Endnote 导入PDF文件文献后识别不了文献作者、标题、期刊等文献信息，如下面显示：
需要先修改Internet设置：
控制面板——网络和Internet——Internet选项——高级——将使用TLS1.0 1.1 1.2全勾上
然后右键点击选择的文献，选择“Edit Reference”, 粘贴上DOI号，更新文献就可以了。
更新好后显示的文献信息：
如果不能下到PDF文献，但需要引用这个文献，可以在google学术上下载这篇文献的引用，然后双击下载的.enw文件，导入到Endnode中。
EndNote参考文献格式修改
参考资料： EndNote文献插入
两个月前，博客出现了“此站点出现了致使错误”，删除了插件还是不行，由于一直在组装基因组，也没有心思来打理，所以一直访问不了，平时一些流程和方法都用Typora记在本地了，也懒得去管了。博客虽然已经开通十多年了，但文章并不多，粉丝也很少，没有赠到一份钱，银子却花了不少，就像养了一个不争气的儿子，一直在啃老，现在能保留纯粹是一种情怀。常常就想，做博客是为了什么，为了做笔记心得吧，记在本地不就可以了，为什么要分享，而且随着对生物信息的不断深入，很多技术方面的心得就是自己的心血，是自己踩了无数坑摸索出来的，作为自己的核心竞争力，我为什么要告诉别人。而且网上认识的有些人，花了大量的时间手把手教会了，却连一个谢谢都没有就Bye bye 了，反正茫茫人海中谁认识谁。不得不说，年纪越大越实际，也不得不实际。指望涨粉卖课？现在短视频横行的时代，有几个人去关心博客，自己又有多少时间能做这个。也许这也是导致我这个博客半死半活的原因吧。
但是有时常常又问自己为什么要搞生信，难道不是因为热爱吗，不是因为解决一个问题获得的快乐吗，真正的热爱不是在认清真相依然还热爱吗。把这咱热爱释放出去难道不就是对自己的一种释放和认可吗，渡人渡心渡已而已，因此重拾旧心，重启博客。
在OpenAI中有ChatGPT, Copy.ai 和Playground三种聊天工具，他们有哪些区别呢？
Copy.ai给出的结果：
Copy.ai是一种由人工智能驱动的文案助手，可帮助用户快速轻松地创建高质量的内容。它使用自然语言处理（NLP）生成根据用户需求定制的文案。Copy.ai旨在帮助用户创建既引人入胜又符合SEO标准的内容。
ChatGPT是一种由人工智能驱动的聊天机器人，以对话的方式进行交互。它经过训练，可以回答后续问题，承认自己的错误，挑战不正确的提问，并拒绝不适当的请求。
Playground是一个交互式环境，允许用户探索和实验OpenAI的机器学习模型。它为用户提供了一个直观的界面，使他们能够快速轻松地构建和测试自己的模型。
Playground给出的结果：
Copy.ai是一个基于AI的文案营销平台，提供内容建议引擎、AI驱动的写作助手和AI驱动的博客文章生成器。聊天机器人是一种模拟人类对话的计算机程序，通常通过响应文本或语音输入来实现。Playground是一个基于Web的交互式环境，用于以可视化和交互方式创建、共享和探索人工智能。
ChatGPT给出的结果：
Copy.ai、ChatGPT（简称GPT，即“Generative Pre-trained Transformer”）和Playground都是OpenAI提供的产品或服务，但它们的用途和功能不同。
Copy.ai是一款商用的基于人工智能的写作工具，可为各种用途生成文本，例如产品描述、社交媒体标题、博客文章等。它使用机器学习算法理解上下文并生成类似于人类的文本，可以节省用户大量的时间和精力。
另一方面，ChatGPT是一个语言模型，经过大量文本数据的预训练，可以进行微调，用于特定任务，例如问答、翻译和摘要。它是自然语言处理任务的强大工具，已用于各种应用，包括聊天机器人、内容生成和语言建模。
Playground是一个平台，允许开发人员使用OpenAI的语言模型进行实验并构建应用程序。它提供了一个用户友好的界面，以访问和交互OpenAI的模型，允许开发人员测试他们的想法并构建应用程序，而不必担心底层基础架构。
总之，Copy.ai是一款商用写作工具，ChatGPT是可以进行微调以用于特定任务的语言模型，Playground是一个供开发人员实验OpenAI语言模型并构建应用程序的平台。
今天正式上手Typora，感觉简单方便，非常好用，打算以后博客就用它来写了，论文也用它来写，笔记也指望它了，特此为记。
好久没有更新了，突然萌发了对机器学习的兴趣，觉得从scikit-learn开始比较好，就此为起点，在下面的博客中将记录一些Scikit-learn的学习心得。
最近在浏览网页的时候看到一张图“凝结了人类一半智慧的照片，”
凝结了人类一半智慧的照片
图片搜索结果
最近要处理一些高通量测序数据，才知道我那服务器的弱小，看那内存需求动辄几十上百的，我那个位数的内存压根儿还没开始就死了，偶尔看到有云计算这种服务，觉得很有意思，收费也不是太贵，对于我这种偶尔需要一下这种高通量计算的人来说相当不错。
现在比较火的云计算有亚马逊AWS和Google的Compute Engine，另外还有IBM，微软，国内的阿里云和金山腾讯都搞得很热闹。
要想实现AWS的最佳优化,组织必须了解定价结构。那些按小时使用弹性云，并且不承担责任的客户，最好是选择按需定价。按需定价是一种最常用的定价策略，按需定价可以满足突发性的、季节性的或者短期的需求。按需定价也可能是最知名的一种定价策略,因为按需定价非常适合灵活的、基于消费的计费模型,并且按需定价被亚马逊广泛宣传。但是，按需定价并不是一种最便宜的解决方案。下面是一个价格举例。
看了一下巴西世界杯淘汰赛赛程，发现在决赛前，唯一对荷兰有威胁的是阿根廷，极有可能在1/4决赛中遭遇，但感觉阿根廷球风比较飘，远没有荷兰狠，荷兰拿下阿根廷应该没有问题。另外一边，巴西强劲的对手有很多，法国、德国乌拉圭，甚至智利都会对巴西构成威胁，但因为是东道主，按照传统，应该会“保送”到至少半决赛，所以我估计决赛很可能是巴西和荷兰对阵，但要想荷兰击败巴西，只能靠天照顾了，但要知道，老天是不怎么喜欢荷兰当老大的，所以荷兰又只能屈居老二了。
最近断断续续花了半年时间写的一篇文章被拒，使我最近一个星期来心情非常的糟糕，做什么事情也提不起精神，对于做实验也有点灰心。文章的评审意见非常中肯，自己也并不觉得太冤，主要问题是研究内容太过单薄，没有创新，回过来看文章也确实如此，也就是按照别人的方法克隆了一个植物抗逆中比较重要的基因而以。我想主要原因是思维方法还没有转变过来。在公司做生物信息时，主要是客户提供问题，我们负责找到问题的答案或者相关资料就可以了，就像做工程，采用合适的方法找到合适的材料放在恰当的地方就可以，例如写代码时将别人的代码复制过来再根据需要自己修改一下就变成了自己的代码了，而搞研究的话这种行为就被称人“没有创新”。就拿我的这个文章做个例子吧，采用同源克隆获得基因序列，然后测序验证，最后分析序列结构和功能。实验确实做了很多，但没有一点方法是新的，没有一个发现是新的，就像公司做克隆一样，可以程序化生产。在做试验之间没有先行搞明白这个基因是主要功能是什么，有什么特性，现在已经研究到什么阶段了，还有哪些需要解决的问题，我又能做些什么，预计多长时间，可以做到什么程度，而不是简单的按照吩咐克隆这个基因就可以了。觉得需要把这些弄清楚再开始做试验，再在试验发现新问题，新思想。如果这样做了也不会导致现在文章都写完了，心里还一点底都没有。可是说起来简单，要做到那些是非常难的，以我现在的速度，看一篇文章得花一天，把那些前期工作做完， 一年时间就过去了，在这一年时间里，如果一点产出都没有，你就会受到别人质疑，年终评审也会产生问题，但如果不按照这个程序来做的话，就导致这个结局，做了一年的实验，最后还不知道自己在做什么，做出来有什么用，心里感觉非常的虚，非常踌躇迷茫，但时间又一天天过去，自己却还什么也没有，我到底要怎么办呢！
