<aside> 🍍 生物信息学基本任务：系统架构，机械性操作，降低运算维度，构建数学模型

Michael Q. Zhang：当一个生物信息学专业的 学生收到原始数据时，首要任务不是深入分析数据， 而是要知道 数据是如何产生的，以及可能发生错误的主要根源；检查数据的质量和数量是否足够使用，并立即反馈此类

</aside>

组学（OMICS）研究方向

生信分析：挑、圈、联、靠

• **挑：高通量数据 - - -差异表达分子- - →差异表达矩阵（**差异分析**）**
• 圈：据特点分类（表型功能/明星信号通路）- - 种群特性（分类）
• 联：在差异分子内部，根据已知/预测的调控 - - → 建立交互作用的网络
• 靠：将分子表达差异与疾病的临床特征做相关性分析- - →临床意义

生信工程师入门最佳指南

• 必学Linux：(去可视化概念+练习)了解命令+参数+文件的模
• **必须熟练掌握R语言：**统计&绘图；GEO、SRA、差异分析、GSEA等
• **其它编程了解一下即可：**Python or perl? 生信编程200题
• **接着是组学实战：**转录组、WES/WGS、ChIP-seq、ATAC-seq
• **工程师进阶：**肿瘤外显子，单细胞转录组，三维基因组

---

• [ ] 编程语言学习：菜鸟教程 - 学的不仅是技术，更是梦想！ (runoob.com)
• [ ] 单细胞数据分析代码，腾讯微云里面：https://share.weiyun.com/R4F8i9Hu
• [ ] 转录组大模型 Geneformer（2023）

<aside> 🍍 Study ref：

• [ ] Tutorial (基础知识）

• GitHub：综合学习链接

• 单细胞最佳实践：https://www.sc-best-practices.org/preamble.html

  BOOK: Analysis of single cell RNA-seq data

  **http://biomamba.com:34080/download/scFAST学习手册.html**

• https://rockefelleruniversity.github.io/ </aside>

**致谢：**
We thank Dr.Jianming Zeng(University of Macau, [email protected]), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.
****Since Biomamba and his wechat public account team produce bioinformatics tutorials and share code with annotation, we thank Biomamba for their guidance in bioinformatics and data analysis for the current study

GOOD Habits matter

结尾的符号 和 开头对齐；一级标题 上下两行；二级标题 上下一行；三级标题 不跨行；“=” 间隔要空格 (函数内除外)；注意缩进

<aside> 💠 Class

Class

</aside>

<aside> 💠 Improvement

(http://www.biotrainee.com/thread-1376-1-1.html)

https://mp.weixin.qq.com/s/hDNotYHj4MgNU9axZmRjAw

5周年巡讲内容大纲在：https://github.com/jmzeng1314/5years 最后给大家布置了一点点作业，配合视频学习最佳：http://www.bio-info-trainee.com/4114.html

• [ ] https://www.mubucm.com/doc/2RgtkfD33Eq

  

  • 书单: R数据科学, R语言之书-编程与统计(前两章), R语言:从数据思维到数据实战

python

https://www.youtube.com/watch?v=mJKbnJO5gZk 比如这种

推荐一个巨6的化学信息学博主（需要爱国上网 https://iwatobipen.wordpress.com/author/iwatobipen/

</aside>