生信入门第1课

我写公众号的最初目的就是督促自己学习，分享一些教程，和专门搞生信的大佬们比起来，自己也就是菜鸟一枚，公众号更新也比较佛系，也不做推广，你能自行关注到，完全靠缘分。我就是分享一些生信基础的生信分析技能，以满足大家在科研工作中的生信需求。说实话，大家需要给你自己以定位，自己做纯生信的还是只是借助生信为大家在湿实验中提供思路，或者文章中添加一些生信内容。如果你是做纯生信，那也是分档次和研究方向的，如果只是分析别人的数据，比如预后模型这种，属于比较低端的水平。有的做开发，比如开发一个R包或者一些其他生信分析工具，又或者是建数据库，这些属于开发类。另外，这个也和研究领域有很大关系，植物的，人的，微生物的，是有区别的，当然，很多基础工具都差不多，但需要相关的知识背景。我自己主要是做药，癌症，所以我会的技能主要和自己研究方向相关的，我也不是什么都掌握，因为我觉得，具备基础知识储备后，自己用到什么就去现学现卖，而不是一下子学会很多东西等着以后用，我个人认为这是效率极其低下的。

这里按照我个人的学习经历和总结，让刚刚入门的你，能快速学习一些基础的生信技能，学到高水平我也做不到，因为我自己也觉得自己很菜的，但有一些经验可以分享给大家。

1.首先给自己一个定位，你学生信为了干什么？

如果你不是纯生信的，比如做一些药理，分子生物学等相关以实验为主，那么你学习生信主要还是做一个辅助，你可能注重的还是一些基础分析。

还有一种就是想快速出文章，纯数据分析的，这种我个人觉得不是长久之计。

如果你是做开发的，比如开发R包，新方法，搭建数据库等纯生信的方向。那么需要学习计算机方面的东西很多，比如开发数据库，前端（HTML+CSS+JavaScript）是需要学的，以及数据库等等。如果注重算法，那就需要补一补数学，尤其是统计学。【这个方向，我也还在不断的学习当中】，但是做这个方向的学生，实验室往往有这样的基因，有师兄师姐指路是比较好的。【我觉得这个方向需要有一个长期的规划，往往需要一个团队才能有更好的科研成果，比如搭建数据库，有人做前端，有人做后端】

2.需要学什么基础知识？

无论你是干啥的，只要是和生命科学有关的，很多基础知识是需要具备的【比如分子生物学，遗传学】，这里就不多说了。对于生物信息学，就算你不做生信，很多技术你也需要知道和了解，要不然你做实验都不知道可以用什么技术能解决什么问题。对于很多基础极其薄弱的同学来说，我极其推荐买一本下面这本书，生物信息学的教材很多，但我只推荐下面这本，很多技术的原理和很多基本概念都介绍的挺好的。也不需要多么认真仔细的看，扫一遍。【京东/当当，选择便宜的平台购买】。

3.是否需要学编程语言？

哪怕你不做纯生信，R语言是必须学习的，为什么？很多人就是想用别人的代码傻瓜似的运行，然后得出结果，这个过程往往会出现各种幺蛾子，会浪费你大部分的时间。何不自己花点时间系统的学习一下。另外，用别人的代码，你无法个性化分析，所以完全不靠谱。所以R语言必须学习，B站有很多视频教程，可以学习，当然我也有，感兴趣的可以参考文章【曾经付费的R语言语法视频教程现在免费学习了】学习。

4.还需要学什么编程语言？

前面说了，无论做什么，R必须学习，那么Python，Linux呢？如果你做算法或者开发的，看你个人选择，只用R也能解决问题，Python也可以不用学习，但是很多文章用的是Python写的，你也需要看的懂，关于这一点，如果自己有有长远的规划，又刚刚开始，那就学，先学python，再去了解R，因为编程语言很多都是相通的，学会Python，再去了解R，易如反掌，我当初学习R的时候就很快，因为我曾经学过Java，但我现在已经完全忘记，因为没用起来，所有学编程语言一定要用起来，经常写。Linux的话是需要学的。但对于不是纯生信的，你们注重下游数据分析，也没有太多追求，那就放弃也行吧，学R就够了，当然很多数据分析还是都需要在Linux上运行的，所以掌握基本的操作还是必要的，Linux的数据就鸟哥私房菜。

当然，要学好是需要花费很多时间的，只是掌握怎么使用，简单的操作，网上有很多快速入门的博客，可以搜索一下。

5.数据可视化

这一点，我曾经写过一篇文章说过，可以参考阅读一下【我有必要花大量时间去学习R语言绘图吗？？】

6.了解一些用于医学相关的基础分析

就是一些常见的分析，比如回归分析，这部分我有相关的教程，是基于R语言的，之前是付费，后期我整理好会免费分享到B站。目录可参考：R语言语法、绘图和数据分析教程。

关于R相关的书籍，可以在群里问我一下，分享给你。

7.其他数据分析技能

生信数据分析，其实几乎都是各种组学数据的分析，比如普通转录组，单细胞转录组、空间转录组，chip-seq，甲基化测序等，以及芯片数据。所以分析数据之前，需要去掌握这些技术背后的原理和相关背景知识。前期一定要先学习普通转录组，因为这个很常用。如果你是做非编码RNA的，那么可以学习相关的测序分析流程。当然有一些是芯片数据，都一起去了解，学习。对于其他的组学数据分析，就可以举一反三，看看综述，用什么软件，各种软件的优缺点以及适用于什么样的数据等等。然后，自己用的时候，再看相关教程自己跑，我自己觉得这样比较好，前提是你得理解这些组学数据分析背后到底再干什么事。为了部署不同分析环境，需要了解一下Anaconda。如果注重下游分析，有些也不需要上游分析，比如bulk转录组，一般自己测序后，测序公司都会给你可以直接用于下游分析的count数据和FPKM数据，就可以直接用R来分析。下游分析需要了解一些基础常见的，比如差异表达，GO富集，GSEA，WGCNA，免疫评估等。

8.进阶

其实，按照上面的流程学习，对于只是用做辅助的同学来说，已经很可以了。这个时候的你需要转变思维方式，不要简单的按常规分析思路，可以不同组合。另外，需要阅读高分文献，看看别人的分析思路，解决什么生物学问题，学会举一反三。需要不断强化自己的编程能力。比如下面的R书籍需要拜读。

对于要开发R包的，就要拜读下面书籍了。比较贵，原来我买的时候没有这么贵的。网上应该有电子版的。如果纯粹的写一个R包，我自己认为是没有太大意义的，最好的方式就是有新东西，顺便写了个R包，再厉害一点，再搭建在线分析平台，那就完美了，例如TIMER2这类似的平台。

对于其他的书籍可以参考之前的文章：这才是生信入门的书籍清单。

要继续往高端路线走，那就是熟悉各种机器学习算法，背后的数学原理要搞清楚了，这就靠自己修行了，当然，有些实验室本身就是做机器学习，这和前面的也不冲突，只是注重的方向不一样了。我也在努力储备中。

以上是我的个人观点，不一定适合所有人，欢迎留言讨论。