来源：丁香科研
经常有医生朋友来问「我，科研小白一枚，下定决心搞一篇 SCI，但努力都不知道往哪个方向
」
经过我多方咨询大佬，帮大家打探到啦，小白最适合这 3 类：
综述、回顾性研究、数据挖掘
当然，大家要根据发文需求选择最适合自己的，但其中有一种类型是怎么都不会出错的，那就是数据挖掘，尤其是霸占 C 位的肿瘤数据挖掘，为什么呢？
7 大优点，各癌种都能挖
▎可挖数据多、且类型丰富；
▎分析角度多样，每年都有新热点；▎省力，无需随访和实验；
▎接收的期刊广，命中率高；
▎原始研究，发的是 article；
▎可晋升，可毕业，可申国自然；
▎周期短，适合时间紧张的人；
有朋友一听到肿瘤，就开始没自信了，这这这，自己能行吗？
行，你当然可以！肿瘤数据挖掘还真不需要有啥基础，你只要知道「DNA 转录成 RNA，RNA 翻译成蛋白质」就足够了。
为什么会说到 DNA、RNA、蛋白质呢，其实，肿瘤数据挖掘围绕的就是这三者，今天重点说一下最好做的 DNA 和 RNA。
——先说 DNA，即基因组学——
大家做的话，聚焦这 3 点：染色体、突变和甲基化。其实，做起来很快，举一个例子：
这两篇文章，就是简单的将人群是否发生某基因突变，分成两组，看免疫治疗的预后差异，最后队列验证确实有差异，然后就发了篇 10+ 的SCI。
拿你来说，先选定所在科室的一个癌种，然后从公开数据库挖掘到临床患者的数据，锚定一些可能有关的基因，去分类，看差异，再简单验证一下，就齐活了。
——再说 RNA，即转录组学——
如果说 DNA 好做，那么 RNA 先对来说更具优势，因为它不仅好做，还好发，可做的方向也更多，8 大方向随便选👇
单基因的话，可以做单癌种和多癌种，多癌种更好发，单基因会更简单。多基因通常只做单癌种，多基因的结果较容易被接受。
——王炸：肿瘤数据挖掘 + 预后模型——
我们知道，肿瘤致死率高，所以肿瘤数据挖掘结合预后研究，不仅把肿瘤研究的难度降低了，研究价值也更大了，大家投稿会有更多的临床意义加成。
简单来说，预后模型构建可分为 5 步，其实就是「找预后因子→筛预后因子→预后因子组合→模型判断→价值意义」
其实啊，公共数据库，其实就是让不同的人，通过不同的角度，反反复复的用，但也可以理解为，挖完了，就没了，你还不开始做吗？