生物信息学分析如何自学

1. 如何从零开始掌握生物信息学分析

今天的世界大不同，表现在生命科学研究领域，就是一切都开始进入了大数据时代，无论是DNA序列，显微图片，还是质谱数据，研究人员都越来越需要对这些庞大的信息进行收集、整合、处理和诠释。

对于许多生物学家们来说，这并不容易完成，传统的科研培训方式主要集中于科学的基础原理和实验方法，而不是计算机编程和数据统计，因此当不少研究人员发现自己需要面对大量的数据量时，他们不知道如何处理这些问题。

目前其实也不乏现成的计算工具，而且不少都是免费的，但对于门外汉来说还是有些难。通常情况下研究人员还是需要深入了解这些界面并未友好的程序，才能运行，而这需要计算运行的深厚知识。

这就会导致研究人员在进行大数据研究的时候，不得不自己编写一些程序来进行可重复和得到证实的信息处理。然而这些过程也需要小心处理，一不留意犯错了，就有可能危及数据本身。

2. 如何自学生物信息学

本人自大三就开始做生物信息，现在即将读博士，希望我的经验可以帮助到你。
既然你是想做生物信息学，那么相关背景什么的会了解一些，我在这就不多说了。

首先，确定你自己的背景专业，现在很多学校本科都没有专门的生物信息学专业，都是挂靠在生命学院或者计算机学院的。所以背景专业一般都是生物学或计算机学，不同的专业将来做生信区别会很大。当然，做什么方向和背景专业并没有绝对关系。
如果是生物学背景，那么将来大部分的工作将会是使用专门的生物信息学分析软件。所以难度会降低。自学的话，主要学几下谨旦几点就好：
1、一门脚本语言，个人推荐Python（Perl也可以，各有利弊，Python更新兴一些）。
2、Linux系统。这个也不是百分百要知宏求，但是专业的生信人，都是用Linux的，而且很多软件都是不支持Windows的。
3、常用的生物信息学数据库，这里列出几个，NCBI，Ensembl，EBI，GENEbank等等，这些数据库下面还分子数据库，像GEO，GWAS catalog等。当然，还有方向更细的，像miRBase（miRNA数据库）等。
4、R，这也是一种编程语言，但更加侧重结果的展示，实际上也就是画图。
5、常用生信分析软件，这个没必要专门去学，需要用到他们的时候再学也不晚，都是很简单的东西。
如果是计搭晌册算机背景，那么以后的工作可能主要是算法分析，创造新的生信分析软件，做数据库等。需要自学的就是以上的那些，再加一门工程语言，C，C++，C#，Java都可以。

3. 如何自学生物信息学

一、计算机基础，需要看三本书，一步步的学会学通，不需要刻意去找哪个书，一般linux是鸟哥私房菜，perl是小骆驼咯，R是R in action，但是看一本书只能入门，真正想成为菜鸟，必须每个要看五本书以上！我云盘里面有这基本上的高清打印版，大家可以去淘宝打印一下才几十块钱还包邮，对书比较讲究的也可以买正版，也不过是一百多块钱而已！

二、生信基础知识，测序方面，在网络文库找十几篇一代二代三代测序仪资料仔细研读，然后去优酷下载各大主流测序仪的动画讲解，再看看陈巍学基因的讲解；数据库先看看三大主流数据库——NCBI,ENSEMBL,UCSC，还有一些也可以了解一些（uniprot,IMGT,KEGG，OMIN，TIGR，GO）同样也是网络文库自己搜索资料，但是这次需要自己去官网一个个页面点击看，一个个翻译成中文理解吃透；数据格式讲起了就多了，这个主要是在项目流程中慢慢学，或者你有机会去上课，不然你看来也是立马忘记的，主要有sam,vcf,fasta,fastq,bed,gtf,gff,genbank,ensembl,psl等。

三、生信研究领域，各个领域主要是软件繁多，合起来常用的估计有上百个软件了，一般只有从业五六年以上的人才有可能把它们全部用过一遍，而且这也完全需要项目来训练，而不能仅仅是看看软件手册，但是研究领域最重要的是背后的原理，需要看各大牛的综述。

a) 生信基础软件(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)。

b) snp-calling相关软件（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）。

c) 基因组相关软件（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）。

d) 转录组相关软件（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、生信应用领域，讲这一块其实已经脱离了生信菜鸟的解释范围了，主要是想说社会上为什么需要搞生信的人才，全是因为在肿瘤筛查，产前诊断，流行病学，个性化医疗等领域有所应用，可以造福人类！这方面政策不确定，产业不定型，所以也这绝对是蓝海，但是也绝对不会有现成的资料直接培训人才，我们必须关注各种微信公众号，逛各种测序，医学相关论坛，紧跟业界精英的脚本，同时追着大牛的文献阅读，如此这般才能保住菜鸟的身份！

4. 如何从零开始掌握生物信息学分析

如何从零开始掌握生物信息学分析
生物信息学在短短十几年间，已经形成了多个研究方向，以下简要介绍一些主要的研究重点。 如基因表达谱分析，代谢网络分析；基因芯片设计和蛋白质组学数据分析等，逐渐成为生物信息学中新兴的重要研究领域；在学科方面，由生物信息学衍生的学科包括结构基因组学，功能基因组学，比较基因组学，蛋白质学，药物基因组学，中药基因组学，肿瘤基因组学，分子流行病学和环境基因组学，成为系统生物学的重要研究方法。从发展不难看出，基因工程已经进入了后基因组时代。我们也有应对与生物信息学密切相关的如机器学习，和数学中可能存在的误导有一个清楚的认识。

5. 如何学好生物信息学

我硕士读的是细胞生物学，今年4月开始在boss要求下自学perl，打听了下，<learning perl>这本书不错，就买来开始看，等5月份去北京参加公司的培训班时，<learning perl>读了一遍，<intermediate perl>看了一部分。培训回来，我们的项目就开始做了，9月拿到所有原始数据和分析结果。然后，我对照着公司的分析报告，试着自己走一边分析流程，中间遇到问题，自己解决不了的，就发邮件求助。有几点需要注意：1. 我能理解你想早些玩儿数据的愿望，但是在这之前，最好要有一个outline.需要知道数据从哪儿来的，怎么产生的？其实就是测序仪的工作原理。然后是数据质量检验，为什么需要数据过滤？接着是reads拼接和组装。总之，要对整个流程有一个认识，而后在学习的过程中，再不断回头对比这个流程，这样才不会有迷失的感觉。2. 有了基础知识的铺垫，就可以尝试着自己做些练习了，paper上面都会给出他们的数据、原码地址，可以找来自己试试，先看看自己能不能做出一样的效果。当然，这时要是你手里正好有项目，那就更好了。3. 学生物信息，paper肯定是要跟踪的。覆盖生物信息有趣的论文， 算法，以及生物科学问题。这个网站还汇集了很多生物信息领域科学家的博客。再如BGI的主程罗瑞邦， SAMtools、BWA的作者Heng Li都有在这里出现。[RNA-Seq Blog](RNA-Seq Blog) 推荐新的论文、工作、培训课程、大型会议等。如果你是生物背景的，那么计算机方面的知识需要补一下：需要能在linux环境下舒服的工作。比如从源码编译安装软件PATH配置，再比如舒服地使用google找到问题的答案。学会使用python/perl。比如有的时候运行一个软件老是报错，可能就是因为在一个包含几十万行的文本文件里，有随机的那么几千行的末个位置，多一个冒号, 这时候你知道需要怎么做了？ 学会R。要从一大堆基因里面找出表达水平变化的基因来，需要统计分析和显着检验；而要把我们的数据更直观地展示出来，最好的方式就是图形了吧。这两个需要，R都能满足。当然matlab也是可以的，区别在于R是开源工具。具备了上述技能，那么常用的软件就能用起来了。随着学习的深入，可能你的问题别人也没遇到过，这时候就需要自己动手，要么修改现成的工具，要么自己做一个出来。这时候，除了python/perl，或许还可以学C/C++/java，或许需要研究下比如BWT、De Bruijn Graph背后的原理。

6. 生物学背景自学生物信息学，想做这方面的研究，从哪里

是问从哪里开始吗？我本科生物，研究生期间生物信息。基础自学。导师生信背景，有计算机学位。

首先一定要确定你真的喜欢计算机吗？天天写代码，跑程序，这样的日子感觉坐不住的话还是算了，更别提前期学习真的是写代码>回车>error>debug>回车>error>debug......这样的循环往复。（不过error遇得多了当可以成功执行的时候成就感还是挺突破天际的。）

基础知识包括linux基本操作，python或perl随便一门编程语言，R语言常用，要学。熟悉各大生物数据库（主要查询和下载数据），熟悉生信常用到的格式，常用软件的使用。

还有一些约定俗成的规则你学习的时候会感受到，比如软件的使用，你不可能保证把所有的软件学一遍，总会遇到新的需要尝试。一般下载软件编译之后先-h（help）或是找文件夹中的readme文件，就大概知道怎么做了。包括linux的命令，不可能全部了解，需要用的时候help一下，有什么参数是你需要的立刻就知道。个人认为主要学的就是一个套路，有了这些套路就可以以不变应万变。

1. linux
   

   基础操作要熟悉，安装软件，基本文件操作，如果出现error要能解决。推荐《鸟哥的Linux私房菜》。

2. python or perl

   编程语言主要是用来批处理各种文本和写算法（如果需要的话）。和linux一样，属于基础中的基础，相当于语言对于人类活动的作用。这个要求会一个就好，常用的就是python或perl，选一个感兴趣的学。

3. R语言

   R语言算是统计工具，虽然也是一门语言，但和python，perl的区别是当遇到需要做统计的时候，写R会简单很多，而且R的作图功能强大，非常常用。

4. 数据库，例如ucsc，tcga这些。没什么说的。

5. 了解生信常用到的文本格式。比如fasta，vcf，maf等。其实都是文本，只是需要知道每种文本中的信息都是什么。

   
   

Above all，实践是学习最快的途径。用的多了就熟练了。

差不多就这些。最后说一些注意。如果研究生期间也想往生信方向转，选导师一定要选择有计算机背景的，这样才好指导你。

7. 生信分析怎么学

学习生信分析需要具备一定的计算机、生物学和统计学知识，建议按以下步骤学习：

1. 建立基础知识：先学习生物学、计算机科学和统计学的基础知识，掌握常用的生物学术语和基本的编程概念。可以参考一些经典教材如《生物信息学导论》、《R语言实战》等。

2. 学习常用工具和软件：学习生物信息学分析中常用的工具和软件，例如NCBI、BLAST、UCSC等数据库和软件，学习Linux操作系统和常用命令，掌握编程语言如Perl、Python、R等的使用。

3. 参加课程或培训：参加一些线上或线下的课程或培训，例如Coursera上的生物信息学课程、培训班、讲座等，了解生物信息学分析的流程和方法，掌握实践技能。

4. 实践和练习：通过实际项目的实践，积累经验和技能。可以通旅模过参加竞赛、学术项目或者开源社区的项目来进行实践。

5. 学习交流：通过参加学术会议、讨论组、社区等启镇李悄迟渠道，与其他从业人员交流和分享经验，了解最新的技术发展和应用实践。

总之，星科SCIER认为学习生信分析需要综合多个学科知识，需要不断实践和练习，才能熟练掌握相关技能。

8. 如何系统的学习生物信息学

生物信息学，是一门综合学科。涉及到数学，生物学和计算机的内容。但在我看来，计算机的基础需要，但要求不是很高，关键是要有很好的生物学知识，包括遗传学的、生物化学的、发育生物学的、分子生物学的、植物生理学的知识等等，也就说需要达到这样的一个要求：在进行数据分析时，能对各种分析结果进行生物学的评价，并给出最优的分析策略。同时也应该有纯熟的数理基础，包括统计学的、拓扑学的，这样才能把待分析的问题转换成可计算的模型，最后能给出实现的程序。
从个人来说，因为生物信息学是一个非常大的领域，所以，关键是要确定自己的研究方向。比如，以关联分析为方向的生物信息学，那么就要掌握好各种关联分析的统计分析方法，有很强的数据管理能力，足够好的序列分析能力（这是进行variation查找和分析的基础）。
回到6年以前，如果决定在生物信息学上发展，那么我也许会做下面这些事情：
首先，从最不重要的计算机这个方面来说：
（1）要掌握好bash等脚本语言，一般的linux问题都能很好的解决
（2）熟练使用apache，mysql等基础软件工具，用joomla等CMS配置搭建网站
（3）应该努力精通perl，bioperl，以基于此的各种分析工具，比如gbrowser，cmap等
（4）足够好的c/c++语言能力，这是实现新算法的最高效语言。
（5）应该努力精通R语言，这是进行统计分析的基础工具
（6）如果有机会，学学erlang这样一些函数式语言吧
其次，从数学基础来说，我觉得应该：
（1）学好线性代数
（2）学好高等数学，或者数学分析
（3）学好统计学
（4）学好离散数学
（5）学好计算机算法和数据结构
其次，从生物学来说：
（1）如果没有进化论的基层，请把进化论学好
（2）学好发育生物学，植物生理学
（3）学好基因组学、遗传学等
千万不要认为这些没有什么用，当你在数据分析，怎么判断结果的合理性，或者对结果进行解释时候，都离不开这些生物学问题。最后，你对这些问题的理解成度，决定了你的生物信息学水平：只是一个有生物学知识的、会进行计算机操作的技术员，还是一个能给出解决方案的有良好计算机基础的能把握生物学问题的生物信息学家。
最后，从生物信息学的角度来说：
（1）对NCBI等各大数据库非常熟悉
（2）对各种生物学信息学的分析方法和策略非常的清楚，至少应该知道有那些工具软件，以及这些工具软件的原理和基于的生物学基础，包括：基因组学分析，表达谱分析，代谢组分析、调控网络分析、数据结果的整合展示等
最后，生物信息学是一个发展很快的学科，但因起涉及的内容比较多，因此，要想到底一定的要求，是需要付出巨大的努力的。此外，在进行生物信息学学习的过程中，对自己感兴趣的方法工具，一定要把文献上的数据拿来，自己独立分析一遍，自己去体会分析的过程，从而对这些方法和工具有更深入的理解。