没有服务器怎么学生物信息

㈠ 为什么学习生物信息学要学习linux系统的基本操作

如果我猜的没错的话，应该是你学习的这个学科中，需要使用的软件只提供Linux版本，我也学了很多需要用Linux来运行仿真和分析软件的学科，一般只要你学会如何打开和执行软件就可以了

㈡ 生物背景入门生物信息学，需要补哪些计算机知识

学会Linux的基础操作，譬如常见的ls，grep，less，ark等即可。当然最开始接触Linux的时候会各种不习惯，比较好的学习手段是把自己的笔记本装成Linux，大多数人喜欢mate界面的fedora。然后在Linux里听歌看电影，如果写文档就用虚拟机或者bps。这么用个1-2个月就比较舒服了。学一门编程语言，会简单的文本处理。现在知乎上首推python，据说语法清晰入门简单。认认真真看个1个月加练习，基本上普通的文本处理就没什么问题了。本条目可以和第一条一起用，在Linux下用python有加乘效果。如果想稍微进阶一下，需要学习和了解常见的数据结构，譬如什么是二叉树，什么是哈希表，什么是链表，哈希碰撞是怎么产生的，链表相对数组有哪些性能优劣等等。这些基础数据结构大概花费几天即可掌握，不需要深入。如果在处理文本时能使用恰当的数据结构，则会事半功倍。那么如果能花1-2个月把上述问题都搞明白了，顺便做个简单的项目，譬如写个fast.Oz的过滤脚本，那么后面的进度就很简单了。目前主流二代测序的数据分析本质来说也就是用些开源软件倒腾下然后网上找公开数据库折腾。并没有多高的技术壁垒。反而是对生物学意义的理解更为重要。最后，编写代码方面，需要一些技能是光上一点基础课学不来的，必须在战争中学习战争。比如说会写了python或者C，java，但是还是需要一些高级技术以及技术细节。之前在做测序数据分析的时候要求写成并行的程序，这样服务器跑起来快，免得结果等好几天。如此种种还有很多，解决程序运行中出现的形形色色的幺蛾子需要扎实的经验积累。

㈢ 如何自学生物信息学

1，从现有的生物信息学工具开始，要熟悉如何利用先用的软件、网络服务器、数据库等等，为生物研究服务，不要做重复工作，能用现成的就不自己开发。

2，熟悉命令行的操作系统，DOS，Linux，可以编写简单的shell；进而能安装命令行级的程序，跑一些常规的流程。要学习如何寻找和安装软件，这是最重要也是最基本的技能。其实很多问题，如果找到合适的软件包，都是迎刃而解的。

3，熟悉一种简单的脚本语言，个人推荐用python，具体原因可以见我的帖子。在没有现成工具时，或需要数据格式转换时，小的脚本是非常有用的。一般的应用无需自己写太多的代码，要相信我们通常遇到的问题，别的高手可能早就遇到了，所以网络上有大量的工具包。至于更多的编程语言，一门精则门门通，R，perl等都是类似的。

4，熟悉简单的算法和数据结构的知识，这样就可以理解很多程序的内在机制，进而知道它们的优点和缺点，对自己写程序也有帮助。有精力的话，进而学习统计、机器学习等。。

5，在自己的生物领域内扩展，调研，分析，开发。

㈣ 为什么越来越多的人都在学习生物信息

0：计算是21世纪生物科学的关键技能
时代在发展，生物在进步。现代生物学越来越成为一门计量科学。三个世纪以来，生物学从观察科学成为实验科学再逐渐演变为数据科学，总之技术手段要求越来越高啊，好摘的果子早就被人捡跑了，要想有重要发现，想发文章，光靠观察和试验肯定是不够的了。新的重要发现，要求我们研究人员必须利用大数据和先进的数据分析方法。所以，在座的各位，想吃生物学这口饭，就请面对现实，不要逃避！如果你觉得我是在忽悠你，那你就听听各位诺贝尔奖大牛怎么说的：
A)Walter Gilbert在20年前就断言：如果要利用互联网上海量的序列信息，生物学家不仅必须要成为计算机学者，还要改变他们研究生物学问题的方法。
B)Sydney Brenner说：我花了大量时间试图说服大家，计算不仅成为生物学研究不可或缺的组成部分，还可以为我们研究生物的复杂性提供模型。。。测序技术的发展和广泛应用，导致大量数据的产生，毫无疑问，计算机已经成为生物学研究不可或缺的一部分。
1：计算技术是高度可转移的技术
首先请大家认清现实：不是每个生物学的在读博士或者博士后日后会从事生物学的学术研究。华盛顿邮报有报道称：“只有14%的生物学博士在毕业后5年内可以得到一份稳定的科研方面的工作”。所以，如果你在读博士或者博士后期间的训练，将来很可能会用于学术之外的工作，干嘛不限制就学一些以后应用范围更广的技能呢？实验技术只能用于以后的实验室或者医学研究中，但是计算技术有广泛的应用。提高你的计算能力，不仅会让你更容易找到工作，也可以帮你受益终生，因为你的电脑特长会帮助你更加得心应手地处理日常事务。
2：计算能够提高你的核心科学技能
生物学在本质上是一个杂乱纷繁的学科。尽管有些生物学家通过严格训练，知道如何通过好的实验设计和统计分析来处理这一头乱麻（比如那些生态学家）。可悲的是，大部分生物学家在数据收集和分析方面习惯很差。计算会迫使你克制在科研中人为造成的混乱，并且让你培养出以下核心的科研技能：有逻辑的实验设计，数据收集的一致性，试验方法的可重复性，以及通过合适的统计学方法进行数据分析等。所以，即使你不愿意放弃自己的实验和野外科研，计算方面的训练也可以使你掌握一些最佳做法，并且这些方法可以提高你的实验技巧。
3：你应该在你的博士或博士后期间获得新的技能
大部分生物学家在攻读博士的时候，拥有一些在高中或者大学期间得到的生物学实验技能。尽管这些技能并不是最前沿的，但是你至少是掌握了一些技能。与此同时，大部分博士生除了知道用EXCEL和一些图形界面的软件外，在科学计算上面一无所知。所以，你现在需要充电—学一些以前没学过的东西，而不仅仅是强化你以往的技能。这些生物信息学方面的训练最好是在攻读博士期间完成，而博士后期间是你做这些事情最后的机会。因为博士期间你有充足的时间和资本，系里也有相关的课程等条件，来帮助你做这些事情。博士后期间获得计算技能也不错，但是因为合同时间短，对于PI的依赖度高，以及发文章的压力比较大，这些使你很难有充裕的时间和精力。（本人认为：生物学的朋友们，越早进入生物信息学领域越好！）
4：你可以在生物学方面获得更加独特的技能
如上所述，大部分生物学家只是具有实验方面的技能，只有少数拥有专业的计算方面的培训。尽管这个状况在改变，但是，如果你会编程，在10年之内甚至更长的时间内，你在这个后基因组时代，依然在获取结果等方面有相当的竞争优势。因为你拥有这些技能，你将能够在人才市场上脱颖而出。
5：你可以发表更多文章
尽管你可能没有意识到，但是，读博士和博后其实时间很快就过去了。所以，如果你不想GAME OVER的话，你能够浪费在那些“实验失败”的时间并不多。我不是说，生物信息学就不像实验生物学那样容易失败。关键是，在数个小时或者数天内，你就可以知道你的生物信息学实验失败了；可是，你需要几个星期甚至几个月才知道你的传统实验是否成功。所以，生物信息学可以让你更快地推进你的研究。因此，在同样的时间里，你可以发表更多的生物信息学方面的文章。虽然不少人觉得传统实验的论文更难发表，所以价值更高。但是，很显然，发文章在科研领域还是硬通货。另外，招聘委员会的座右铭“文章不用读，数数谁的多”在大部分情况下依然行得通。况且，雇主和发放基金的单位更愿意资助那些有好想法并且付诸实施的年轻研究人员。发文章是你可以完成项目的证据。因此，生物信息学可以帮助你证明，你就是雇主和基金单位要找的人。
6：你的研究有更多的灵活性
做生物信息学最酷的事情是，你的研究不像做实验生物学那样受限制。也许你只是做那些可以进行计算分析的研究。但是，这个领域已经非常广阔了，从计算神经科学到理论生态学，以及这里边任何领域。你可以从一个方向跳到另外一个方向，这比你从事实验生物学转方向容易多了。研究的灵活性可以满足你科研方面的好奇心，或者让你更容易追踪最新的科研进展。最重要的是，对于学生来说，生物信息学提供的灵活性和低代价使得你可以更早地接受科研训练，开始你科研方面的职业生涯。这对大家非常关键，因为你越早开始，你未来也就越容易成功。
7:你的工作方式更加灵活
在平衡工作和生活，并且依然保持较高的科研产出方面，生物信息学具有很多优势。不像实验生物学家那样只能围着试验台转，生物信息学家几乎可以在任何地方从事自己的科研工作，在家通过远程操控来进行计算分析对于生物信息学家来说是家常便饭。从长远来看，这种灵活度可以帮助你克服职业中断，应付生活中那些艰难的时刻，以及做出结婚生子等重大决定。因为你可以把代码提交给服务器执行，去做别的事情，而不用因为担心跑胶或者养细胞而跑回实验室。所以，让我明确地告诉你：如果你希望在从事生物学方面的研究的同时拥有一个完整的家庭，那么，攻读博士或者博士后期间进行生物信息学研究会帮助你更容易地达到这个目标。这不仅仅对女生适用。做生物信息学最好的一点是，你可以一边搞科研，一边哄娃睡觉！
8：计算方面的研究性价比高
由于拥有大量的公共数据库资源，生物信息学研究比那些需要大量资金的实验研究更加便宜。这一点非常重要，因为，1）生物信息学研究对于研究经费的依赖度没有那么高，所以，你没必要花费大量的时间，像个奴隶一样乞求经费，你可以做自己喜欢的方向。这一点在经费紧张的时候尤其重要。2）正如上文提到的，因为生物信息学所需经费少，这样的话，该专业的学生可以尽早开始设计自己的研究，因为你不需要等待你的老板批准经费。3）性价比高对于你建立自己的实验室和在困难时期保持持续的科研产出也非常重要。4）生物信息学的高性价比使得来自发展中国家（比如金砖国家）的科学家拥有跟来自富裕国家的研究者同等的研究机会。这些国家的研究者如果希望成为顶级的科学家，应该考虑从事生物信息学，因为他们的研究不会受到太多资金的限制。
9：成功的科学家老死在办公室
开个玩笑。如果你得到了PI的位置，很有可能你就永远呆在办公室了。也许有些老家伙还会找时间跑到实验室里做点儿实验—他们是稀有品种。一个科学家就应该坐在办公室里，面对电脑--你摸不着试验台，做不了实验，可是，如果你是做生物信息学，你还是可以继续你的研究啊。继续你的研究，才能够让你保持活跃。记住：你的长期目标是成为“主要研究人员”（Principal Investigator，PI），而不是“原则上是研究人员”（“In Principle Investigator）。所以，如果你年轻的时候希望做科研，就问问你自己：干嘛学一些自己大部分时间无法受用的技能呢？同时却看着其他人在你的实验室享受发现的快乐！

㈤ 生物背景入门生物信息学需要补哪些计算机知识

我在的北大的生物医学工程系里面有健康信息系统、医学数据、计算生物学方向，和传统的生信有一定的差别；真正做生信的人信息科学院有一拨，生命科学院还有一拨。不排除数学院也有理论研究专家。计算机方面的基础知识，和真正学计算机专业的同学是完全不一样的要求。不谈计算生物学里面DNA计算机一类的东西，如果是序列分析、组学这些研究的话，我现在按如下一步步来：首先，应用层面，Linux必须要会用，所有的生信软件几乎都是linux-based不会也得会，（嗯，会用，不是说要把内核源码深入解析一下什么的）主要是会文件操作，登陆服务器，权限，进程什么的各种概念，以及一些基本的生信工具BLAST等等。其次，如楼上所言，要求数据结构与算法的知识。直接被用在生信应用里面的比如BLAST的动态规划，当然其他没有直接关联的也很重要，比如之前看宏基因组分类方面的论文就有一些组用了贪心法这样的简单原理，但是也达到过很好的效果。最后，编写代码方面，需要一些技能是光上一点基础课学不来的，必须在战争中学习战争。比如说会写了python或者C，java，但是还是需要一些高级技术以及技术细节。之前在做测序数据分析的时候要求写成并行的程序，这样服务器跑起来快，免得结果等好几天。

㈥ 如何学好生物信息学没有计算机基础的学生

首先要具有生物学的基础，然后熟悉大部分的生物信息学软件，然后会机器学习方法或优化算法就行，计算机和英语一样，只是一种工具，可以找别人做，也可以自己学，半年就会了。

㈦ 求助一个关于生物信息学服务器的问题

生物信息学中数学占了很大的比重。统计学，包括多元统计学，是生物信息学的数学基础之一；概率论与随机过程理论，如隐马尔科夫链模型（HMM），在生物信息学中有重要应用；其他如用于序列比对的运筹学；蛋白质空间结构预测和分子对接研究中采用的最优化理论；研究DNA超螺旋结构的拓扑学；研究遗传密码和DNA序列的对称性方面的群论等等.总之，各种数学理论或多或少在生物学研究中起到了相应的作用.但并非所有的数学方法在引入生物信息学中都能普遍成立的，以下以统计学和度量空间为例来说明. Simond在人类的认知一书中指出，人在解决问题时，一般并不去寻找最优的方法，而只要求找到一个满意的方法.因为即使是解决最简单的问题，要想得到次数最少，效能最高的解决方法也是非常困难的.最优方法和满意方法之间的困难程度相差很大，后者不依赖于问题的空间，不需要进行全部搜索，而只要能达到解决的程度就可以了.正如前所述，面对大规模的序列和蛋白质结构数据集，要获得全局结果，往往是即使算法复杂度为线性时也不能够得到好的结果，因此，要通过变换解空间或不依赖于问题的解空间获得满意解，生物信息学仍需要人工智能和认知科学对人脑的进一步认识，并从中得到更好的启发式方法.

㈧ 学习生物信息学，需要配置怎样的电脑呢

首先的问题的是，我们需要什么样的计算机。

关于硬件：

需要至少4G内存，最好可以达到16G以上内存；

至少500G硬盘空间。通常一个RNA-seq的数据量为20G左右，如果再加上分析之后的结果，可能达到50G，所以即使你有500G的空间，也分析不了几组数据。所以硬盘空间越多越好，比如说2TB或者使用高速网络存贮界质。

CPU，至少2核。因为你在运行程序时，通常100%占到CPU，如果没有2核，计算机多半会假死在那里。如果有8核，或者以上更好。

GPU，很多程序开始使用GPU运算，如果能有好的GPU显卡，也是推荐的，但不是必须的。

为了达到以上的条件，入门极的比如说Mac Pro。进阶级的就是独立server，高级的是supercomputer clusters，支持qsub之类的。或者可以购买云计算服务。

对于操作系统，在工作站方面，推荐Mac OS。它运行稳定，与LINUX同源。需要下载安装Xcode和wget就可以了。当然你还可以很方便的安装office办公软件，以及photoshop，AI等工具。最后安装好R/Bioconctor，就可以开始工作了。如果买了兼容机，可以安装上Linux/UNIX系统。它在安装上R/Bioconctor之后基本上就可以了。它的缺点是办公软件，绘图软件的安装。最差的就是Windows了。需要安装比如GCC编译器，make工具,mingw64, perl, zip/unzip, tar, wget, ghostscript等等。

有了软件及硬件，接下来的工作就是了解一些常识以武装你的大脑，这是整个运行环境中最重要的一环。首先，你需要学习了掌握UNIX常用命令，并且不反感字符界面。其次学会安装，设置及构建网络服务，比如apache的websever，以及mysql的数据库服务。第三安装及设置一个Galaxy。当然，第二步及第三步可能会有难度，可以先使用Galaxy本身的服务，但是它有很多限制，所以最好还是自己安装一个比较好。第四步，学习一门计算机语言，比如c, python, ruby, java等，还有一门脚本式语言工具，比如perl。第五步，学习使用R/Bioconctor。第六步，统计学。

至此，你的NGS分析环境就设置完成了。如果快的话，你可以两三个月就设置完成，达到起步的阶段，之后就是漫长的学习过程。慢的话，四年本科也不一定学到多少。

㈨ 生物信息学对计算机的配置要求有多高

生物信息学都是用服务器处理数据的,一般都是用的Linux操作系统.个人电脑处理不了太多的数据,不过很少量数据还行.你的配置还是不错.可以自己用着试试.不行就找服务器吧!PC处理这种大量的生物数据实在很有限.

㈩ 大二计算机专业学生,想学生物信息学,但是很犹豫,不知前景如何

同学，你把计算机专业看的太窄了。。你现在只是本科。。如果确实不想写代码，也没有兴趣的话，同时家里也有条件让你转专业（有些学校转专业需要关系）的话那就转，生物信息学的前景目前来看没有计算机好哈！

但是如果你还对计算机感兴趣，且又对生物信息学感兴趣的话，坚持下来，到以后阶段做交叉学科，计算机与生物信息交叉比这些方向都好，目前交叉学科的前景是最好的哈！
希望被采纳哈！