计算系统生物学¶
课程代码：待补充
学分：待补充
学期：大四上学期
📖 课程简介¶
计算系统生物学是生物信息学专业的核心课程，主要学习使用计算方法分析生物数据。本课程涵盖了网络生物学、基因表达分析、聚类算法等多个重要主题。
课程目标¶
- 🎯 掌握生物网络分析的基本方法
- 🎯 学会使用 R 语言进行数据分析
- 🎯 理解常用网络算法的原理
- 🎯 培养独立分析生物数据的能力
🧪 实验列表¶
实验一：蛋白质相互作用网络分析（PPI）¶
主要内容：
- 蛋白质相互作用网络的构建
- 网络拓扑性质分析
- 中心性指标计算
- 网络可视化
技术栈：R, igraph
代码位置：Grade4/computational_biology/experiments/Exp1/
实验二：加权基因共表达网络分析（WGCNA）¶
主要内容：
- 基因表达数据预处理
- 共表达网络构建
- 模块识别和特征基因提取
- 模块与表型关联分析
技术栈：R, WGCNA
代码位置：Grade4/computational_biology/experiments/Exp2/
实验三：网络聚类与随机游走¶
主要内容：
- MCL (Markov Cluster Algorithm) 聚类分析
- RWR (Random Walk with Restart) 算法
- KEGG 通路富集分析
- 应用案例：克罗恩病相关基因分析
技术栈：R, clusterProfiler
代码位置：Grade4/computational_biology/experiments/Exp3/
实验四：qPCR 数据分析¶
主要内容：
- qPCR 原理和数据格式
- Ct 值处理和标准化
- 相对表达量计算（ΔΔCt 方法）
- 统计检验和可视化
技术栈：R, ggplot2
代码位置：Grade4/computational_biology/experiments/Exp4/
� 考试资料¶
💡 考试重点与经验分享¶
准备考试？这里有学长学姐整理的考试资料：
- ✅ 课程核心知识点总结
- ✅ 考试题型分析与经验
- ✅ 复习建议和重点标注
- ✅ PDF 资料下载
�📚 学习资源¶
推荐阅读¶
- 网络生物学
-
Barabási, A. L., & Oltvai, Z. N. (2004). Network biology: understanding the cell's functional organization. Nature Reviews Genetics, 5(2), 101-113.
-
WGCNA
-
Langfelder, P., & Horvath, S. (2008). WGCNA: an R package for weighted correlation network analysis. BMC Bioinformatics, 9(1), 559.
-
网络聚类
- Van Dongen, S. (2000). Graph clustering by flow simulation. PhD thesis, University of Utrecht.
在线教程¶
💻 环境配置¶
R 环境¶
推荐使用 R >= 4.0.0
必需的 R 包¶
# 基础包
install.packages(c("tidyverse", "ggplot2", "dplyr"))
# 生物信息学包
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(c(
"WGCNA",
"igraph",
"clusterProfiler",
"org.Hs.eg.db"
))
RStudio¶
推荐使用 RStudio 作为开发环境，可以更方便地编写和运行 R Markdown 文件。
📊 数据来源¶
常用数据库¶
| 数据库 | 用途 | 网址 |
|---|---|---|
| STRING | 蛋白质相互作用 | https://string-db.org/ |
| GEO | 基因表达数据 | https://www.ncbi.nlm.nih.gov/geo/ |
| KEGG | 代谢通路 | https://www.kegg.jp/ |
| UniProt | 蛋白质信息 | https://www.uniprot.org/ |
📝 实验报告要求¶
报告结构¶
- 实验目的：简要说明实验要解决的问题
- 实验原理：介绍相关算法和方法
- 实验步骤：详细记录分析流程
- 结果分析：展示结果并进行解读
- 讨论：总结实验收获和思考
代码规范¶
- ✅ 代码清晰易读，有适当的注释
- ✅ 使用有意义的变量名
- ✅ 结果可重现
- ✅ 图表美观，标注清晰
报告撰写建议
- 使用 R Markdown 编写报告
- 代码和文字结合，便于理解
- 注意图表的标题和坐标轴标签
- 对结果进行充分的生物学解释
🎯 考核方式¶
- 📝 平时作业：20%
- 🧪 实验报告：40%
- 📄 期末考试：40%
期末考试形式¶
通常包括：
- 理论知识（算法原理、概念解释）
- 代码阅读和填空
- 简单的数据分析题
❓ 常见问题¶
Q: R 包安装失败怎么办？¶
A: 尝试以下方法：
# 1. 更换 CRAN 镜像
options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
# 2. 使用 Bioconductor 镜像
options(BioC_mirror = "https://mirrors.tuna.tsinghua.edu.cn/bioconductor")
# 3. 更新 R 和 RStudio 到最新版本
Q: 代码运行出错怎么办？¶
A: 1. 检查数据文件路径是否正确 2. 确认所有必需的包都已安装 3. 查看错误信息，搜索解决方案 4. 在 Discussions 中提问
Q: 如何获取实验数据？¶
A: 实验数据通常包含在代码文件夹中，或从指定的数据库下载。
📮 联系方式¶
- 💬 Discussions
- 🐛 Issues
- 📧 Email: hinna01@163.com