先直接拿数据说话，以机器学习在肿瘤领域的研究为例，2010年相关文章有88篇，之后开始破百，2017年后开始爆炸式增长，变成超级大热门。

　　目前已经有24000+篇论文。机器学习肿瘤和非肿瘤生信中越来越常见，不管是构建模型还是筛选关键基因，都有很出色的发挥。

　　2023年1月的这篇，研究膀胱癌的，用了10种聚类方法和百种机器学习方法，文章直冲8.8分！高分完全不是梦啊各位！

　　而传统生信文章之所以难发，就在于套路太老，没有创新。累死累活可能就2分，更大概率是拒收！写论文无非是旧瓶、新瓶、旧酒、新酒，这么来回颠倒，与时俱进。毕竟咱也不能要求我们做出什么大的理论创新吧，太离谱了！

　　生信加入机器学习，用上Logistic regression、SVM、lasso、stepwiseregression、LDA等方法，熟练排列一波，相当于旧瓶装新酒，用新的分析方法去研究过去的内容。至少比只会写文献综述高级了不知道多少倍！审稿人看了也能觉得你的SCI论文有点创新。

　　在临床回顾性研究、生信分析中，都可以用机器学习做各种回归，然后搭配cox模型，帮助筛选预后。孟德尔中可以对SNP进行筛选，文本挖掘可以做LDA等无监督聚类模型。

　　对低分文章来说，机器学习可以说是降维打击。对高分文章来说，也是很好用的神器。机器学历、深度学习本身是计算机AI领域的技术，在数理统计、数据分析这方面表现非常强，许多我们熟知的AI，如ChatGPT，都和这些技术息息相关。

　　因为在算法各方面的表现，有时候也被计算机领域调侃为“炼丹炉”，把这一套逻辑和方法论用到生信领域（或整个医学SCI领域），那不是神器还是啥？

　　其实，完全可以打消这个顾虑。首先，选择生信猫，有云学长云学姐带你飞，教学质量过硬，不用担心学不会。其次，此处的机器学习是为了发文章，不是要你学得跟计算机专业人员一样，能学到那个地步，明天都能去openAI上班了，哈哈。

　　咱们发文主打一个目标明确，以“见刊”结果为导向，不陷入知识冗余，生信猫能帮到你的就是：知识梳理、领你入门、教学保障、学完发文。