2020年cns发表论文数量

2020年cns发表论文数量

在之前推送的 《聊一聊10X genomics的技术发展史》 、 《单细胞ATAC和空间转录组的原理原来是这样》 中，我们聊完了10X公司至今的发展历程。如今这么火热的10X genomics，都能发怎样的文章， 适用于怎样的研究呢？我们一起来看看吧。 10x genomics至今（2020年5月）发文特点 1. 概况 前面我们提到10X 单细胞技术的发展历史，以及它在同类技术中的优势。以下是2017年以来到2020年5月，每个季度10x genomics技术发表论文的数量，基本处于加速增长的趋势，并且正在渗透到很多原来单细胞技术没有涉及的研究领域。 接下来我们看看10x genomics的产品目前主要涉及哪些研究领域。因为10X genomics是单细胞领域目前市场占有量最高的技术，从10X genomics发文的特点也基本可以看出整个领域发展的情况。 图1 10X genomics技术每个季度发文章的数量 2. 单细胞转录组 截至2020年5月，一共发文728篇，果然是最最热门的方向，荣登10x genomics各个产品之首。 从研究方向看上，发育生物学、免疫、神经生物学、肿瘤是排名靠前的方向，这和我们平时遇到的高频研究方向基本吻合。另外，作为一个新兴的领域，10X 单细胞转录组检测到细胞多，数据庞大，信息复杂，对数据分析带来诸多困难，因此算法类的文章（Computational method）也高达76篇。对非生物信息背景的老师来说，如果选择外包公司进行相关研究，选择一家专业性强，售后好的公司就显得尤为重要。 从物种上看，小鼠和人牢牢占据主流。毕竟人类医学研究还是生物领域的最大热门，小鼠也是头号模式动物。其他“飞禽走兽”已经慢慢都有涉及，但比较少的是植物（这里只有两例拟南芥的文章）。主要原因在我们下文也会提起——植物因为细胞壁的存在，制备单细胞悬液的难度更大，从而限制了大规模应用。不过这些困难也已经慢慢在摸索中被克服，目前已经有若干客户在基迪奥成功制备了植物原生质体的单细胞悬液，正进行后续分析中。 从组织类型上看，研究内容几乎涵盖了动物体内大部分组织器官，尤其在脑、血液、实体瘤、肺等四类样本发文的数量都已经超过50篇。所以，后续在人、小鼠领域没有任何实验设计，仅仅对此类已被大量研究的热门组织直接进行测序是发不了好文章的。所以，对已被大量文献报道的热门组织开展研究，个性化的实验设计尤为重要，这部分内容在之后会展开论述。当然，对于冷门的组织或者没有文献报道过的物种（例如大部分植物），只要成功测到数据，任何结果都是创新，则可以较少考虑复杂的实验设计问题。 在已发表的文献上看，截至2020年，10X单细胞转录组的文章依然很大比例发表在高分的主流期刊上。但这样的新技术红利不会一直持续下去，所以对于关注新技术的老师，还是早关注，早启动，早发文章才能保证有好的产出。 图2 10x单细胞转录组文章涉及的领域方向 （注意，分类上会有重复，比如研究方向涉及两个，所以细分之和会超过总数） 3. 10x 免疫组库（VDJ-seq） 截至2020年5月，一共发文56篇。这是仅次于10X RNA-seq的热点方向，因为很多关心免疫细胞的老师会进行10X RNA-seq的时候，配对进行scVDJ-seq。但目前10X scVDJ-seq标准化试剂盒只针对人和小鼠，其他物种的用户如果想做只能自己去设计定制探针系统（显然难度比较大），这限制了其他动物利用该技术开展研究。10X scVDJ-seq因为通常需要先分类淋巴细胞（T/B细胞）然后进行检测，目前最多是对血液开展研究，其次是研究肿瘤浸润的淋巴细胞，其他组织则目前研究报道还比较少，不少空白还留着大家去补充。 图3 10x单细胞免疫组文章涉及的领域方向 4. 空间转录组(ST-seq) 截至2020年5月，一共发文19篇。从发表文章上看，居然排名第一的是Scientific Report，实在太“辣眼睛”了：这么好的技术，暴殄天物啊。不过不用激动，这个技术其实直到2019年才被10X genomics公司收购，当年年底优化升级后推出。再此之前，这个技术所属的瑞典公司Spatial Tranomics一直不温不火的，发文章大部分也是一些瑞典的研究机构自己在玩。 我推测（没有仔细调研过）这个技术就是瑞典研究机构自己开发的技术，然后搞了商业化公司Spatial Tranomics。由于是自己的技术，成本很低，发文章就不挑剔，随心所欲。 所以，文章要么是CNS(或者高水平的nature biotechnology, nature plant等这个高水平的子刊），要么时不时在Scientific Report水一把。不过随着空间转录技术升级后2020年全面推出，“10X ST-seq+10X RNA-seq”的套路肯定又会爆出一批高水平的文章。 图4 10x单细胞ATAC-seq文章涉及的领域方向 5. 10X ATAC-seq 截至2020年5月，一共发文12篇文章，数量还不多。而且，其中有近一半（5篇）是涉及生物信息分析方法探索的文章。这是由于对单细胞ATAC-seq这种信息庞大，噪音复杂的数据，应该如何分析还有很多值得探索的地方。 图5 10x单细胞ATAC-seq文章涉及的领域方向 从以上介绍，你可能已经发现，10X单细胞相关的转录调控组学技术目前主要围绕模式生物开展。那么10x单细胞技术是否可以研究非模式物种呢？ 10X 单细胞技术可以检测哪些RNA以及应用于哪些物种 1. 10X单细胞技术是否需要参考基因组 以比较代表性的10X RNA-seq、VDJ-seq、ATAC-seq和ST-seq(空间转录组)来说。VDJ-seq受限于试剂只针对人和小鼠开发，因此其他物种目前无法开展商业化的服务。ATAC-seq作为检测基因组开放性的技术，其检测的区域大部分为非编码区，因此参考基因组不但必须要有，而且参考基因组的质量对ATAC-seq的影响非常大。 而对于RNA-seq或者ST-seq，本质上就是转录组，研究的目标分子是带ployA尾巴的RNA。因此，并非必须要有参考基因，只要有质量足够好的参考转录本就可以了。下来，我们重点剖析下10X RNA-seq和ST-seq的应用需求。 2. 10X RNA-seq/ST-seq可以检测哪些类型的RNA 从上文介绍，我们可以知道10X RNA-seq和ST-seq（空间转录组）依赖于围绕ployA结构开展扩增。那么我们分析一下10X RNA-seq/ST-seq可以检测哪些RNA。 （1）mRNA 由于真核生物mRNA都有ployA结构，所以理论上mRNA就是10X RNA-seq/ST-seq主要的检测目标。当然，由于只是扩增mRNA 3‘端或者5‘端的一小段用于定量，所以并不能能用于分析可变剪切。 （2）lncRNA 高等生物的LncRNA只有一部分有ployA结构（另外一部分自然没有），因此10X RNA-seq/ST-seq只能检测这些有ployA结构的lncRNA。另外，由于lncRNA表达量普遍毕竟低，而10X RNA-seq/ST-seq这类大规模单细胞/准单细胞测序的技术，对低丰度mRNA分子的检测能力比较弱，因此结果中lncRNA的数量将比较少。 （3）其他RNA 近年来研究大热的环状RNA由于没有ployA结构，因此不在10X RNA-seq/ST-seq的检测范围内。同样的，其他类型的小RNA，例如miRNA，也是10X RNA-seq/ST-seq无法检测的。 3. 10X RNA-seq/ST-seq可以用于哪些物种研究 10X RNA-seq/ST-seq质上就是转录组测序。某个物种是否可以用10X RNA-seq/ST-seq开展转录组研究，需要考虑两个方面的问题： （1）实验层面的问题 对于10X RNA-seq来说，主要考虑该物种是否可以制备单细胞或单细胞核悬液？大部分高等动物/植物的样本理论上都满足这个要求。而对于10X ST-seq主要要考虑该物种是否可以制作切片，以及切片中的组织是否可以被顺利解离释放RNA。对某些植物来说，在无法制作单细胞悬液的情况下，制作切片进行空间转录组测序或许是更可行的研究切入方式。这些技术的具体的实验方法，我们在后续章节讨论。 另外，细菌的细胞太小，且没有ployA结构，自然不适合10X genomics的检测。 （2）分析层面的问题 同常规RNA-seq一样，10X RNA-seq/ST-seq需要将测序数据比对到作为参考的基因组，才能实现对基因的定量。那么参考基因组是影响分析结果的主要问题。10X RNA-seq/ST-seq由于只对转录本的3‘端或者5‘端进行测序，然后通过比对参考基因组实现对RNA的定量。那么，这要求用于作为参考的基因组要有较高的质量。因为如果参考基因组组装质量差，基因注释不完整，那么会影响测序结果的比对以及基因定量。 基于参考基因组，我们可以分为3种情况： 1）参考基因组质量很高 比如，人类、小鼠、拟南芥、水稻等，参考基因组质量高，基因组注释都优化了很多版本了，开展10X RNA-seq/ST-seq分析自然没有问题了。 2）参考基因组质量值得怀疑 这10年来，基于二代测序组装技术的发展，很多非模式生物的参考基因组已经被发表。但实际上由于预算或急着发表等诸多因素，这些已经发表的基因组质量参差不齐。比如，很多基因组在注释的时候，只有CDS区注释，而缺乏5‘UTR或者3‘UTR区。而10X RNA-seq/ST-seq检测的是RNA的5’端或者3‘端序列，其实大部分就是5’UTR或者3‘UTR序列。如果参考基因组没有将UTR区域注释出来，自然就会影响测序结果的比对和定量。 所以，对哪些组装组质量较差的物种，如果比对率异常（比对在基因区的数据偏少），可以考虑人为对基因组注释文件的5’UTR区或者3‘UTR区进行延伸，这样可能会改善比对和定量的结果。另外，如果预算许可，可以考虑在实验设计中加入一些常规转录组或者3代全长转录组，用于优化参考基因组的注释（不过，10X RNA-seq/ST-seq这么贵的技术都用上了，好像也不会在乎多测几个常规转录组了吧）。 3）没有参考基因组 没有参考基因组当然没法做比对和定量，也就无法开展10X RNA-seq/ST-seq分析。对于没有参考基因组的物种，从而组装一个基因组费用比较高且周期比较长。对于无参考基因组的物种，如果老师很想进行10X RNA-seq/ST-seq研究，那么也可以考虑对转录组数据进行拼接，构建一个转录本参考用于10X RNA-seq/ST-seq数据的比对和定量。 但如果采用转录组de novo拼接构建转录组，一定要注意3个问题： a）一定要使用三代测序进行转录组拼接而非二代测序 基于常规的二代测序结果的 de novo 拼接获得的转录本大部分是不完整的，大概率缺失UTR区的序列，所以基于常规二代测序拼接的 de novo 转录组参考序列集并不适合用于作为10X RNA-seq/ST-seq的参考库。唯一合适的方法应该是基于三代全长转录组测序技术进行 de novo 拼接，去获得完整的转录本全长序列，才适合作为10X RNA-seq/ST-seq的参考库。 b）三代转录组较低的基因检出率需要数据量做保障 我们做过的大量有参考基因组物种三代转录组测序数据表明，三代全长转录组对基因的检出率平均在40%（即基因组如果有2万个基因，但三代全长转录组平均只能检出8000个基因）。这主要原因三代全长转录组只有获得mRNA全长，被算一个有效检出的完整转录本。但在全部数据里，全长转录本所占的比例并不高，尤其对低丰度基因的转录本漏检较多。 为了保证三代全长转录组能够较多检测低丰度的转录本，以保证 de novo 拼接的转录组参考集涵盖更多的基因，可以考虑适当加大测序的数据量（现在三代测序也比较便宜了）。 c） de novo 参考转录组冗余度的影响 de novo 从头拼接的结果有一个比较麻烦的问题是序列冗余度比较大，即同一个基因的多个可变剪切同时被检测和拼接出来。这会导致10X genomics数据进行比对时，多重比对（即一条测序的reads会比对上多个转录本）比例比较大。而多重比对的reads在10X RNA-seq/ST-seq定量的时候，默认要被丢弃。 所以，对于 de novo 拼接来源的转录本需要适当进行去冗余处理，从而减少多重比对的影响，提高数据量的有效率。在无参考转录组 de novo 拼接方面，基迪奥有非常丰富的项目经验。在已有的案例中，我们已经证明了无参考转录组 de novo 拼接结果在进行适当优化后，可以作为10X RNA-seq/ST-seq的参考。 参考文献 [1] Svensson V, Vento-Tormo R, Teichmann S A. Exponential scaling of single-cell RNA-seq in the past decade[J]. Nature protocols, 2018, 13(4): 599. [2] Rosenberg A B, Roco C M, Muscat R A, et al. Single-cell profiling of the developing mouse brain and spinal cord with split-pool barcoding[J]. Science, 2018, 360(6385): 176-182. [3] Macosko EZ, Basu A, Satija R, Nemesh J et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell 2015 May 21;161(5):1202-1214 [4] CytoSeq: Fan H. C., Fu G. K. and Fodor S. P. (2015) Expression profiling. Combinatorial labeling of single cells for gene expression cytometry. Science 347: 1258367 [5] Birey F, Andersen J, Makinson C D, et al. Assembly of functionally integrated human forebrain spheroids[J]. Nature, 2017, 545(7652): 54-59. [6]单细胞在线课堂： 转自 风很大的10x genomics到底能发怎样的文章？_研究 (sohu.com)

2020年，中国卓越科技论文共计46.38万篇，比2019年增加19.8%，其中卓越国际科技论文21.60万篇，卓越国内科技论文24.78万篇。卓越论文数量最多的学科是临床医学，化学，电子、通信与自动控制、生物学。

国际论文被引用次数统计，中国在材料科学、化学、计算机科学、工程技术等4个领域排在世界第1位，与上年度相比，增加了计算机科学领域。

说到期刊，很多同学还不知道如何发表期刊论文，期刊按等级分：普通、核心、C刊。目前，收费期刊未必就比免费期刊更好发表。有一些免费期刊会比收费期刊更好发表。投稿方式主要是电子邮箱或者是在线投稿。

不仅如此，我国国际顶尖期刊论文数量升至世界第2位。2020年被引次数超过10万次且影响因子超过30的国际期刊有15种，共发表论文2.55万篇，其中，中国发表1833篇学术论文和述评文章，排在世界第2位，比2019年上升2位。

2020年，我国的国际顶尖期刊论文数量排名世界第二，比2019年上升两位。我国国际合著论文数量继续增长，进入世界本学科前列的中国科技期刊数量增加，国际显示度进一步增强，中国科技期刊学术影响水平有了明显的提升。

通过与国际重要信息服务机构和国际出版机构的合作，将论文集中链接和精准推送给国际同行。为中文发表的论文、作者和中文学术期刊融入国际学术共同体提供了一条高效渠道。

与此同时，2020年，我国作者参与发表的论文中，作者数超过100人且合作机构数大于50个的论文有485篇，涉及主题有：粒子与场物理、天文与天体物理、多学科物理研究、核物理研究等。

国际访问用户主要来自国际大学和科研单位，例如：美国的康奈尔大学、哈佛大学等，英国的剑桥大学、伦敦大学、牛津大学等，以及一些著名的国家实验室等。

根据最新公布的数据，2022年各国的SCI（Science Citation Index）论文数量如下：1. 中国：617,000篇2. 美国：416,000篇3. 印度：135,000篇4. 日本：103,000篇5. 英国：97,000篇6. 德国：96,000篇7. 韩国：75,000篇8. 法国：63,000篇9. 加拿大：43,000篇10. 意大利：42,000篇其中，中国以远超其他国家的数量位居首位，显示出其强大的科研实力和发展潜力。美国虽然在总数上落后于中国，但其高水平学术论文数量依然居世界领先水平。其他国家的SCI数量也在不断增长，说明全球科学技术的发展正在日益加速。这些数据反映了各国重视科学技术研究的态度和努力，也预示着未来科技创新的前景十分广阔。

意味着我国科研水平又上了一个台阶。其科研成果为世界所认可，并且在世界范围各自领域发挥了实用价值。也反映了我国科教兴国、科技强国战略的显著成绩。

2020年论文发表数量

中国疾病预防控制中心（简称中国疾控中心）成立于2002年1月23日[34][35]，是由中华人民共和国国家卫生健康委员会主管的实施国家级疾病预防控制与公共卫生技术管理和服务的公益事业单位。中心主要开展疾病预防控制、突发公共卫生事件应急、环境与职业健康、营养健康、老龄健康、妇幼健康、放射卫生和学校卫生等工作；组织制定国家公共卫生技术方案和指南，承担公共卫生相关卫生标准综合管理工作；开展传染病、慢性病、职业病、地方病、突发公共卫生事件和疑似预防接种异常反应监测及国民健康状况监测与评价；参与国家公共卫生应急准备和应对，组织制定食品安全事故流行病学调查和卫生处理相关技术规范；开展疾病预防控制、突发公共卫生事件应急、公众健康关键科学研究和技术开发；开展公共卫生专业领域的研究生教育、继续教育和相关专业技术培训等工作。[1]根据2020年7月官网显示，中国疾病预防控制中心有院士5人，其中中国科学院院士2人、中国工程院院士3人；有下属科研部门11个，有国家重点实验室1个，国家卫生计生委重点实验室3个，中心重点实验室3个。[2][3][4][5]2018年被中华全国总工会授予“全国五一劳动奖状”。[30]中文名中国疾病预防控制中心外文名Chinese Center for Disease Control and Prevention简称中国疾控中心·CDC创办时间1983年12月23日主管部门中华人民共和国国家卫生健康委员会

意味着我国科研水平又上了一个台阶。其科研成果为世界所认可，并且在世界范围各自领域发挥了实用价值。也反映了我国科教兴国、科技强国战略的显著成绩。

在之前推送的 《聊一聊10X genomics的技术发展史》 、 《单细胞ATAC和空间转录组的原理原来是这样》 中，我们聊完了10X公司至今的发展历程。如今这么火热的10X genomics，都能发怎样的文章， 适用于怎样的研究呢？我们一起来看看吧。 10x genomics至今（2020年5月）发文特点 1. 概况 前面我们提到10X 单细胞技术的发展历史，以及它在同类技术中的优势。以下是2017年以来到2020年5月，每个季度10x genomics技术发表论文的数量，基本处于加速增长的趋势，并且正在渗透到很多原来单细胞技术没有涉及的研究领域。 接下来我们看看10x genomics的产品目前主要涉及哪些研究领域。因为10X genomics是单细胞领域目前市场占有量最高的技术，从10X genomics发文的特点也基本可以看出整个领域发展的情况。 图1 10X genomics技术每个季度发文章的数量 2. 单细胞转录组 截至2020年5月，一共发文728篇，果然是最最热门的方向，荣登10x genomics各个产品之首。 从研究方向看上，发育生物学、免疫、神经生物学、肿瘤是排名靠前的方向，这和我们平时遇到的高频研究方向基本吻合。另外，作为一个新兴的领域，10X 单细胞转录组检测到细胞多，数据庞大，信息复杂，对数据分析带来诸多困难，因此算法类的文章（Computational method）也高达76篇。对非生物信息背景的老师来说，如果选择外包公司进行相关研究，选择一家专业性强，售后好的公司就显得尤为重要。 从物种上看，小鼠和人牢牢占据主流。毕竟人类医学研究还是生物领域的最大热门，小鼠也是头号模式动物。其他“飞禽走兽”已经慢慢都有涉及，但比较少的是植物（这里只有两例拟南芥的文章）。主要原因在我们下文也会提起——植物因为细胞壁的存在，制备单细胞悬液的难度更大，从而限制了大规模应用。不过这些困难也已经慢慢在摸索中被克服，目前已经有若干客户在基迪奥成功制备了植物原生质体的单细胞悬液，正进行后续分析中。 从组织类型上看，研究内容几乎涵盖了动物体内大部分组织器官，尤其在脑、血液、实体瘤、肺等四类样本发文的数量都已经超过50篇。所以，后续在人、小鼠领域没有任何实验设计，仅仅对此类已被大量研究的热门组织直接进行测序是发不了好文章的。所以，对已被大量文献报道的热门组织开展研究，个性化的实验设计尤为重要，这部分内容在之后会展开论述。当然，对于冷门的组织或者没有文献报道过的物种（例如大部分植物），只要成功测到数据，任何结果都是创新，则可以较少考虑复杂的实验设计问题。 在已发表的文献上看，截至2020年，10X单细胞转录组的文章依然很大比例发表在高分的主流期刊上。但这样的新技术红利不会一直持续下去，所以对于关注新技术的老师，还是早关注，早启动，早发文章才能保证有好的产出。 图2 10x单细胞转录组文章涉及的领域方向 （注意，分类上会有重复，比如研究方向涉及两个，所以细分之和会超过总数） 3. 10x 免疫组库（VDJ-seq） 截至2020年5月，一共发文56篇。这是仅次于10X RNA-seq的热点方向，因为很多关心免疫细胞的老师会进行10X RNA-seq的时候，配对进行scVDJ-seq。但目前10X scVDJ-seq标准化试剂盒只针对人和小鼠，其他物种的用户如果想做只能自己去设计定制探针系统（显然难度比较大），这限制了其他动物利用该技术开展研究。10X scVDJ-seq因为通常需要先分类淋巴细胞（T/B细胞）然后进行检测，目前最多是对血液开展研究，其次是研究肿瘤浸润的淋巴细胞，其他组织则目前研究报道还比较少，不少空白还留着大家去补充。 图3 10x单细胞免疫组文章涉及的领域方向 4. 空间转录组(ST-seq) 截至2020年5月，一共发文19篇。从发表文章上看，居然排名第一的是Scientific Report，实在太“辣眼睛”了：这么好的技术，暴殄天物啊。不过不用激动，这个技术其实直到2019年才被10X genomics公司收购，当年年底优化升级后推出。再此之前，这个技术所属的瑞典公司Spatial Tranomics一直不温不火的，发文章大部分也是一些瑞典的研究机构自己在玩。 我推测（没有仔细调研过）这个技术就是瑞典研究机构自己开发的技术，然后搞了商业化公司Spatial Tranomics。由于是自己的技术，成本很低，发文章就不挑剔，随心所欲。 所以，文章要么是CNS(或者高水平的nature biotechnology, nature plant等这个高水平的子刊），要么时不时在Scientific Report水一把。不过随着空间转录技术升级后2020年全面推出，“10X ST-seq+10X RNA-seq”的套路肯定又会爆出一批高水平的文章。 图4 10x单细胞ATAC-seq文章涉及的领域方向 5. 10X ATAC-seq 截至2020年5月，一共发文12篇文章，数量还不多。而且，其中有近一半（5篇）是涉及生物信息分析方法探索的文章。这是由于对单细胞ATAC-seq这种信息庞大，噪音复杂的数据，应该如何分析还有很多值得探索的地方。 图5 10x单细胞ATAC-seq文章涉及的领域方向 从以上介绍，你可能已经发现，10X单细胞相关的转录调控组学技术目前主要围绕模式生物开展。那么10x单细胞技术是否可以研究非模式物种呢？ 10X 单细胞技术可以检测哪些RNA以及应用于哪些物种 1. 10X单细胞技术是否需要参考基因组 以比较代表性的10X RNA-seq、VDJ-seq、ATAC-seq和ST-seq(空间转录组)来说。VDJ-seq受限于试剂只针对人和小鼠开发，因此其他物种目前无法开展商业化的服务。ATAC-seq作为检测基因组开放性的技术，其检测的区域大部分为非编码区，因此参考基因组不但必须要有，而且参考基因组的质量对ATAC-seq的影响非常大。 而对于RNA-seq或者ST-seq，本质上就是转录组，研究的目标分子是带ployA尾巴的RNA。因此，并非必须要有参考基因，只要有质量足够好的参考转录本就可以了。下来，我们重点剖析下10X RNA-seq和ST-seq的应用需求。 2. 10X RNA-seq/ST-seq可以检测哪些类型的RNA 从上文介绍，我们可以知道10X RNA-seq和ST-seq（空间转录组）依赖于围绕ployA结构开展扩增。那么我们分析一下10X RNA-seq/ST-seq可以检测哪些RNA。 （1）mRNA 由于真核生物mRNA都有ployA结构，所以理论上mRNA就是10X RNA-seq/ST-seq主要的检测目标。当然，由于只是扩增mRNA 3‘端或者5‘端的一小段用于定量，所以并不能能用于分析可变剪切。 （2）lncRNA 高等生物的LncRNA只有一部分有ployA结构（另外一部分自然没有），因此10X RNA-seq/ST-seq只能检测这些有ployA结构的lncRNA。另外，由于lncRNA表达量普遍毕竟低，而10X RNA-seq/ST-seq这类大规模单细胞/准单细胞测序的技术，对低丰度mRNA分子的检测能力比较弱，因此结果中lncRNA的数量将比较少。 （3）其他RNA 近年来研究大热的环状RNA由于没有ployA结构，因此不在10X RNA-seq/ST-seq的检测范围内。同样的，其他类型的小RNA，例如miRNA，也是10X RNA-seq/ST-seq无法检测的。 3. 10X RNA-seq/ST-seq可以用于哪些物种研究 10X RNA-seq/ST-seq质上就是转录组测序。某个物种是否可以用10X RNA-seq/ST-seq开展转录组研究，需要考虑两个方面的问题： （1）实验层面的问题 对于10X RNA-seq来说，主要考虑该物种是否可以制备单细胞或单细胞核悬液？大部分高等动物/植物的样本理论上都满足这个要求。而对于10X ST-seq主要要考虑该物种是否可以制作切片，以及切片中的组织是否可以被顺利解离释放RNA。对某些植物来说，在无法制作单细胞悬液的情况下，制作切片进行空间转录组测序或许是更可行的研究切入方式。这些技术的具体的实验方法，我们在后续章节讨论。 另外，细菌的细胞太小，且没有ployA结构，自然不适合10X genomics的检测。 （2）分析层面的问题 同常规RNA-seq一样，10X RNA-seq/ST-seq需要将测序数据比对到作为参考的基因组，才能实现对基因的定量。那么参考基因组是影响分析结果的主要问题。10X RNA-seq/ST-seq由于只对转录本的3‘端或者5‘端进行测序，然后通过比对参考基因组实现对RNA的定量。那么，这要求用于作为参考的基因组要有较高的质量。因为如果参考基因组组装质量差，基因注释不完整，那么会影响测序结果的比对以及基因定量。 基于参考基因组，我们可以分为3种情况： 1）参考基因组质量很高 比如，人类、小鼠、拟南芥、水稻等，参考基因组质量高，基因组注释都优化了很多版本了，开展10X RNA-seq/ST-seq分析自然没有问题了。 2）参考基因组质量值得怀疑 这10年来，基于二代测序组装技术的发展，很多非模式生物的参考基因组已经被发表。但实际上由于预算或急着发表等诸多因素，这些已经发表的基因组质量参差不齐。比如，很多基因组在注释的时候，只有CDS区注释，而缺乏5‘UTR或者3‘UTR区。而10X RNA-seq/ST-seq检测的是RNA的5’端或者3‘端序列，其实大部分就是5’UTR或者3‘UTR序列。如果参考基因组没有将UTR区域注释出来，自然就会影响测序结果的比对和定量。 所以，对哪些组装组质量较差的物种，如果比对率异常（比对在基因区的数据偏少），可以考虑人为对基因组注释文件的5’UTR区或者3‘UTR区进行延伸，这样可能会改善比对和定量的结果。另外，如果预算许可，可以考虑在实验设计中加入一些常规转录组或者3代全长转录组，用于优化参考基因组的注释（不过，10X RNA-seq/ST-seq这么贵的技术都用上了，好像也不会在乎多测几个常规转录组了吧）。 3）没有参考基因组 没有参考基因组当然没法做比对和定量，也就无法开展10X RNA-seq/ST-seq分析。对于没有参考基因组的物种，从而组装一个基因组费用比较高且周期比较长。对于无参考基因组的物种，如果老师很想进行10X RNA-seq/ST-seq研究，那么也可以考虑对转录组数据进行拼接，构建一个转录本参考用于10X RNA-seq/ST-seq数据的比对和定量。 但如果采用转录组de novo拼接构建转录组，一定要注意3个问题： a）一定要使用三代测序进行转录组拼接而非二代测序 基于常规的二代测序结果的 de novo 拼接获得的转录本大部分是不完整的，大概率缺失UTR区的序列，所以基于常规二代测序拼接的 de novo 转录组参考序列集并不适合用于作为10X RNA-seq/ST-seq的参考库。唯一合适的方法应该是基于三代全长转录组测序技术进行 de novo 拼接，去获得完整的转录本全长序列，才适合作为10X RNA-seq/ST-seq的参考库。 b）三代转录组较低的基因检出率需要数据量做保障 我们做过的大量有参考基因组物种三代转录组测序数据表明，三代全长转录组对基因的检出率平均在40%（即基因组如果有2万个基因，但三代全长转录组平均只能检出8000个基因）。这主要原因三代全长转录组只有获得mRNA全长，被算一个有效检出的完整转录本。但在全部数据里，全长转录本所占的比例并不高，尤其对低丰度基因的转录本漏检较多。 为了保证三代全长转录组能够较多检测低丰度的转录本，以保证 de novo 拼接的转录组参考集涵盖更多的基因，可以考虑适当加大测序的数据量（现在三代测序也比较便宜了）。 c） de novo 参考转录组冗余度的影响 de novo 从头拼接的结果有一个比较麻烦的问题是序列冗余度比较大，即同一个基因的多个可变剪切同时被检测和拼接出来。这会导致10X genomics数据进行比对时，多重比对（即一条测序的reads会比对上多个转录本）比例比较大。而多重比对的reads在10X RNA-seq/ST-seq定量的时候，默认要被丢弃。 所以，对于 de novo 拼接来源的转录本需要适当进行去冗余处理，从而减少多重比对的影响，提高数据量的有效率。在无参考转录组 de novo 拼接方面，基迪奥有非常丰富的项目经验。在已有的案例中，我们已经证明了无参考转录组 de novo 拼接结果在进行适当优化后，可以作为10X RNA-seq/ST-seq的参考。 参考文献 [1] Svensson V, Vento-Tormo R, Teichmann S A. Exponential scaling of single-cell RNA-seq in the past decade[J]. Nature protocols, 2018, 13(4): 599. [2] Rosenberg A B, Roco C M, Muscat R A, et al. Single-cell profiling of the developing mouse brain and spinal cord with split-pool barcoding[J]. Science, 2018, 360(6385): 176-182. [3] Macosko EZ, Basu A, Satija R, Nemesh J et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell 2015 May 21;161(5):1202-1214 [4] CytoSeq: Fan H. C., Fu G. K. and Fodor S. P. (2015) Expression profiling. Combinatorial labeling of single cells for gene expression cytometry. Science 347: 1258367 [5] Birey F, Andersen J, Makinson C D, et al. Assembly of functionally integrated human forebrain spheroids[J]. Nature, 2017, 545(7652): 54-59. [6]单细胞在线课堂： 转自 风很大的10x genomics到底能发怎样的文章？_研究 (sohu.com)

疾控中心委员会是事业单位。中国疾病预防控制中心（简称中国疾控中心）成立于2002年1月23日[34][35]，是由中华人民共和国国家卫生健康委员会主管的实施国家级疾病预防控制与公共卫生技术管理和服务的公益事业单位。中心主要开展疾病预防控制、突发公共卫生事件应急、环境与职业健康、营养健康、老龄健康、妇幼健康、放射卫生和学校卫生等工作；组织制定国家公共卫生技术方案和指南，承担公共卫生相关卫生标准综合管理工作

2020年发表的论文数量

我觉得这一排名的意义就是我国的期刊研究是非常值得肯定的，也代表着也非常的优秀的成果，中国的学者是很厉害的，教育成果也是非常的显著的，学生们都是很出众的。

在2022年，各国的SCI数量将有所增长。根据统计，中国将拥有最多的SCI文献，其数量将超过2.5万篇，美国将拥有约2.2万篇SCI文献，而德国和日本分别将拥有约1.5万篇和1.2万篇SCI文献。此外，加拿大、法国、英国、意大利、韩国和印度也将拥有大量SCI文献，各自的数量将在1万篇以上。随着人口老龄化和全球化的推进，未来各国关于科学研究和发展的投资也将不断增加，因此，2022年各国的SCI数量将进一步增加。

第一，我国的顶尖科学家非常多，第二，他们在各个领域都有很多发现，第三，我国的科学技术水平在国际上处于领先，第四，中国人最善于写论文，第五，论文水平很高。

根据最新公布的数据，2022年各国的SCI（Science Citation Index）论文数量如下：1. 中国：617,000篇2. 美国：416,000篇3. 印度：135,000篇4. 日本：103,000篇5. 英国：97,000篇6. 德国：96,000篇7. 韩国：75,000篇8. 法国：63,000篇9. 加拿大：43,000篇10. 意大利：42,000篇其中，中国以远超其他国家的数量位居首位，显示出其强大的科研实力和发展潜力。美国虽然在总数上落后于中国，但其高水平学术论文数量依然居世界领先水平。其他国家的SCI数量也在不断增长，说明全球科学技术的发展正在日益加速。这些数据反映了各国重视科学技术研究的态度和努力，也预示着未来科技创新的前景十分广阔。

2020年中国发表cns论文

如果一个实验室发表Cell，Nature，Science（CNS）论文10篇以，就称“CNS实验室”。在这样的实验室，发表CNS论文是正常的，常规的，一年通常是有几篇。

CNS(Cell,Nature,Science)是美国Cell(《细胞》)、英国Nature(《自然》)及美国Science(《科学》)三大举世公认的顶级科学期刊简称。CNS并不是专有名称，只是表示生命科学高水平学术杂志。

扩展资料：

Cell(《细胞》)、Nature(《自然》)、Science(《科学》)三者分别是：

《科学》杂志属于综合性科学杂志，英文名：ScienceMagazine。它的科学新闻报道、综述、分析、书评等部分，都是权威的科普资料，该杂志也适合一般读者阅读。《科学》和它的对手《自然》期刊涵盖了所有学科。根据期刊引证报告，《科学》在2014年的影响因子为31.477。

英国著名杂志《自然》(Nature)是世界上最权威的科学杂志之一。杂志以报道科学世界中的重大发现、重要突破为使命，要求科研成果新颖。《自然》杂志的影响因子为36.101。

《细胞》(Cell)为一份同行评审科学期刊，主要发表生命科学领域中的最新研究发现。《细胞》刊登过许多重大的生命科学研究进展，与《自然》和《科学》并列，是全世界最权威的学术杂志之一。其2010年的影响因子为31.957。表明它所刊登的文章广受引用。

参考资料：

百度百科-cns实验室

古典文学常见论文一词，谓交谈辞章或交流思想。当代，论文常用来指进行各个学术领域的研究和描述学术研究成果的文章，简称之为论文。它既是探讨问题进行学术研究的一种手段，又是描述学术研究成果进行学术交流的一种工具。它包括学年论文、毕业论文、学位论文、科技论文、成果论文等。

从教学、科研等方面来看，上海交通大学都是国内“厉害”的佼佼者，其成果、校园也享誉中外。

20年来，上海交通大学获得国家科技奖99项，上海市奖593项——

2019年，谭家华教授团队牵头、六家单位“二十年磨一剑”共同研制的“海上大型绞吸疏浚装备”获评国家科技进步特等奖，实现了历史性突破；7个项目获得国家科技奖，总数位居全国第二；19项成果获评教育部“三大奖”，总数位列全国第一；国家自然科学基金项目总数连续12年位列全国第一。2020年学校以第一完成单位荣获国家科技奖8项，其中1项成果获国家技术发明奖一等奖，获奖总数居全国高校第二；以第一完成单位获高等学校科学研究优秀成果奖（科学技术）一等奖7项，位列全国高校第三；荣获上海市科学技术奖特等奖1项，一等奖21项，蝉联上海市首位；2020年度卓越论文数达6891篇，连续三年居全国高校第一；2021年Nature、Science、Cell等顶尖杂志的论文发表实现重大跨越，发表CNS论文41篇，其中第一及通讯作者17篇，首次突破两位数；中国城市治理研究院等智库资政启民，影响力日益显现；立足上海，辐射全国，李政道研究所、张江科学园建设稳步推进，为上海全球科创中心建设添砖加瓦。

这个刊物是学术期刊的巅峰，如果能发表这三个刊物，可以说作者的科研水平能力已经达到国际顶尖水平。

CNS并不是一个单独的检索工具，它是《细胞》(Cell)、《自然》(Nature)和《科学》(Science)三个刊物的首字母的缩写。

在CNS上发表文章是很多研究者孜孜以求的目标，也是评选诺贝尔奖、竞选院士、展示大学和科研机构研究实力的重要依据，国内能发表CNS的作者可以说是寥寥无几，中国科学院的院士也只是有个别人成功发表过一篇文章，因此，对于广大普通作者来说发表CNS论文就显得更加遥不可及，普通作者也完全没必要追求如此高级别的刊物。

2018年中国发表CNS论文数量

70人。北京市自然科学基金重点项目和教育部人文社科基金等多项科研课题，在统计学国际一流期刊（包括顶级期刊）发表论文70余篇。

华中科技大学高排名引争议

2019年软科中国最好大学排名出炉，其中华中科技大学强势插队华东五校，综合成绩和南京大学相同，并列全国第七，这样的排名为华中科技大学引来不少的非议，认为华中科技大学是典型的网红高校，是靠着排名炒作来提升学校的声誉和影响力，但是真实的情况是如何？

国际权威科研机构Nature和science对华中科技大学的赞誉就是最好的数据支持，2018年华中科技大学发表了5篇不同学科的CNS主刊论文。

而南京大学从2016~2018年连续三年没有在CNS主刊发表过任何论文，直到2019年，南京大学才恢复往日的实力，半年时间内出现了4篇CNS主刊论文，因此仅仅是2018年顶级科研期刊5比0的数据，也让华中科技大学可以和南京大学平起平坐！

强悍的工科实力

华中科技大学作为工科强校，其实并不是ESI论文大户，但是却在理科论文上表现出强大的实力，也显示出这所高校的综合实力非常强。USNews2019年世界工程技术专业排名，华中科技大学可以杀入世界榜单前二十强。

而且华中科技大学和清华大学同时被美国制造业协会（SME）授予“大学领先奖”，虽然中国的工科强校还有很多，但是获得这项大奖的高校仅有清华大学和华中科技大学。2017年华中科技大学学科评估中，有4门学科进入A+，分别是生物医学工程、公共卫生医学、机械工程、光电工程。

这四门学科也代表了华中科技大学的历史，由工科强校华中理工和老牌医科劲旅同济医科大学合并而成，医学和理工科联合发展是未来的方向，因此华中科技大学未来的进步空间还很大！

世界500强企业雇主关系世界第一

由于华中科技大学的生源质量不能和清华、北大以及华东五校相比，生源排名大概在全国20多名，因此华中科技大学的毕业生对自己的定位比较低调，就像隐藏在森林中的华科大一样的务实，有着同济医学院金字招牌，却很少对外宣传，踏实的学风，让华中科技大学的毕业生备受世界500强企业雇主的喜爱。

因此在2019年QS雇主和高校毕业生关系中，华中科技大学竟然排名世界第一！华为作为世界500强企业之一，一半以上的高管都拥有华中科技大学的毕业背景，因此也能理解，为何华中科技大学会在这项排名中高居榜首！

我觉得这是作为中国人值得自豪的，这说明我们的科技科学领域在进步，在向前看，至少不再落后，也说明经过努力，我们的科学走在了世界的前面。

关于这个问题，其实，我并不惊讶，因为如果换是我写的话，自然也然，在世界上可能找不到我。所以，我说的并不惊讶，是我们中国的各方面发展非常迅速，所以，在论文方面也显示表现出来了，是金子到哪都会发光，恰好，我们中国就是一个无比巨大的金子，只是没人去注意他而已，所以作为中国人，不需要大惊小怪。

在日本发布的一份报告中，科学技术和学术政策研究所，他们都参考了科睿唯安公司的具体数据，分析了主要国家的论文数量，由于每年的实际变化较大，研究所根据3年平均值进行计算，结果显示，大概在2017年的时候，到2018年至的平均值里，中国研究人员每年发表的论文数量为305927篇，居全世界首位，高于美国的281487篇。

德国67041篇，排名在第三，日本排名第四，大概有64874篇文章，此外，从报纸的世界份额来看，我们中国跟美国分别占19．9％和18．3％左右，而排在第三位的是德国仅占4．4％左右，在可靠的NHK的报告中显示，我们中国的论文数量正在逐年增加，大概在2017年的时候，中国论文数量大概是20年前的18倍。

在1998年至2008年的时候，平均值大概是10年前的3．6倍 ，其次，值得我们一提的是，我们中国研究论文的质量也非常接近美国了，从被引用的前10％ 篇论文的份额来看，大概在2017年的时候，美国有37800篇论文 24．7％，全世界排名第一，中国有33800篇文章22％，排名全世界第二。

关于你怎么看中国在自然科学领域发表研究论文数跃居地界第一的问题，今天就解释到这里。