在今年的CVPR，见到了很多朋友，也看到很多Paper
在这次会议里面让我最喜欢的一篇Paper，却不是在会议中正式发表的，而是在TC Panel派发的。这篇Paper的题目叫Paper Gestalt。文章以诙谐的笔调描述了一个基于vision + learning的自动paper review算法。&& &参加会议的朋友们可以很幸运的在会场获取这篇文章，至于没有来的朋友，我想只能向作者（这位兄弟（也许是姐妹）在paper中自称Carven von Bearnensquash, ）索要了。&& &这篇论文出炉的背景，就是最近几年CVPR或者ICCV的submission呈现急速的指数增长的趋势（在过去10年翻了三倍）。按照这个速度增长，在 10年后每次会议的投稿量就会超过5000篇！也许最好的办法是采用&货币杠杆&进行&宏观调控&&&就是对投稿者收费。比如，对每个 submission征收100美元的费用，我相信对于投稿的数量和质量都会取得立竿见影的效果。一方面，很多纯粹是来碰运气的作者会掂量一下花100块钱来博取1%的命中机会是不是值得；而持认真态度的作者则会对paper精益求精，免得投稿费白白浪费；而最终文章被录用的作者就可以减免注册费，会议方面也有更多的funding来给有志于为Computer Vision奋斗的学术青年发放参加会议的路费。一举四得，何乐不为，呵呵。&& &当然了，涉及到钱的问题，自然要经历很多微妙的利益博弈&&这些事情还是让Chair们去担心好了。这里，我们还是继续&奇文共欣赏&吧。文章的算法很简 单（前提是你对Machine Learning或者Computer Vision有一点了解），把8页的pdf文档并排成一张长的image，然后就在上面抽feature。做自然语言处理的朋友们请不要激动，这是 Vision的paper，自然用的是Vision圈子自己的方法。好了，抽什么feature呢？主要是HOG(Histogram of Gradients)，这是一种纯粹用于描述视觉观感的feature。显然，大段的文本，曲线图，图像，表格，数学公式，它们的feature应该是不太一样的。然后作者用AdaBoost做feature selection训练得到一个分类器：纯粹根据paper的视觉观感来判断paper的好坏。&& &说到训练分类器，自然需要一个训练集。这篇文章的作者收集了CVPR 2008, ICCV 2009和CVPR 2009的全部1196篇paper构成正样本。那么负样本从何而来呢？被拒的paper显然作者是拿不到的。于是他很聪明的利用了一个众所周知但是大家却不会公开明言的事实：workshop接纳的很多是在主要会议被拒收的paper。这样，很不幸的，workshop上发表的文章被用作负样本。在 Workshop上发表了论文的同志们不要打我&&我只是讲述一篇别人的文章，这个主意不是我出的。&& &最有趣的部分要数实验结果了。从ROC曲线来看，结果其实还是不错的&&以拒绝15%的正样本为代价，可以滤除一半的负样本。作者对于正负样本的特征做了 一些总结，也许对于大家以后投paper还是有点指导意义呢。。。&& &正样本的&视觉&特点：&& &1. 里面有几段公式，看上去文章显得似乎很专业，也显得作者似乎数学不错；&& &2. 实验部分里面多少要有几个曲线图，即使那几个曲线图说明不了什么。但是，只要有几个曲线图在那里，起码表示我做的是&科学实验&；&& &3. 最好在文章开头或者最后一页排列一堆图像。其实，我也注意到很多作者喜欢排列很多dataset里面的图像到paper上&&即使那是一个 pub
分享这篇日志的人也喜欢
国庆有计划了没?
新人，求关注
手机坏了……
第一次晚上播哼哼
应该不卡的吧
拖延症最高级别
热门日志推荐
人人最热标签
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场不做实验也能写论文吗？
不做实验也能写论文吗？
看到有些牛人看了几百篇论文，自己能整出一篇就感觉他们真是很厉害，但我们一般需要实验结果才能发文章，有没有不需要实验就能写论文的呢？
谢谢大家的经验之谈！
综述的研究进展等的
有些事综述！有些也是写的研究进展，再说了你也说了是牛人写出来的。他们之前可是做过不少的实验！
不做实验的话，可以发进展类的论文啊，不过这种论文我感觉比较有难度，还是做实验出来的硬货比较好发文章
生物的不太可能吧！
材料的可以，还可以发SCI
不用做试验可以发review呀，一般也是由牛人才能写出来的！新手需要看很多的paper，等有了idea，你也可以发很多的！
不做实验，除了综述也能也一些研究型文章。例如，对前人已发表结果给予新的解释，或单纯的计算机工作（生物信息学）等。
可以写综述的啊。
呵呵，好多这样的呢
单纯的靠看文献来写综述类文章
不是大师的话很难发到好的杂志上的
做调查和统计分析的论文也不需要自己做实验，可以建立在他人实验的基础上，总之想完全脱离实验写论文的情况不是很多，当然有些探讨理论或是公式的论文是不需要具体实验的，为什么？因为无法进行实验如何快速研究透一篇 Paper 并提出有价值的问题？ - 知乎8139被浏览175594分享邀请回答ncbi.nlm.nih.gov/pubmed/）。文章有点老，大家别介意~----------------------------------------------------------------------------------------------------------------------------总结下，要读透文章并提出有价值的问题，读一篇文章肯定是不够的。那么问题来了，如何找到相关文章呢？最简单的方法是看文章的References，把其引用的相关文献看一看。最后还有个高阶版方法。当搜索一篇文章后，在箭头所示位置会显示被引用次数，点进去，就可以看见引用过这篇文章的相关文章了。而且这些文章比该文章的References新。在科学界，时效性是很重要的。所以看越新的文章一般也会越好。当搜索一篇文章后，在箭头所示位置会显示被引用次数，点进去，就可以看见引用过这篇文章的相关文章了。而且这些文章比该文章的References新。在科学界，时效性是很重要的。所以看越新的文章一般也会越好。1.2K32 条评论分享收藏感谢收起40715 条评论分享收藏感谢收起查看更多回答2 个回答被折叠（）作者：Lucky King&最近流行大数据，分析分析就能发paper。不做实验就能发文章，这么好的事儿，朕不能错过。研习一篇，各位小主儿也雨露均沾下。肺鳞状细胞癌中异常表达的lncRNA的临床作用：基于RNA测序和微阵列数据挖掘的研究&1、TCGA数据库中异常表达的肺鳞状细胞癌（LUSC）lncRNA通过R语言计算每个LncRNA的表达水平。根据计算标准，在LUSC中获得了884个异常表达的lncRNA，包括669个高表达和215个低表达（Fig.1A）。异常表达的lncRNA进行ROC分析，列出了在ROC曲线下面积（AUC）超过0.95的前75个lncRNAs ，这些lncRNA可能在LUSC的发生中起重要作用，具有LUSC高诊断价值（表1，未列全）。AUC：Area Under Curve被定义为ROC曲线下的面积，面积值在1.0和0.5之间。ROC曲线下的在AUC&0.5的情况下，AUC越接近于1，说明诊断效果越好。AUC在 0.5～0.7时有较低准确性，AUC在0.7～0.9时有一定准确性，AUC在0.9以上时有较高准确性。&2、LUSC中十种异常表达的lncRNA的临床价值选择前10名异常表达的lncRNA（表2）进一步分析，包括表面活性剂相关1（SFTA1P）、LINC00968、LINC00961、LINC01572、RP1-78O14.1，相邻的非编码发育调节RNA（FENDRR）、LINC01314、LINC01272、GATA6-AS1和MIR3945HG。LUSC中LINC01572的水平明显高于相对应肿瘤组织。相反，其他9个lncRNA在LUSC组织中均明显下调（Fig.2）。这10个异常表达的lncRNA显示出具有高诊断价值，将LUSC与非癌性肺组织区分，AUC均大于0.99（Fig.3）。生存分析显示，SFTA1P、LINC01272、GATA6-AS1、MIR3945HG与LUSC的存活时间显著相关（Fig.4）。多变量cox分析显示，SFTA1P可能是LUSC的独立预后指标（补充表1）。当关注这10个lncRNA与LUSC进展之间的关系时，有几个lncRNA与LUSC的一些临床数据密切相关（表3，Fig.5）。特别的，LINC01572和LINC01314的水平可以辨别LUSC患者的早期阶段。从TCGA平台提取FGFR1（成纤维细胞生长因子受体1）的原始数据，FGFR1和10个lncRNA之间存在显著正相关（Fig.6）。&3、LUSC前十名异常表达的lncRNA潜在分子机制这十个关键lncRNA的共表达基因由WGCNA测定。结果发现：120个基因与SFTA1P共表达；47个基因与LINC01272共表达；46个基因与RP1-78O14.1共表达；18个与LINC00968共表达；8个与 LINC00961共表达；4个与 LINC01314共表达；2个与GATA6-AS1共表达；1个与MIR3945HG。而WGCNA显示：没有基因与FENDRR、LINC01572共表达（Fig.7）。cBioPortal中OncoPrint显示：501例中有69例（14％）可以获得具有遗传性的改变，（RP1-78O14.1除外，其数据在cBioPortal中不可用）。只有SFTA1P、LINC00968、LINC00961、FENDRR具有遗传改变，包括：扩增，深层缺失和mRNA上调（Fig.8A）。有趣的是，发生遗传改变的病例与没有改变的患者相比生存较差（Fig.8B）。CBioPortal还提供了这10种lncRNA共存可能性（表4，未列完）。结果：STA1P共表达基因在溶酶体中最为富集；LINC01272共表达基因在膜成分中最为显著。同时，与RP1-78O14.1共表达的mRNA大多是是肌动球蛋白结构组织。结果（表5）。此外，还分析了与这几个lncRNA共表达的所有mRNA中富集最多的GO term，显示质膜为最多（表6）。&4、使用GEO数据验证这8种lncRNA的表达和ROC曲线从GEO数据集（GSE30219）中筛选，研究这八个lncRNAs在LUSC组织中的表达水平，其中SFTA1P、LINC00968、LINC00961、RP1-78O14.1、FENDRR、LINC01314和LINC01272可以观察到表达显著降低，而GATA6-AS1的表达显著较高（表7）。8种LncRNAs 的ROC曲线，显示对于LUCS具有良好的诊断价值(Fig.9).&5、基于LUSC临床样本的验证（通篇文章，唯一正儿八经做的实验）实时RT-qPCR，检测12个配对临床样品中LINC00968、FENDRR的表达。在这些患者中，LUSC组织的LINC00968平均表达水平明显低于非癌性肺组织（Fig.10A）；LINC00968的AUC 为0.778（P=0.0021，Fig.10B）；LINC00968和LUSC肿瘤发生之间没有显著相关性（P=0.508，Fig.10C）；FENDRR表达趋势与LINC00968相似，LUSC组织中FENDRR平均表达水平明显低于非癌性肺组织（P=0.0015，Fig.10D）；FENDRR的AUC为0.882（P=0.0015，Fig.10E）；FENDRR与LUSC肿瘤发生具有相关性（P=0.031，Fig.10F）。&6、基于TCGA，22种类型癌症中关键lncRNA表达的进一步分析基于GEPIA的结果：肺腺癌和直肠腺癌中发现SFTA1P下调，而肾癌细胞中SFTA1P的表达显著上调；在乳腺癌、肺腺癌和胸腺瘤中发现：与非癌组织相比，这些癌症组织中LINC00968水平显著降低；与LUSC结果一致，在乳腺癌、肾乳头状细胞癌、肺腺癌中证实了LINC00961的表达较低；另外几种类型的癌症，包括宫颈鳞状细胞癌、肾癌细胞、肾乳头状细胞癌、肺腺癌也显示RP1-78O14.1表达较低；此外，膀胱尿路上皮癌、结肠腺癌、肺腺癌、前列腺腺癌、直肠腺癌中FENDRR显著下调。同时，结果还显示：胆管癌、食管癌、KICH，KIRC，KIRP，LUAD、、、、等等中LINC01314的下调，以及在甲状腺癌中的上调。尽肺腺癌中发现LINC01272的表达较低，但是CESC，COAD，ESCA，KIRC，KIRP，READ，胃腺癌（STAD）和子宫内膜癌（UCEC）中LINC01272显著上调。GATA6-AS1可能在几种癌症中起肿瘤抑制作用，包括BLCA、CESC、ESCA、LUAD、嗜铬细胞瘤、PCPG和UCEC等。然而，MIR3945HG在LUAD中仅显著降低，并且在这22种癌症类型中，癌组织和相应非癌组织之间的LINC01572表达没有显著差异。（源于GEPIA，Fig.11）通篇文章，更像是高中数学&几何中的推理：&7、相关数据库①cBioPortal：http://www.cbioportal.org/网站整合了上百个肿瘤基因组数据，无需注册即可使用，而且还可以直接生成图表；②WGCNA：基因共表达网络分析③WTF the GEPIA？http://gepia./&本篇文章5分Plus，仅有RT-PCR实验。有些＜3分的文章，完全分析无实验。作为小青椒&小大夫，没有经费，晋职称需要；挣科研奖励养家糊口需要；积累申请课题SCI需要。辣么不得不多动动脑子，在大数据时代玩转各种数据库。
微信扫一扫，提供免费咨询解答
All Rights Reserved.Theme