生物信息学学习路线

本页面提供从零基础到进阶的生物信息学学习路径建议，帮助同学们系统规划学习进度。

阶段一：基础入门

编程基础

Python 编程

  • 基础语法：变量、数据类型、控制流、函数
  • 数据结构：列表、字典、集合、元组
  • 文件操作与异常处理
  • 常用库：NumPy、Pandas、Matplotlib
  • 推荐资源：

R 语言编程

  • 基础语法与数据结构
  • 数据处理：dplyr、tidyr
  • 数据可视化：ggplot2
  • 统计分析基础
  • 推荐资源：

生物学基础

  • 分子生物学中心法则
  • 基因组结构与功能
  • 转录与翻译机制
  • 表观遗传学基础
  • 推荐资源：

统计学基础

  • 描述性统计
  • 概率分布（正态分布、泊松分布等）
  • 假设检验与 p 值
  • 多重检验校正（FDR, Bonferroni）
  • 线性回归与相关分析
  • 推荐资源：

阶段二：生信核心技能

测序技术基础

二代测序（NGS）

  • Illumina 测序原理
  • FASTQ 文件格式
  • 质量控制（FastQC）
  • 序列比对（BWA、STAR、HISAT2）

三代测序

  • PacBio 与 Oxford Nanopore 技术
  • 长读长数据分析
  • 基因组组装

测序应用

  • DNA-seq：全基因组测序、外显子组测序
  • RNA-seq：转录组测序
  • ChIP-seq：染色质免疫沉淀测序
  • ATAC-seq：染色质可及性测序

基因组学分析

  • 参考基因组与注释文件
  • 变异检测（SNP、InDel、CNV、SV）
  • 变异注释与功能预测
  • 群体遗传学分析
  • 推荐工具：
    • 比对：BWA、Bowtie2
    • 变异检测：GATK、SAMtools、FreeBayes
    • 注释：ANNOVAR、SnpEff

转录组学分析

Bulk RNA-seq 分析流程

  • 数据预处理与质控
  • 基因表达定量（featureCounts、Salmon、Kallisto）
  • 差异表达分析（DESeq2、edgeR、limma）
  • 功能富集分析（GO、KEGG、GSEA）

单细胞 RNA-seq 分析

  • 数据预处理与质控
  • 降维与聚类（PCA、t-SNE、UMAP）
  • 细胞类型注释
  • 拟时序分析
  • 细胞通讯分析
  • 推荐工具：Seurat、Scanpy、Monocle3

空间转录组分析

  • 空间数据可视化
  • 空间变异基因识别
  • 空间域划分
  • 配体-受体互作分析
  • 推荐工具：Seurat、SpatialExperiment、Giotto

表观基因组学分析

  • ChIP-seq 分析：peak calling、差异 peak 分析
  • ATAC-seq 分析：开放染色质识别、motif 分析
  • DNA 甲基化分析：BS-seq、WGBS
  • 推荐工具：
    • MACS2、Homer、deepTools
    • 甲基化分析：Bismark、MethylKit

阶段三：进阶分析

机器学习与深度学习

机器学习基础

  • 监督学习：分类与回归
  • 无监督学习：聚类与降维
  • 特征工程与模型评估
  • 常用算法：决策树、随机森林、SVM、XGBoost

深度学习基础

  • 神经网络基础
  • 卷积神经网络（CNN）
  • 循环神经网络（RNN、LSTM）
  • Transformer 架构
  • 推荐资源：

网络生物学

  • 蛋白质相互作用网络（PPI）
  • 基因调控网络（GRN）
  • 加权基因共表达网络分析（WGCNA）
  • 网络拓扑分析与中心性指标
  • 社区检测算法（Louvain、MCL）
  • 随机游走算法（Random Walk with Restart）
  • 推荐资源：

多组学整合分析

  • 多组学数据整合策略
  • 关联分析与因果推断
  • 多组学网络构建
  • 推荐工具：
    • MOFA+、mixOmics
    • Multi-Omics Factor Analysis

阶段四：前沿技术

AI4Science（AI for Science）

Foundation Models for Biology

  • DNA 序列模型：DNABERT、Nucleotide Transformer、HyenaDNA
  • RNA 序列模型：RNA-FM、RNABert
  • 蛋白质序列模型：ESM-2、ProtGPT2、ProtT5
  • 蛋白质结构预测：AlphaFold2、AlphaFold3、ESMFold、RoseTTAFold
  • 多模态模型：整合序列、结构、功能信息
  • 推荐资源：

AI 驱动的药物设计（AIDD）

  • 虚拟筛选与分子对接
  • 分子生成模型
  • 药物-靶点相互作用预测
  • ADMET 性质预测
  • 推荐工具：
    • AutoDock Vina、Glide
    • DeepChem、Chemprop
    • 分子生成：MolGAN、GraphVAE

虚拟细胞（Virtual Cell）

结构生物学

  • 蛋白质结构预测（AlphaFold2/3）
  • 蛋白质-配体复合物预测
  • 分子动力学模拟（GROMACS、AMBER）
  • 冷冻电镜数据分析
  • 推荐资源：

单细胞多组学

  • scRNA-seq + scATAC-seq 联合分析
  • CITE-seq：蛋白质与转录组联合测量
  • 空间多组学技术（Visium、MERFISH、seqFISH）
  • 细胞命运决策与分化轨迹
  • 推荐工具：
    • ArchR、Signac、Seurat v5

长读长测序

  • PacBio HiFi 测序
  • Oxford Nanopore 测序
  • 全长转录本测序
  • 结构变异检测
  • 单倍型组装
  • 推荐工具：
    • minimap2、Flye、Canu
    • IsoSeq 全长转录本分析

阶段五：科研实践

选择研究方向

  • 疾病基因组学（癌症、遗传病）
  • 免疫组学（T 细胞受体、B 细胞受体）
  • 微生物组学（宏基因组、宏转录组）
  • 药物基因组学与精准医疗
  • 进化基因组学
  • 合成生物学与代谢工程

数据资源利用

公共数据库

  • GEO：基因表达综合数据库
  • TCGA：癌症基因组图谱
  • GTEx：基因型-组织表达
  • UK Biobank：大规模流行病学数据
  • CellxGene：单细胞数据
  • 参考：本站流行病学数据库

生物信息学工具与平台

  • UCSC Genome Browser
  • Ensembl
  • UniProt
  • STRING：蛋白质相互作用数据库
  • KEGG、Reactome：通路数据库

科研技能

文献阅读与写作

  • 如何高效阅读文献
  • 科研论文写作规范
  • 图表制作与数据可视化
  • 推荐工具：
    • Zotero、Mendeley 文献管理
    • Inkscape、Adobe Illustrator 科研绘图

可重复性研究

  • 版本控制（Git）
  • 环境管理（Conda、Docker）
  • 工作流管理（Snakemake、Nextflow）
  • Jupyter Notebook / R Markdown
  • 推荐资源：

高性能计算

  • Linux 基础与 Shell 脚本
  • 任务调度系统（SLURM、PBS）
  • 并行计算与 GPU 加速
  • 云计算平台使用（AWS、Google Cloud）

学习建议

时间规划

大一至大二

  • 打好编程基础（Python、R）
  • 学习生物学和统计学基础知识
  • 完成课程作业，熟悉基本工具

大二至大三

  • 深入学习转录组学、基因组学分析
  • 参与课题组或实验室项目
  • 开始阅读文献，了解研究前沿

大三至大四

  • 选择感兴趣的研究方向
  • 进行独立科研项目（毕业论文）
  • 学习前沿技术（AI4S、单细胞等）
  • 准备升学或就业

学习方法

理论与实践结合

  • 不要只看教程，要动手实践
  • 从简单数据集开始，逐步挑战复杂项目
  • 复现已发表的分析流程

利用在线资源

  • Coursera、edX、B站 等学习平台
  • GitHub 上的开源项目和教程
  • 生信技能树、生信菜鸟团 等中文社区

参与学术交流

  • 加入生信相关的学术社群
  • 参加学术会议和讲座
  • 与同学、导师讨论问题

建立知识体系

  • 做好笔记和代码管理
  • 整理常用脚本和分析模板
  • 定期回顾和总结所学内容

推荐书籍

生物信息学入门

  • 《生物信息学》（樊龙江）
  • 《Bioinformatics Data Skills》（Vince Buffalo）

编程与统计

  • 《Python 编程：从入门到实践》
  • 《R 语言实战》
  • 《统计学习方法》（李航）

高级主题

  • 《深度学习》（Ian Goodfellow）
  • 《Biological Sequence Analysis》（Durbin et al.）
  • 《Single Cell RNA-seq》（Orchestrating Single-Cell Analysis with Bioconductor）

相关链接

如果你对学习路线有任何疑问或建议，欢迎在 GitHub Discussions 中交流讨论！