偏重临床，动物模型都没有的课题该怎么做？

感谢园友@jianmolanyin提出的问题：偏重临床，动物模型都没有的课题该怎么做？

其实这也是身边不少临床专硕、专博经常困惑疑问的地方，也被问到多次。

针对该问题，结合个人科研及文献学习的经验，给出以下两点粗浅建议，希望对有此类疑问的园友有所帮助！更欢迎大佬交流，提出更好的建议！

对于偏临床没有动物模型的课题，至少有以下几种种方向可以尝试：

1.构建此类疾病的动物模型：

图1. 中科院遗传与发育生物学遗传研究所的李晓江团队构建大型神经变性病动物模型

对于缺乏动物模型的疾病类型，能够成功构建一个可以至少部分反映该疾病临床特征和病理改变的模型，具有填补领域空白的意义，很好发SCI。

实现方法：如何成功构建这种动物模型？可以通过查找文献，总结引起隐匿性胰胆反流的因素，包括基因突变、病原和病理因素，然后针对性的在动物上进行类似因素的干预，可以一种因素或几种因素叠加，多设置几种组合，经过一定时间后，检测是否可以出现隐匿性胰胆反流表型（如何检测该表型也可以通过查找文献确定下来），一旦可以在动物体内模拟，哪怕部分模拟隐匿性胰胆反流的临床及病理表型，就具有很大意义，发SCI肯定没有问题。

2.基于生物分子构建预测诊断signature：

图2. 中山大学肿瘤防治中心徐瑞华教授团队在Gut在线发表

对于偏临床没有动物模型的课题，相对好做的一个方向是基于生物分子构建预测诊断signature（可以基于非编码rna，比如miRNA、lncRNA、circRNA等等，通过相关性分析及诊断模型构建得到具有预测诊断价值的signature），用于预测或诊断隐匿性胰胆反流疾病发生。

实现方法：可以通过收集一定数量的正常健康人外周血及隐匿性胰胆反流病人外周血，进行RNA-seq，通过比较健康人和病人外周血中差异非编码RNA等指标，并利用这些差异指标构建预测诊断模型，得到signature。

当然不限于非编码RNA构建signature，也可以检测肠道菌群（比如文献研究发现肠道菌群可能跟隐匿性胰胆反流相关联的话，也是一种提示），都是在组学加样本验证基础上实现，并至少纳入一个发现组cohort和一个验证组cohort，如果模型效果不错，可以发到质量更高的SCI （图2）。

3.结合图像识别及深度学习构建诊断模型：

图3. 中山大学中山眼科中心刘奕志和林浩添教授团队《Nature Biomedical Engineering》杂志报道国际首个医学图像密集标注人工智能诊疗系统

对于大多数临床疾病，都具有影像学检查结果，如CT、MRI等图像。这类图像本身也是一种数据源，可以用于提取出大量信息数据，结合临床医生注释的疾病特征信息，通过神经网络等深度学习方法构建疾病诊断模型，这不仅具有很大的临床应用价值，研究成果也可以用于发表高质量SCI（图3）。

实现方法：专业临床医生收集疾病影像学检查结果，数据分析专业人员利用计算机语言进行图像识别提取特征信息，专业医生进行特征标注，数据分析结合深度学习建立诊断模型。

抛砖引玉，这里提出以上两种潜在方向供参考，欢迎更多大佬交流，提出更好的建议！