跳转至

🌱 生物信息学 · 学习笔记

生物信息云

从 Linux、R、Python 到转录组、单细胞与机器学习,这里整理了一条可以按图索骥的生信学习路线,以及公众号文章的全部索引。

  • R
  • Python
  • Linux
  • 转录组
  • 单细胞
  • 机器学习
  • 数据可视化

为什么用本站

  • 系统路线

    从入门到进阶按阶段梳理,按图索骥不迷路。

  • 实战代码

    ggplot2、DESeq2、TCGA 挖掘等可直接复制的代码。

  • 资源整合

    公众号、B 站、数据库与工具一站索引。

  • 自研工具

    MedBioInfoCloud R 包随取随用,覆盖基础到挖掘。

内容导航

  • 生信编程


    Linux、Git、Markdown、R 与 Python 的入门与进阶。

    进入

  • 生信基础


    测序原理、文件格式、表达定量与富集分析。

    进入

  • 数据可视化


    ggplot2 绘图思想与常见图形的实战代码。

    进入

  • 机器学习


    从 kNN 算法开始,逐步补齐理论与代码实践。

    进入

  • 文献解读


    RNA-seq、免疫治疗与人工智能相关综述笔记。

    进入

  • 数据库工具


    在线数据库与生信软件的速查手册。

    进入

  • 单细胞资源


    单细胞相关数据库、工具与分析流程汇总。

    进入

  • MedBioInfoCloud


    自研 R 包:从安装、基础函数到 TCGA 数据挖掘。

    进入

入门学习路线

第一步 · R 语言基础 2~3 周

熟悉 R 的语法、数据结构与常用函数,先把「能读懂、能改写」作为目标。

第二步 · 绘图思想 3~5 天

快速了解 ggplot2 的图层语法,不需要精通,够用即可。

第三步 · 数据分析基础 1~2 周

学会读入数据、整理数据、做基础统计与差异分析。

第四步 · 转录组与 TCGA 持续深入

理解测序原理与文件格式,再从 counts / FPKM / TPM 出发做差异表达与富集分析。

使用小贴士

如何高效使用本站

  • PC 端:在上方标签栏选择主题,在左侧目录选择文章。
  • 移动端:点击左上角图标选择主题和文章。
  • 搜索:按 / 或点击右上角搜索框,输入关键词直接定位文章。
  • 主题切换:点击顶栏右侧图标,可在浅色 / 深色之间切换。

延伸阅读

转录组测序原理与上游分析流程

了解转录组测序的基本原理,其中涉及的一些文件格式主要在上游分析中用到,知道即可。关于各种测序原理,可以在 B 站或微信搜索「陈巍学基因」,不需要掌握所有,普通转录组(bulk RNA-seq)先掌握,其他的结合自己需要了解,原理上很多是相通的。后面再了解单细胞测序技术和空间转录组技术。

上游分析流程(基于 Linux):

TCGA 数据库与表达量转换

普通分析一般从 counts / FPKM / TPM 开始。对于癌症方向,TCGA 是最好的数据资源。

GEO 芯片数据挖掘

GEO 数据比较复杂,芯片平台与公司不同都会有区别。

富集分析与下游分析

关注「生物信息云」

公众号持续更新生信教程与实战笔记,欢迎在 B 站、公众号一起交流。

B 站   微信公众号   文章索引