大家都知道，自从人类的全基因组图谱测序完成以来，大约有20000个人类基因可被检测到，但是令人尴尬的是，为什么全球科学家只研究其中的一小部分呢？在你的印象里能超过多少个？1000个？5000个？答案是2000个！也就是说人类详细研究过的基因只占全部基因总数的1/10.
那么大部分的基因为什么科学家研究不了呢，或者未来该如何去研究呢？
9/10的新基因为何没人去研究
期刊名
影响因子
录用比例
审稿周期
PLOS BIOLOGY
9.163
很难
一般,3-8周
面对这个问题，美国西北大学一个叫做Thomas Stoeger的科学家对这个问题做了长期的详细的生物信息学统计和调查，Stoegerl和同事们搜集了数十个数据库和其他资源，以汇编12000多个基因的430多种基因特征。
首次发现的时间、基因时空位置、组织器官分布、物化性质、功能分析等
例如何时首次发现基因及其蛋白质的化学和物理性质，该基因是否更易于实验干预操作或其缺失对生物体极为破坏性在历史上被研究得很好，因为去研究这样的基因容易在较短时间内出表型。然后，机器学习算法对这些数据进行处理，以找到与流行程度的测量值之间的相关性，例如关于基因的出版物数量（SCI数量）以及国家卫生研究院对基因投入的资金。出乎意料的是，分析发现，仅仅结合15个基因特征就可以很大程度上预测基因有多流行，以及研究它是否可以有利于研发医学药物。
史上最知名基因排名：TP53排第一
简而言之，一个基因是否值得去研究通常和它的物理、化学性质、是否易于实验操作干预（长度、拷贝数、功能网络重要性、预后相关性、表型显著度等），再加上其是否具有临床疾病诊断以及治疗靶点价值成正相关，最后这个基因发现的越早文章发表的就越多。
一般意义上我们研究的有价值的基因主要分为以下两个层次：
①基因（DNA、RNA、蛋白质、小分子）的表观遗传修饰；
②基因拷贝数的表达变化差异；
miRNA
肠道菌群
lncRNA
细胞自噬
circRNA
细胞焦亡、铁死亡
ceRNA
间充质干细胞
转录因子
肿瘤干细胞
可变剪接
外泌体
SNP
氧化应激
泛素化修饰
调节性T细胞
组蛋白修饰
RNA甲基化修饰
蛋白激酶和磷酸酶
肿瘤微环境
最后我们用干预工具（过表达、敲减技术、基因编辑技术例如RNAi、CRISPR等），希望这样的基因在细胞和动物模型上，有明显的肉眼或者科研工具探测到的显著的差异。
鉴于此，我们开发����,�ѹ�了很多发现的方法：
例如RNA-seq、外显子测序、RNA甲基化测序、高通量芯片、RNAi功能筛选技术等，这些技术无论如何翻新，咱们所探测到能引起表型变化的基因永远是那么一小撮，这就是为何你去做测序或者RNAi功能筛选时，差异表达变化最大的前20%基本上都是一些老基因，没有太大的研究价值。
选取新分子做研究的7大策略
咱们都知道科学研究讲究的是价值重大以及创新，尤其是创新，有的是分子机制创新，有的是技术创新，有的是研究角度创新，才有可能突破已有的思维框架，我们可以看下国家基金委推崇的课题申请的总体原则：
利用多学科、多层面、多模态（三多）的新技术方法，如从分子、细胞、组织、器官、整体以及群体等不同维度，针对疾病的发生、发展与转归机制开展深入、系统的整合医学研究。
创新一直以来都是自然科学源源不断前进的动力，咱们选择自己研究基因时遵循一定的规则后，科研就会变得事半功倍，我们总结了几条选取分子的规则，大家来看看。
1. 倍数+P 值（筛选标准）：
根据差异表达分子的倍数变化+P value，一般情况下用的标准是2倍+0.05这个标准，当然可以人为设定，比如4倍，8倍等等，有时会添加FDR这一标准。
2. 分子新旧：
以pubmed上检索到这个分子发表的文章数量为例，一般认为文献数量<300为新，大于1000为旧，当然检索的时候不要忘了有的分子是有多个名字的。
3. 功能注释（GO和KEGG）：
分子的功能注释能帮助我们大大缩小研究范围，通过KEGG和GO注释，我们可以对差异分子所参与的信号通路、生物过程等进行查询，这里以GO注释中细胞组分（Cellular Component, CC）为例, 这部分结果可以帮我们了解到分子在细胞的定位信息：核内、胞浆、细胞器、胞膜、胞外，比如我们比较关注定位于线粒体上的蛋白、膜蛋白或者对转录因子感兴趣，那么可以直接进行查询和挑选。
4. 分子功能重要性（调控网络，如PPI网络分析）：
分子间的网络关系是我们挑选分子时另外一个参考因素，一般来说像String这样的网站会给出分子之间相互作用的信息；另外，也可以根据分子之间的表达关系自己构建，然后根据网络关系中邻近分子所参与的功能进行推测和挑选，比如新分子A周围有10个分子，而有5个分子与研究过程有关，那么A分子可能参与该过程。
5. 分子长度（kb、Da）：
如果后续要做基因的过表达，在构建质粒或者包装病毒的时候，如果分子太大(>3Kb)，那么对于包装病毒的滴度都有一定的影响；当然，分子太小也不适合，个人一般选的范围是0.8-2.5K左右。
现代科研的惯用套路：生信挖掘、临床表征、细胞动物功能、分子机制探索
6. 分子的拷贝数多寡：
举个例子，同样是差异倍数10倍的两个分子，A分子拷贝数从1个变为10个，B分子拷贝数从1000个变为10000个，而技术检测的噪音可能在5个左右，因此A分子检测到的结果可信度要低一些；另外，如果后续还要进行基因的沉默和过表达实验，那么会选择本底表达中等水平的，一般来说会尽量避免对本底表达太高的做过表达和对表达太低的做沉默。
7. 疾病预后相关性
预后是指判断疾病的特定后果，如康复，某种症状、体征和并发症等其它异常的出现或消失及死亡。也包括提供时间线索，如预测某段时间内发生某种结局的可能性（生存分析）。那么该分子与预后相关性越强，越具有诊断以及治疗靶点的价值。