如何學好生物信息學

⑴ 如何學習生物信息學

努力

⑵ 如何學好生物信息學

興趣是關鍵,多跑圖書館 ,自己多看看有關材料書籍。自己鑽研，不明白的就問老師~~

⑶ 如何自學生物信息學

應該是生物類裡面就業最好的了，雖然也是不怎麼能看，不過其他生物類更是不行，完全渣。本行就是做生物信息的工作，分析基因組，疾病之類，把數據和生物聯系起來，雖然現在還沒發展好，不過幾年以後應該還是有一定前景的。編程能力好的也可以做程序員去IT或者通信，不過生信不太強調編程能力，主要是生物概念和軟體，所以要自學一些。

⑷ 如何自學生物信息學

一、計算機基礎，需要看三本書，一步步的學會學通，不需要刻意去找哪個書，一般linux是鳥哥私房菜，perl是小駱駝咯，R是R in action，但是看一本書只能入門，真正想成為菜鳥，必須每個要看五本書以上！我雲盤裡面有這基本上的高清列印版，大家可以去淘寶列印一下才幾十塊錢還包郵，對書比較講究的也可以買正版，也不過是一百多塊錢而已！

二、生信基礎知識，測序方面，在網路文庫找十幾篇一代二代三代測序儀資料仔細研讀，然後去優酷下載各大主流測序儀的動畫講解，再看看陳巍學基因的講解；資料庫先看看三大主流資料庫——NCBI,ENSEMBL,UCSC，還有一些也可以了解一些（uniprot,IMGT,KEGG，OMIN，TIGR，GO）同樣也是網路文庫自己搜索資料，但是這次需要自己去官網一個個頁面點擊看，一個個翻譯成中文理解吃透；數據格式講起了就多了，這個主要是在項目流程中慢慢學，或者你有機會去上課，不然你看來也是立馬忘記的，主要有sam,vcf,fasta,fastq,bed,gtf,gff,genbank,ensembl,psl等。

三、生信研究領域，各個領域主要是軟體繁多，合起來常用的估計有上百個軟體了，一般只有從業五六年以上的人才有可能把它們全部用過一遍，而且這也完全需要項目來訓練，而不能僅僅是看看軟體手冊，但是研究領域最重要的是背後的原理，需要看各大牛的綜述。

a) 生信基礎軟體(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)。

b) snp-calling相關軟體（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）。

c) 基因組相關軟體（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）。

d) 轉錄組相關軟體（trinity，tophat，cufflinks，RseQC，RNAseq，GOseq，MISO，RSEM，khmer，screed，trimmomatic，transDecoder，vast-tools，picard-tools，htseq，cuffdiff，edgeR，DEseq，funnet，davidgo，wego，kobas，KEGG，Amigo，go）。

四、生信應用領域，講這一塊其實已經脫離了生信菜鳥的解釋范圍了，主要是想說社會上為什麼需要搞生信的人才，全是因為在腫瘤篩查，產前診斷，流行病學，個性化醫療等領域有所應用，可以造福人類！這方面政策不確定，產業不定型，所以也這絕對是藍海，但是也絕對不會有現成的資料直接培訓人才，我們必須關注各種微信公眾號，逛各種測序，醫學相關論壇，緊跟業界精英的腳本，同時追著大牛的文獻閱讀，如此這般才能保住菜鳥的身份！

⑸ 如何自學生物信息學

先說一下自己吧，我碩士讀的是細胞生物學，今年4月開始在boss要求下自學perl，打聽了下，這本書不錯，就買來開始看，等5月份去北京參加公司的培訓班時，讀了一遍，看了一部分。培訓回來，我們的項目就開始做了，9月拿到所有原始數據和分析結果。然後，我對照著公司的分析報告，試著自己走一邊分析流程，中間遇到問題，自己解決不了的，就發郵件求助。有幾點需要注意：
1. 我能理解你想早些玩兒數據的願望，但是在這之前，最好要有一個outline.需要知道數據從哪兒來的，怎麼產生的?其實就是測序儀的工作原理。然後是數據質量檢驗，為什麼需要數據過濾?接著是reads拼接和組裝。總之，要對整個流程有一個認識，而後在學習的過程中，再不斷回頭對比這個流程，這樣才不會有迷失的感覺。[這本書](BioInformatics for High Throughput Sequencing)推薦看一下。
2. 有了基礎知識的鋪墊，就可以嘗試著自己做些練習了，paper上面都會給出他們的數據、原碼地址，可以找來自己試試，先看看自己能不能做出一樣的效果。當然，這時要是你手裡正好有項目，那就更好了。
3. 學生物信息，paper肯定是要跟蹤的。這兩個網站可以經常看一下：
[homologous](Homologus - Frontier in Bioinformatics) 覆蓋生物信息有趣的論文， 演算法，以及生物科學問題。這個網站還匯集了很多生物信息領域科學家的博客。再如BGI的主程羅瑞邦， SAMtools、BWA的作者Heng Li都有在這里出現。
[rna-seq Blog](RNA-Seq Blog) 推薦新的論文、工作、培訓課程、大型會議等。
如果你是生物背景的，那麼計算機方面的知識需要補一下：
- 需要能在linux環境下舒服的工作。比如從源碼編譯安裝軟體、PATH配置，再比如舒服地使用google找到問題的答案 :-)
- 學會使用python/perl。比如有的時候運行一個軟體老是報錯，可能就是因為在一個包含幾十萬行的文本文件里，有隨機的那麼幾千行的末個位置，多一個冒號，[就像這里](using HTSeq | popucui), 這時候你知道需要怎麼做了?
- 學會R。要從一大堆基因裡面找出表達水平變化的基因來，需要統計分析和顯著檢驗;而要把我們的數據更直觀地展示出來，最好的方式就是圖形了吧。這兩個需要，R都能滿足。當然matlab也是可以的，區別在於R是開源工具。
- 具備了上述技能，那麼常用的軟體就能用起來了。隨著學習的深入，可能你的問題別人也沒遇到過，這時候就需要自己動手，要麼修改現成的工具，要麼自己做一個出來。這時候，除了python/perl，或許還可以學學C/C++/java，或許需要研究下比如BWT、De Bruijn Graph背後的原理。

⑹ 如何自學生物信息學

在生物信息的坑裡面呆了好幾年，發現生物信息的定義越來越模糊了，就像我剛入行的時候一個師兄對我說的那樣，中關村賣電腦的如果賣給學生物的了，就說自己是做生物信息的。
同樣，我現在在寫一些軟體，設計一些演算法，也說自己是做生物信息的。
計算機系一些做體系結構和GPU編程的也會做一些生物信息的硬體加速演算法，他們也說自己是做生物信息的，畢竟文章都發到了Bioinformatics雜志上了。
如果你想學生物信息中的演算法設計，那恭喜你，加州大學聖地亞哥分校的一系列課程正合你的胃口，Coursera - Free Online Courses From Top Universities 。這些演算法包括字元串演算法，圖論演算法，隨機化演算法等等。
如果你對這個答案有什麼疑問，請追問，
另外如果你覺得我的回答對你有所幫助，請千萬別忘記採納喲！

⑺ 如何從零開始掌握生物信息學分析

今天的世界大不同，表現在生命科學研究領域，就是一切都開始進入了大數據時代，無論是DNA序列，顯微圖片，還是質譜數據，研究人員都越來越需要對這些龐大的信息進行收集、整合、處理和詮釋。

對於許多生物學家們來說，這並不容易完成，傳統的科研培訓方式主要集中於科學的基礎原理和實驗方法，而不是計算機編程和數據統計，因此當不少研究人員發現自己需要面對大量的數據量時，他們不知道如何處理這些問題。

目前其實也不乏現成的計算工具，而且不少都是免費的，但對於門外漢來說還是有些難。通常情況下研究人員還是需要深入了解這些界面並未友好的程序，才能運行，而這需要計算運行的深厚知識。

這就會導致研究人員在進行大數據研究的時候，不得不自己編寫一些程序來進行可重復和得到證實的信息處理。然而這些過程也需要小心處理，一不留意犯錯了，就有可能危及數據本身。

⑻ 請教如何學習生物信息學

首先得了解生物信息學做什麼。推薦一本入門的書：《探索基因組學、蛋白質組學和生物信息學》，這本書基本上把現在用到的生物信息的基本技術講了一遍。
然後是學會如何應用現有的工具。現在有很多已經寫好的工具，只要會看幫助文檔，對於解決手頭的工作是提供了相當大的幫助。
學習一門語言。python,perl,R,都可以，只要能夠幫自己解決問題就好。

⑼ 如何自學生物信息學

本人自大三就開始做生物信息，現在即將讀博士，希望我的經驗可以幫助到你。
既然你是想做生物信息學，那麼相關背景什麼的會了解一些，我在這就不多說了。

首先，確定你自己的背景專業，現在很多學校本科都沒有專門的生物信息學專業，都是掛靠在生命學院或者計算機學院的。所以背景專業一般都是生物學或計算機學，不同的專業將來做生信區別會很大。當然，做什麼方向和背景專業並沒有絕對關系。
如果是生物學背景，那麼將來大部分的工作將會是使用專門的生物信息學分析軟體。所以難度會降低。自學的話，主要學幾下幾點就好：
1、一門腳本語言，個人推薦Python（Perl也可以，各有利弊，Python更新興一些）。
2、Linux系統。這個也不是百分百要求，但是專業的生信人，都是用Linux的，而且很多軟體都是不支持Windows的。
3、常用的生物信息學資料庫，這里列出幾個，NCBI，Ensembl，EBI，GENEbank等等，這些資料庫下面還分子資料庫，像GEO，GWAS catalog等。當然，還有方向更細的，像miRBase（miRNA資料庫）等。
4、R，這也是一種編程語言，但更加側重結果的展示，實際上也就是畫圖。
5、常用生信分析軟體，這個沒必要專門去學，需要用到他們的時候再學也不晚，都是很簡單的東西。
如果是計算機背景，那麼以後的工作可能主要是演算法分析，創造新的生信分析軟體，做資料庫等。需要自學的就是以上的那些，再加一門工程語言，C，C++，C#，Java都可以。

⑽ 如何自學生物信息學

自學一門課程一般來說是先弄到教材、練習冊和試卷，條件允許的話再找視頻教材