生物信息學需要學好什麼

❶ 學習生物信息學專業研究生，一般需要學哪些數學課程

生物信息學中數學佔了很大的比重。統計學，包括多元統計學，是生物信息學的數學基礎之一；概率論與隨機過程理論，如隱馬爾科夫鏈模型（HMM），在生物信息學中有重要應用；其他如用於序列比對的運籌學；蛋白質空間結構預測和分子對接研究中採用的最優化理論；研究DNA超螺旋結構的拓撲學；研究遺傳密碼和DNA序列的對稱性方面的群論等等.總之，各種數學理論或多或少在生物學研究中起到了相應的作用.但並非所有的數學方法在引入生物信息學中都能普遍成立的。
生物信息學(Bioinformatics)是研究生物信息的採集、處理、存儲、傳播，分析和解釋等各方面的學科，也是隨著生命科學和計算機科學的迅猛發展，生命科學和計算機科學相結合形成的一門新學科。它通過綜合利用生物學，計算機科學和信息技術而揭示大量而復雜的生物數據所賦有的生物學奧秘。

❷ 生物信息學專業的課程有哪些

生物信息學專業主要的課程有：

• 主幹課程：生物學、數學、計算機科學。

• 課程設置：

普通生物學、生物化學、分子生物學、遺傳學、生物信息學、計算生物學、基因組學、生物晶元原理與技術、蛋白質組學、模式識別與預測、資料庫系統原理、Linux基礎及應用、生物軟體及資料庫、Perl編程基礎等。

生物信息學（Bioinformatics）是一門交叉科學，它包含了生物信息的獲取、加工、存儲、分配、分析、解釋等在內的所有方面，它綜合運用數學、計算機科學和生物學的各種工具，來闡明和理解大量生物數據所包含的生物學意義。它隨1990年人類基因組計劃（HGP）的實施和信息技術的發展而誕生，現已迅速發展成為當今生命科學最具吸引力和重大的前沿領域，為生物學、計算機科學、數學、信息科學等專業的高素質人才提供了更廣闊的發展天地。

• 培養目標
  

本專業培養德、智、體、美全面發展，具有較好的分子生物學、計算機科學與技術、數學和統計學素養，掌握生物信息學基本理論和方法，具備生物信息收集、分析、挖掘、利用等方面的基本能力，能在科研機構、高等學校、醫療醫葯、環境保護等相關部門與行業從事教學、科研、管理、疾病分子診斷、葯物設計、生物軟體開發、環境微生物監測等工作的高級科學技術人才。

• 專業狀況
  

我國生物學本科教育主要圍繞兩個專業——生物科學和生物技術進行，而生物信息學相關課程通常作為這兩個專業高年級學生的選修課，且要求學生們已修完大部分專業必修課以及一些計算機課程，如C語言等。教學實踐表明，這一安排基本上符合國內本科生教育的實際情況，有利於本科生們掌握生物信息學的基本知識和工作原理，激發他們今後深入研究的興趣。世界上越來越多的政府部門、教育機構和企業都呼籲加快培養各類生物信息學人才。

❸ 如何系統的學習生物信息學

生物信息學，是一門綜合學科。涉及到數學，生物學和計算機的內容。但在我看來，計算機的基礎需要，但要求不是很高，關鍵是要有很好的生物學知識，包括遺傳學的、生物化學的、發育生物學的、分子生物學的、植物生理學的知識等等，也就說需要達到這樣的一個要求：在進行數據分析時，能對各種分析結果進行生物學的評價，並給出最優的分析策略。同時也應該有純熟的數理基礎，包括統計學的、拓撲學的，這樣才能把待分析的問題轉換成可計算的模型，最後能給出實現的程序。
從個人來說，因為生物信息學是一個非常大的領域，所以，關鍵是要確定自己的研究方向。比如，以關聯分析為方向的生物信息學，那麼就要掌握好各種關聯分析的統計分析方法，有很強的數據管理能力，足夠好的序列分析能力（這是進行variation查找和分析的基礎）。
回到6年以前，如果決定在生物信息學上發展，那麼我也許會做下面這些事情：
首先，從最不重要的計算機這個方面來說：
（1）要掌握好bash等腳本語言，一般的linux問題都能很好的解決
（2）熟練使用apache，mysql等基礎軟體工具，用joomla等CMS配置搭建網站
（3）應該努力精通perl，bioperl，以基於此的各種分析工具，比如gbrowser，cmap等
（4）足夠好的c/c++語言能力，這是實現新演算法的最高效語言。
（5）應該努力精通R語言，這是進行統計分析的基礎工具
（6）如果有機會，學學erlang這樣一些函數式語言吧
其次，從數學基礎來說，我覺得應該：
（1）學好線性代數
（2）學好高等數學，或者數學分析
（3）學好統計學
（4）學好離散數學
（5）學好計算機演算法和數據結構
其次，從生物學來說：
（1）如果沒有進化論的基層，請把進化論學好
（2）學好發育生物學，植物生理學
（3）學好基因組學、遺傳學等
千萬不要認為這些沒有什麼用，當你在數據分析，怎麼判斷結果的合理性，或者對結果進行解釋時候，都離不開這些生物學問題。最後，你對這些問題的理解成度，決定了你的生物信息學水平：只是一個有生物學知識的、會進行計算機操作的技術員，還是一個能給出解決方案的有良好計算機基礎的能把握生物學問題的生物信息學家。
最後，從生物信息學的角度來說：
（1）對NCBI等各大資料庫非常熟悉
（2）對各種生物學信息學的分析方法和策略非常的清楚，至少應該知道有那些工具軟體，以及這些工具軟體的原理和基於的生物學基礎，包括：基因組學分析，表達譜分析，代謝組分析、調控網路分析、數據結果的整合展示等
最後，生物信息學是一個發展很快的學科，但因起涉及的內容比較多，因此，要想到底一定的要求，是需要付出巨大的努力的。此外，在進行生物信息學學習的過程中，對自己感興趣的方法工具，一定要把文獻上的數據拿來，自己獨立分析一遍，自己去體會分析的過程，從而對這些方法和工具有更深入的理解。

❹ 生物信息學入門需要具備什麼能力

1.編程

Linux：會用Editor(e.g. VIM) 和 Shell Script (e.g. bash)；推薦《鳥哥的Linux私房菜-基礎學習篇》

Python/Perl：《Python編程入門（第3版）》，Perl推薦小駱駝

R/MATLAB：《R語言實戰（R in action）》

如果做資料庫或者server，推薦再學PHP，MySQL，JavaScript

2.課程

Bioinformatics： 生物信息導論和方法（北大高歌老師的課程，講解邏輯清晰，由淺入深），MOOC。

因為生信有好多分支，如對基因組、蛋白質組學數據分析並給出生物學解釋；在研究演算法方面，如利用機器學習的各種原理來解決生物學問題（對基因序列原件的注釋，如對TSS，splicing sites，promoters，enhancers，positioned nucleosomes等功能區域的注釋；通過對RNA-seq，microarray，ChIP-seq等數據的分析，區分不同的疾病類型或疾病的分子標志物（biomarkers）；對基因功能的注釋，如Gene Ontology term；以及基因間互作調控網路的分析）；比如運用統計學知識改進已有的生信軟體的演算法，等等。可以根據將來要做什麼繼續補充知識，比如看一下斯坦福大學的Andrew Ng在coursera的機器課程呀 ，看一下統計學原理呀之類的。

3.文獻和實戰練習

如果是做基因組學的生信公司

3.1 RNA數據分析流程

RNA-seq：可以重復一下文章中的分析Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks當然入門之後可以更多了解相關軟體啦，比如STAR，feature counts, Gfold, EdgeR, DESeq2,
DESeq等。

找lncRNA：Recurrently deregulated lncRNAs in hepatocellular carcinoma. 這篇文章中有如何找新lncRNA的流程，可以根據文章提供的方法重復一下。

3.2 DNA數據分析流程

GATK那一套流程檢測

同時variant與疾病、eQTL等關聯分析的話，可以了解一下STATA

3.3
結合機器學習和基因組學的話，可以看一下以下文獻：

DeepVariant：由谷歌Deep mind公司研發，利用卷積神經網路（convolutional neural network, CNN）檢測基因組上單鹼基突變（SNP）和小的插入缺失（Indel），比現有的GATK軟體有更高的精確度。

DeepWAS：根據功能單元選擇出一組SNP的集合，與現有的基因組關聯分析（GWAS）檢測基因組上一個SNP與疾病的關系相比，DeepWAS能夠更綜合地分析致病基因突變，在尋找調控區域的基因突變也更為直接。
DeepSEA：預測人類基因組非編碼區有功能的變異。

DeepBind：預測DNA，RNA結合蛋白的序列特徵，並能識別有害的基因突變。

DeepCpG：在表觀遺傳學層面上，應用深度神經網路演算法，研發了通過單細胞測序的DNA序列和不完整的甲基化修飾數據的，用來預測細胞細胞層面是否會發生甲基化，其效果優於現有軟體。

❺ 生物信息學專業學什麼

生物信息學專業學什麼？

快車教育，某名企人力資源總監曾先生表示，生物信息學（Bioinformatics）是一門交叉科學，它包含了生物信息的獲取、加工、存儲、分配、分析、解釋等在內的所有方面，它綜合運用數學、計算機科學和生物學的各種工具，來闡明和理解大量生物數據所包含的生物學意義。它隨1990年人類基因組計劃（HGP）的實施和信息技術的發展而誕生，現已迅速發展成為當今生命科學具吸引力和重大的前沿領域，為生物學、計算機科學、數學、信息科學等專業的高素質人才提供了更廣闊的發展天地。

那麼生物信息學專業好不好？下面讓快車教育我為各位看官總結一下生物信息學專業的主要課程、專業知識以及專業技能的情況吧！

一、生物信息學專業主要課程：

普通生物學、生物化學、分子生物學、遺傳學、生物信息學、計算生物學、基因組學、生物晶元原理與技術、蛋白質組學、模式識別與預測、資料庫系統原理、Linux基礎及應用、生物軟體及資料庫、Perl編程基礎等。

二、生物信息學專業知識與技能：

1．掌握普通生物學、生物化學、分子生物學、遺傳學等基本知識和實驗技能；

2．掌握計算機科學與技術基本知識和編程技能(包括計算機應用基礎、Linux基礎及應用、資料庫系統原理、模式識別與預測、生物軟體及資料庫、Perl編程基礎等)，具備較強的數學和統計學素養(高等數學I、II、生物統計學等)；

3．掌握生物信息學、基因組學、計算生物學、蛋白質組學、生物晶元原理與技術的基本理論和方法，初步具備綜合運用分子生物學、計算機科學與技術、數學、統計學等知識和技能，解決生物信息學基本問題的能力；

4．掌握生物信息學資料的查詢、文獻檢索及運用現代信息技術獲得相關信息的基本方法，具有一定的實驗設計、結果分析、撰寫論文、參與學術交流的能力；

5．熟悉國家生物信息產業政策、知識產權及生物安全條例等有關政策和法規；

6．了解生物信息學的理論前沿、應用前景和新發展動態；

7．具有較好的科學人文素養和較強的英語應用能力，具備較強的自學能力、創新能力和獨立解決問題的能力；

8．具有良好的思想道德素質和文化素養，身心健康；

9．具有較好的科學素質、競爭意識、創新意識和合作精神。

以上是關於大學本科專業生物信息學專業學什麼的分析情況，更多高考專業生物信息學專業分析資訊敬請關注快車教育職業規劃頻道。

❻ 生信分析怎麼學

學習生信分析需要具備一定的計算機、生物學和統計學知識，建議按以下步驟學習：

1. 建立基礎知識：先學習生物學、計算機科學和統計學的基礎知識，掌握常用的生物學術語和基本的編程概念。可以參考一些經典教材如《生物信息學導論》、《R語言實戰》等。

2. 學習常用工具和軟體：學習生物信息學分析中常用的工具和軟體，例如NCBI、BLAST、UCSC等資料庫和軟體，學習Linux操作系統和常用命令，掌握編程語言如Perl、Python、R等的使用。

3. 參加課程或培訓：參加一些線上或線下的課程或培訓，例如Coursera上的生物信息學課程、培訓班、講座等，了解生物信息學分析的流程和方法，掌握實踐技能。

4. 實踐和練習：通過實際項目的實踐，積累經驗和技能。可以通旅模過參加競賽、學術項目或者開源社區的項目來進行實踐。

5. 學習交流：通過參加學術會議、討論組、社區等啟鎮李悄遲渠道，與其他從業人員交流和分享經驗，了解最新的技術發展和應用實踐。

總之，星科SCIER認為學習生信分析需要綜合多個學科知識，需要不斷實踐和練習，才能熟練掌握相關技能。

❼ 生物信息學是干什麼的

生物信息學屬於理學，是分子生物學和計算機科學相互交叉形成的新興前沿學科，本專業是根據21世紀最具市場活力的新興生物信息產業市場需求而設置的新專業。

專業培養德智體美全面發展，具備生物信息學的基本理論、基本知識和基本技能，並能在高等學校或科研機構和政府機構及相關行業的企業、事業部門等從事生物信息和生物信息軟體、產品的研究與教學、生產與開發、經營與管理等方面工作的高級復合型科技人才。

要求學生具有計算機技術背景，通曉分子生物學知識，熟練運用生物信息處理軟體的生物學～計算機兩棲復合應用型的基本理論、基本知識和基本技能。

生物信息學主要課程和就業方法

主要課程：動物生物學、植物生物學、微生物學、基礎生物化學、生物信息學、遺傳學、資料庫、計算機操作系統、生物統計學、分子生物學、發育生物學及計算機模擬、生物晶元技術、神經生物學、基因工程、軟體工程、資訊理論、計算機圖形學等。

生物信息技術專業畢業生可從事科研機構、高等學校、醫療醫葯、環境保護等相關部門與行業從事教學、科研、管理、疾病分子診斷、葯物設計、生物軟體開發、環境微生物監測等工作。