CellOracle | in silico gene perturbation | 新旧世代的交替
目的：对我们的单细胞多组学数据作此分析，看那个de-diff的TF的敲除能够逆转分化方向。
科研永远是追新者的天堂，不解释。
tutorial：Tutorial - Read the Docs
https://github.com/morris-lab/CellOracle
Dissecting cell identity via network inference and in silico gene perturbation - Nature - 2023
本地文件：http://localhost:17435/tree/tutorials/CellOracle/docs/notebooks
其中的两个核心notebooks：
- http://localhost:17435/notebooks/tutorials/CellOracle/docs/notebooks/04_Network_analysis/Network_analysis_with_Paul_etal_2015_data.ipynb
- http://localhost:17435/notebooks/tutorials/CellOracle/docs/notebooks/05_simulation/Gata1_KO_simulation_with_Paul_etal_2015_data.ipynb
软件已经安装到了conda celloracle env里，可以直接使用。
最终目的图：
第一步：准备base-GRN
tutorial：https://morris-lab.github.io/CellOracle.documentation/tutorials/base_grn.html
https://morris-lab.github.io/CellOracle.documentation/notebooks/01_ATAC-seq_data_processing/option1_scATAC-seq_data_analysis_with_cicero/01_atacdata_analysis_with_cicero_and_monocle3.html
新旧世代王的交替
生物医学领域有着非常明显的世代交替，尤其是由数据和技术驱动的遗传学、基因组学、生物信息学。
- Genome那一拨，NGS初代组装；
- GWAS那一代，Pak算是领军人物；
- ENCODE那一代，Xiaole、Kevin Yip算是那一代；
- 单细胞这一代，群雄并起；
成也萧何败萧何，大佬们的宿命，为了在这一波里争得头筹、掌握资源就必须全力以赴；但技术的周期更替是无人可挡的，在一个领域投入太多，反而导致在新的技术变革面前难以掉头，只能错失这一波红利，甚至可能彻底成为古董，沦落为时代的眼泪。
技术有周期，那生物医学的真正价值到底是什么？我认为只有两个方向，一是基于基础科学的认知革命；二是基于临床转化的预防治疗革命。
就像股市一样，科研里的趋势也是由热钱资金驱动的，政府或者企业的热钱。
