如何自學生物資訊學
來源：知乎—如何自學生物資訊學
在生物資訊的坑裡面呆了好幾年，發現生物資訊的定義越來越模糊了，就像我剛入行的時候一個師兄對我說的那樣，中關村賣電腦的如果賣給學生物的了，就說自己是做生物資訊的。
同樣，我現在在寫一些軟體，設計一些算法，也說自己是做生物資訊的。
資訊系一些做體系結構和GPU編程的也會做一些生物資訊的硬件加速算法，他們也說自己是做生物資訊的，畢竟文章都發到了Bioinformatics雜誌上了。
如果你想學生物資訊中的算法設計，那恭喜你，加州大學聖地牙哥分校的一系列課程正合你的胃口，Coursera - Free Online Courses From Top Universities 。這些算法包括字符串算法，圖論算法，隨機化算法等等。
你的提問中發現你想學習如何處理數據。
這也是生物資訊的另一個教派，整合已經發表的軟體處理數據，也說自己是做生物資訊的，我想你可能想點這個技能點。有點複雜，因為生物有太多研究方向了，做基因的，做蛋白的，做進化的，做結構的，做發育的。每個分支又發表了很多軟體，而且很多不好用，好用的有些又過時了，沒過時的準確率也不見得有多高。
如果你能給我一個你的研究方向，我可以給你介紹一些很好用的軟體。
用軟體有幾個挺麻煩的問題，有些軟體安裝很麻煩，依賴程序庫很多，這個東西說實在的如果你沒有編譯背景有時候碰到了很難搞定，簡單的辦法就是直接給作者發郵件，一般作者想讓自己軟件的引用率高，所以發郵件都是秒回，如果作者博士畢業了，忽略此條。所以新的軟體，作者必回郵件。
用軟體另一個問題就是參數怎麼設置，這個其實挺麻煩的，因為有時候你要理解背後的算法，可是這個對於學生物的同學來說太難了，這個其實是軟體用戶體驗不好，軟體作者閉門造車。Bioinformatics上還有很多文章說參數怎麼選的，比如基因組拼接的時候，kmer的選取。
軟體使用講完了，有些格式轉化，pipeline的，可能一個軟體做不了，就要你寫點腳本來完成這些事情，如果你只是想完成這點東西，那麼學python就足夠了，一個簡明的python教程就是dive into python。網上免費。
先寫這麼多，有時間了再補充和整理。
————————————————————————————
加一個彩蛋，昨晚party和一個學數學的人聊天：
大神：做什麼方向啊？
---- 生物計算
大神：用偏微分方程模擬嗎？
---- 不是啊，就用基礎算法，加一點machine learning
大神： 你這不就是生物資訊嘛，怎麼能說自己做生物計算的
然後大神一臉鄙夷地憤然走開，留我愕然在原地
————————————————————————————
先說一下自己吧，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。[這本書](Bioinformatics for High Throughput Sequencing)推薦看一下。
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. 學生物資訊，paper肯定是要跟蹤的。這兩個網站可以經常看一下：
[homologous](Homologus - Frontier in Bioinformatics) 覆蓋生物信息有趣的論文， 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都有在這裡出現。
[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件、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件老是報錯，可能就是因為在一個包含幾十萬行的文本文件裡，有隨機的那麼幾千行的末個位置，多一個冒號，[就像這裡](using HTSeq | popucui), 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，那麼常用的軟件就能用起來了。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，或許還可以學學C/C++/java，或許需要研究下比如BWT、De Bruijn Graph背后的原理。
————————————————————————————
現在有諸多的網絡課程，所以你可以自學的。
PLOS Computational Biology: An Online Bioinformatics Curriculum
這個鏈接很全，很實用
————————————————————————————
必學：1、計算機基礎（linux+perl+R 或者 python+matlab）
2、生物資訊基礎知識（測序+數據庫+數據格式）
3、生物資訊研究領域（全基因組，全轉錄組，全外顯子組，捕獲目標區域測序）
4、生物資訊應用領域（腫瘤篩查，產前診斷，流行病學，個性化醫療）
分而治之：
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！我云盤裡面有這基本上的高清打印版，大家可以去淘寶打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、生物資訊基礎知識，測序方面，在百度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；數據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）同樣也是百度文庫自己搜索資料，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；資料格式講起了就多了，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等等
三、生物資訊研究領域，各個領域主要是軟體繁多，合起來常用的估計有上百個軟件了，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) 生物資訊基礎軟件(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)
b) snp-calling相關軟件（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）
c) 基因組相關軟件（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）
d) 轉錄組相關軟件（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、生物資訊應用領域，講這一塊其實已經脫離了生物資訊菜鳥的解釋範圍了，主要是想說社會上為什麼需要搞生物資訊的人才，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！
————————————————————————————
生物資訊學有兩方面意義：
基於生物問題導向的和基於設計算法解決某類抽像過的生物問題的。
基於生物問題導向，主要還以訓練對生物問題的理解為主，同時了解些簡單的編程，如R, python,了解那些算法可以處理你當前的問題。
另一個方向是基於算法設計的，需要把一些抽像過的生物問題解決的更好，比如eqtl，gwas，sequence alignment 等等，這些需要比較過硬的數學和算法基礎。
————————————————————————————
從工科轉到生物信息學來，講一下自己的經歷。
首先得了解生物資訊學做什麼。推薦一本入門的書：《探索基因組學、蛋白質組學和生物資訊學》，這本書基本上把現在用到的生物資訊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。
如樓上講的一樣，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。
因為你是生物學出身，所以能夠理解工具背後的含義。對於像我一樣從工科轉到生物信息方向的，需要好好了解生物學的意義。有助於更好的完成工作。
國內的相關論壇確實不多，相應的幫助可以去查看工具和數據庫的文獻。試試用英文解決問題~
在生物資訊的坑裡面呆了好幾年，發現生物資訊的定義越來越模糊了，就像我剛入行的時候一個師兄對我說的那樣，中關村賣電腦的如果賣給學生物的了，就說自己是做生物資訊的。
同樣，我現在在寫一些軟體，設計一些算法，也說自己是做生物資訊的。
資訊系一些做體系結構和GPU編程的也會做一些生物資訊的硬件加速算法，他們也說自己是做生物資訊的，畢竟文章都發到了Bioinformatics雜誌上了。
如果你想學生物資訊中的算法設計，那恭喜你，加州大學聖地牙哥分校的一系列課程正合你的胃口，Coursera - Free Online Courses From Top Universities 。這些算法包括字符串算法，圖論算法，隨機化算法等等。
你的提問中發現你想學習如何處理數據。
這也是生物資訊的另一個教派，整合已經發表的軟體處理數據，也說自己是做生物資訊的，我想你可能想點這個技能點。有點複雜，因為生物有太多研究方向了，做基因的，做蛋白的，做進化的，做結構的，做發育的。每個分支又發表了很多軟體，而且很多不好用，好用的有些又過時了，沒過時的準確率也不見得有多高。
如果你能給我一個你的研究方向，我可以給你介紹一些很好用的軟體。
用軟體有幾個挺麻煩的問題，有些軟體安裝很麻煩，依賴程序庫很多，這個東西說實在的如果你沒有編譯背景有時候碰到了很難搞定，簡單的辦法就是直接給作者發郵件，一般作者想讓自己軟件的引用率高，所以發郵件都是秒回，如果作者博士畢業了，忽略此條。所以新的軟體，作者必回郵件。
用軟體另一個問題就是參數怎麼設置，這個其實挺麻煩的，因為有時候你要理解背後的算法，可是這個對於學生物的同學來說太難了，這個其實是軟體用戶體驗不好，軟體作者閉門造車。Bioinformatics上還有很多文章說參數怎麼選的，比如基因組拼接的時候，kmer的選取。
軟體使用講完了，有些格式轉化，pipeline的，可能一個軟體做不了，就要你寫點腳本來完成這些事情，如果你只是想完成這點東西，那麼學python就足夠了，一個簡明的python教程就是dive into python。網上免費。
先寫這麼多，有時間了再補充和整理。
————————————————————————————
加一個彩蛋，昨晚party和一個學數學的人聊天：
大神：做什麼方向啊？
---- 生物計算
大神：用偏微分方程模擬嗎？
---- 不是啊，就用基礎算法，加一點machine learning
大神： 你這不就是生物資訊嘛，怎麼能說自己做生物計算的
然後大神一臉鄙夷地憤然走開，留我愕然在原地
————————————————————————————
先說一下自己吧，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。[這本書](Bioinformatics for High Throughput Sequencing)推薦看一下。
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. 學生物資訊，paper肯定是要跟蹤的。這兩個網站可以經常看一下：
[homologous](Homologus - Frontier in Bioinformatics) 覆蓋生物信息有趣的論文， 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都有在這裡出現。
[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件、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件老是報錯，可能就是因為在一個包含幾十萬行的文本文件裡，有隨機的那麼幾千行的末個位置，多一個冒號，[就像這裡](using HTSeq | popucui), 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，那麼常用的軟件就能用起來了。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，或許還可以學學C/C++/java，或許需要研究下比如BWT、De Bruijn Graph背后的原理。
————————————————————————————
現在有諸多的網絡課程，所以你可以自學的。
PLOS Computational Biology: An Online Bioinformatics Curriculum
這個鏈接很全，很實用
————————————————————————————
必學：1、計算機基礎（linux+perl+R 或者 python+matlab）
2、生物資訊基礎知識（測序+數據庫+數據格式）
3、生物資訊研究領域（全基因組，全轉錄組，全外顯子組，捕獲目標區域測序）
4、生物資訊應用領域（腫瘤篩查，產前診斷，流行病學，個性化醫療）
分而治之：
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！我云盤裡面有這基本上的高清打印版，大家可以去淘寶打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、生物資訊基礎知識，測序方面，在百度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；數據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）同樣也是百度文庫自己搜索資料，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；資料格式講起了就多了，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等等
三、生物資訊研究領域，各個領域主要是軟體繁多，合起來常用的估計有上百個軟件了，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) 生物資訊基礎軟件(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)
b) snp-calling相關軟件（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）
c) 基因組相關軟件（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）
d) 轉錄組相關軟件（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、生物資訊應用領域，講這一塊其實已經脫離了生物資訊菜鳥的解釋範圍了，主要是想說社會上為什麼需要搞生物資訊的人才，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！
————————————————————————————
生物資訊學有兩方面意義：
基於生物問題導向的和基於設計算法解決某類抽像過的生物問題的。
基於生物問題導向，主要還以訓練對生物問題的理解為主，同時了解些簡單的編程，如R, python,了解那些算法可以處理你當前的問題。
另一個方向是基於算法設計的，需要把一些抽像過的生物問題解決的更好，比如eqtl，gwas，sequence alignment 等等，這些需要比較過硬的數學和算法基礎。
————————————————————————————
從工科轉到生物信息學來，講一下自己的經歷。
首先得了解生物資訊學做什麼。推薦一本入門的書：《探索基因組學、蛋白質組學和生物資訊學》，這本書基本上把現在用到的生物資訊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。
如樓上講的一樣，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。
因為你是生物學出身，所以能夠理解工具背後的含義。對於像我一樣從工科轉到生物信息方向的，需要好好了解生物學的意義。有助於更好的完成工作。
國內的相關論壇確實不多，相應的幫助可以去查看工具和數據庫的文獻。試試用英文解決問題~
留言
張貼留言