读用python做生信分析

引言:本来打算写这么一篇文章，发在公司的公众号上。但又担心一些客户对号入座，所以暂时写在这里。以后发在哪里，再考虑。

对大多数临床医生来说，他们非常熟悉疾病，他们非常清楚疾病在不同个体之间的差异。但是具体的细胞或者分子水平时，往往并不清楚。

有一些原代细胞培养起来非常困难，如果再设计一个扩大培养的实验，那么这个课题可能在细胞培养阶段就难以继续。

也许之前会查很多文献介绍，这些细胞是可以培养的。但是要小心这些文献的可靠性:一看期刊。找权威的期刊，看影响影响因子高的期刊，办刊历史长的期刊，同时警惕一些高分“水刊”；二看通讯作者的单位。

最可靠的方法还是在课题设立之前，尝试培养这些细胞，了解培养的难度和它生长的特性。

分子水平上，要考虑研究的分子（基因、蛋白）是否有很多的变体？他们的表达水平是什么样的？对细胞是否必须？或者他们的表达水平的变化是否会严重的影响了细胞的生长？或者细胞存在某些机制限制分子表达水平的波动？

如果你想做基因的过表达，或者基因沉默甚至敲除，您要查一下文献，看有没有人实现过，或者有报道说实验已经失败了。特别是一些跨膜蛋白、转录因子，要特别小心。很可能由于细胞内在机制，或者分子的毒性，导致这个基因无法过表达，或者这个基因表达量过低时，细胞可能死亡。

如果存在多个变体，那么就要考虑，在做qPCR和WB等实验时，检测哪个变体，还是需要检查全部变体。另一方面有可能一个变体的变化会导致另外的变体的补偿，导致看不到细胞功能的变化。

引物设计和抗体选择，也都要考虑到变体的影响。否则，杂带……。

还有，就是成本核算。科学家也需要算账。现有可以购买的试剂，可以使用的设备，技术摸索的成本……

前期工作做到位，后面几年少遭罪。