素材学习分享周刊 第12期 200516 alitt 天明豆豆
刊首语
“你的体重里，八成都是心事”
轮值编辑
alitt：肿瘤内科学在读博士，大概是个挺无趣的人。微信ID：lixiaochouteng
天明豆豆：生物学植物遗传与育种方向的研三小硕，从Python爬虫转战到生信的小白，微信ID：XZ2011521
专业文献
Mechanisms of plant responses and adaptation to soil salinity
The innovation, April 28, 2020
DOI：https://doi.org/10.1016/j.xinn.2020.100017
Abstract: Soil salinity is a major environmental stress that restricts the growth and yield of crops. Understanding the physiological, metabolic, and biochemical responses of plants to salt stress and mining the salt tolerance-associated genetic resource in nature will be extremely important for us to cultivate salt-tolerant crops. In this review, we provide a comprehensive summary of the mechanisms of salt stress responses in plants, including salt stress-triggered physiological responses, oxidative stress, salt stress sensing and signaling pathways, organellar stress, ion homeostasis, hormonal and gene expression regulation, metabolic changes, as well as salt-tolerance mechanisms in halophytes. Important questions regarding salt tolerance that need to be addressed in the future are discussed.
这篇文章系统阐述了最近20多年在植物中盐胁迫相关领域取得的研究进展，从盐胁迫诱导的生理反应、盐胁迫感受机制、信号传递、细胞器、激素调控、基因表达和表观遗传调控等方面进行系统综述。
Deep generative modeling for single-cell transcriptomics
Nat Methods. 2018 Dec;15(12):1053-1058.
DOI：10.1038/s41592-018-0229-2. Epub 2018 Nov 30.
Abstract：Single-cell transcriptome measurements can reveal unexplored biological diversity, but they suffer from technical noise and bias that must be modeled to account for the resulting uncertainty in downstream analyses. Here we introduce single-cell variational inference (scVI), a ready-to-use scalable framework for the probabilistic representation and analysis of gene expression in single cells ( https://github.com/YosefLab/scVI ). scVI uses stochastic optimization and deep neural networks to aggregate information across similar cells and genes and to approximate the distributions that underlie observed expression values, while accounting for batch effects and limited sensitivity. We used scVI for a range of fundamental analysis tasks including batch correction, visualization, clustering, and differential expression, and achieved high accuracy for each task.
机器学习在单细胞测序方面的很棒的一篇文章，它用变分推断实现了一个多功能的模型，这个模型可以进行批处理校正、可视化、聚类和差分表达等。这个文章里用到的变分推断的逻辑是个很基础的逻辑，如果你想在单细胞变分推断领域进一步深入，scVI是绕不过的。
数据库
病理在线库
•上一周期的编辑姐姐推荐了一个病理组织数据库，正好正好遇见了这个，来自协和医院的病理在线库，都是中文版可能对自己染片子同学补习基础病理知识有所帮助，选择游客登录即可查看基础图片
•网站地址：http://pathology.pumch.cn
好书好文
《复杂》
https://book.douban.com/subject/6749832/
作者简介：
梅拉妮·水歇尔（Melanie Mitchell），波特兰州立大学（Portland State University）计算机科学教授，圣塔菲研究所（Santa Fe Institute）客座教授。
唐璐，博士，毕业于中国科学院数学与系统科学研究院，现任教于湖南大学。
推荐理由：
书中涉及了计算机、数学、物理学、生物学等多个领域的内容，你甚至会看到在校学到的概念公式，仅从基因、遗传、混沌等词语会使人误以为是本理论书籍。细细读来，会发现这是一本对复杂性的科普书籍，把“复杂”诠释的尽可能简单。
学习素材
来学习免疫呀！
•免疫学学基础：
在人卫的网站协和基础所免疫学系牵头做的免疫学在线课程，纯中文，内容精炼，知识系统稳定可靠，还有课件给你，值得反复复习。
http://www.pmphmooc.com/#/moocDetails?courseID=18308
•免疫学的进阶：
•来自耶鲁的免疫生物学，具体参考jimmy老师的公号吧～
https://mp.weixin.qq.com/s/JcjCQJklRhmJ-IEjtedN_A
学完免疫学统计呀！
来自B站的斯坦福大学统计课程
Stanford : Statistical Learning 斯坦福大学：统计学习
https://www.bilibili.com/video/BV1NW41177q4?from=search&seid=10414005883443372392
新鲜出炉的今年ASCO摘要：https://pan.baidu.com/s/1Y_6BCq-qIeKrIp25HDVQtA 提取码: zfen
重点摘要的中文版：https://mp.weixin.qq.com/s/mxSVKW93JWJCKv7WOXd76g
《动手学深度学习》
面向中文读者的能运行、可讨论的深度学习教科书。在校学生和老师可以申请用于本书学习或教学的免费计算资源。 课件、作业、教学视频等资源可参考伯克利“深度学习导论” 课程大纲 中的链接（中文版课件）。 基于本书较早草稿内容的中文教学视频在： B站 和 Youtube。
https://zh.d2l.ai/index.html
影音推荐
爱德华大夫
•来自一个心理学专业同学的推荐
——希区柯克的电影系列，especially 《爱德华大夫》
https://www.bilibili.com/bangumi/media/md28225562/
犯罪心理
——如果你喜欢更犯罪心理学，那么《犯罪心理》（Criminal minds）这个电视剧值得推荐，一个值得被搬到心理学课堂上分析的美剧。
https://v.qq.com/detail/x/xeoia7pe33bycvb.html
工具
正则神器
一个正则表达式工具网站，一个及时及见的编译器
•https://www.debuggex.com/
免费在线作图
一个免费在线作图、实时协作的工具网站，支持流程图、思维导图、原型图、UML、网络拓扑图、组织结构图等
•https://www.processon.com/
我曾用它总结英语词汇和Python知识点，感觉挺好用的。
讨论
计算机技术和生物技术都是高新技术，计算机的辅助使得生物和医药领域快速发展，目前，计算机技术在人类疾病诊断方面已经取得优秀成绩，但在植物方面的应用进展缓慢，大多停留在测序这类研究中，而对植物疾病诊断及分类研究中进展缓慢。
感兴趣的读者可以来一起讨论一下，你希望计算机技术帮你解决哪些相关问题？
订阅
该周刊每周六发布，暂时作为「素材分享学习小组」内部资料，我们会挑选部分内容进行公开分享。
完成前期测试运行后将择期通过博客和公众号等形式同步更新，届时将发布具体的订阅形式。
交流
如果你想要加入「素材分享学习小组」可以参考申请说明，如果想和我们交流，欢迎在评论区留言，我们下周见！