生物信息如何學

❶ 想自學生物信息學，不知道怎麼開始，有沒有什麼好的推薦

想學習生物信息學可以首先購買相應的書籍，其次可以關注慕課或者是一些其他的網站，上面有很多免費的一些課程可以自己看。

❷ 如何學好生物信息學沒有計算機基礎的學生

首先要具有生物學的基礎，然後熟悉大部分的生物信息學軟體，然後會機器學習方法或優化演算法就行，計算機和英語一樣，只是一種工具，可以找別人做，也可以自己學，半年就會了。

❸ 如何從零開始掌握生物信息學分析

如何從零開始掌握生物信息學分析
生物信息學在短短十幾年間，已經形成了多個研究方向，以下簡要介紹一些主要的研究重點。 如基因表達譜分析，代謝網路分析；基因晶元設計和蛋白質組學數據分析等，逐漸成為生物信息學中新興的重要研究領域；在學科方面，由生物信息學衍生的學科包括結構基因組學，功能基因組學，比較基因組學，蛋白質學，葯物基因組學，中葯基因組學，腫瘤基因組學，分子流行病學和環境基因組學，成為系統生物學的重要研究方法。從發展不難看出，基因工程已經進入了後基因組時代。我們也有應對與生物信息學密切相關的如機器學習，和數學中可能存在的誤導有一個清楚的認識。

❹ 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！

❺ 如何自學生物信息學

1，從現有的生物信息學工具開始，要熟悉如何利用先用的軟體、網路伺服器、資料庫等等，為生物研究服務，不要做重復工作，能用現成的就不自己開發。

2，熟悉命令行的操作系統，DOS，Linux，可以編寫簡單的shell；進而能安裝命令行級的程序，跑一些常規的流程。要學習如何尋找和安裝軟體，這是最重要也是最基本的技能。其實很多問題，如果找到合適的軟體包，都是迎刃而解的。

3，熟悉一種簡單的腳本語言，個人推薦用python，具體原因可以見我的帖子。在沒有現成工具時，或需要數據格式轉換時，小的腳本是非常有用的。一般的應用無需自己寫太多的代碼，要相信我們通常遇到的問題，別的高手可能早就遇到了，所以網路上有大量的工具包。至於更多的編程語言，一門精則門門通，R，perl等都是類似的。

4，熟悉簡單的演算法和數據結構的知識，這樣就可以理解很多程序的內在機制，進而知道它們的優點和缺點，對自己寫程序也有幫助。有精力的話，進而學習統計、機器學習等。。

5，在自己的生物領域內擴展，調研，分析，開發。

❻ 如何學好生物信息學

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，<learning perl>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，<learning perl>讀了一遍，<intermediate perl>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。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。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, 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C/C++/java，或許需要研究下比如BWT、De Bruijn Graph背後的原理。

❼ 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。

❽ 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。

❾ 生物信息學的研究方法及內容

 免費預覽本文檔（全文）
內容不如意？提出您的需求！ 如何保證手機能下載並編輯
百萬小說圖書免費閱讀
申明敬告：本站不保證該用戶上傳的文檔完整性，不預覽、不比對內容而直接下載產生的反悔... 展開↓
文檔介紹：生物信息學 生物信息學 說文解字：生物 + 信息 + 學 (bioinformatics) biology + information + theory 廣義 應用信息科學的方法和技術，研究生物體系和生物過程中信息的存貯、信息的內涵和信息的傳遞，研究和分析生物體細胞、組織、器官的生理、病理、葯理過程中的各種生物信息，或者也可以說成是生命科學中的信息科學。 狹義 應用信息科學的理論、方法和技術，管理、分析和利用生物分子數據。 生命信息系統 生物所處的時空系統 物質系統，信息傳遞與控制，能量 相關學科圖示 廣義概念圖示 狹義概念圖示 總結：生物信息學 生物信息學(Bioinformatics) 是一門新興的交叉學科，是生命科學領域中的新興學科，面對人類基因組計劃等各種項目所產生的龐大的分子生物學信息，生物信息學的重要性將越來越突出，它將會為生命科學的研究帶來革命性的變革。 生物信息學是在生命科學的研究中，以計算機為工具對生物信息進行儲存、檢索和分析的科學。 生物信息學是當今生命科學和自然科學的重大前沿領域之一，同時也將是21世紀自然科學的核心領域之一，其研究重點主要體現在基因組學(Genomics)和蛋白組學(Proteomics) 。 生物學基礎速遞 細胞(分子水平) 個體生命 生命之樹 生命的分子基礎 細胞/分子水平 DNA/RNA 蛋白質 糖 脂類 DNA結構和鹼基互補原理 中心法則 生物信息學的歷史 從人類基因組計劃（HGP）說起 生物信息學的發展歷史 20世紀50年代，生物信息學開始孕育 20世紀60年代，生物分子信息在概念上將計算 生物學和計算機科學聯系起來 20世紀70年代，生物信息學的真正開端 20世紀70年代到80年代初期 ，出現了一系列著 名的序列比較方法和生物信息分析方法 20世紀80年代以後，出現一批生物信息服務機 構和生物信息資料庫 20世紀90年代後