咨询:13529513104

从头开始学,好像快点处理数据,很多时候都不知道目的是什么

先说一下自己吧,我硕士读的是细胞生物学,今年4月开始在boss要求下自学perl,打听了下,<learning perl>这本书不错,就买来开始看,等5月份去北京参加公司的培训班时,<learning perl>读了一遍,<intermediate perl>看了一部分。培训回来,我们的项目就开始做了,9月拿到所有原始数据和分析结果。然后,我对照着公司的分析报告,试着自己走一边分析流程,中间遇到问题,自己解决不了的,就发邮件求助。有几点需要注意:

1. 我能理解你想早些玩儿数据的愿望,但是在这之前,最好要有一个outline.需要知道数据从哪儿来的,怎么产生的?其实就是测序仪的工作原理。然后是数据质量检验,为什么需要数据过滤?接着是reads拼接和组装。总之,要对整个流程有一个认识,而后在学习的过程中,再不断回头对比这个流程,这样才不会有迷失的感觉。[这本书](Bioinformatics for High Throughput Sequencing)推荐看一下。
2. 有了基础知识的铺垫,就可以尝试着自己做些练习了,paper上面都会给出他们的数据、原码地址,可以找来自己试试,先看看自己能不能做出一样的效果。当然,这时要是你手里正好有项目,那就更好了。
3. 学生物信息,paper肯定是要跟踪的。这两个网站可以经常看一下:
      [homologous](Homologus - Frontier in Bioinformatics) 覆盖生物信息有趣的论文, 算法,以及生物科学问题。这个网站还汇集了很多生物信息领域科学家的博客。再如BGI的主程罗瑞邦, SAMtools、BWA的作者Heng Li都有在这里出现。
      [RNA-Seq Blog](RNA-Seq Blog) 推荐新的论文、工作、培训课程、大型会议等。

如果你是生物背景的,那么计算机方面的知识需要补一下:

- 需要能在linux环境下舒服的工作。比如从源码编译安装软件、PATH配置,再比如舒服地使用google找到问题的答案 :-)
- 学会使用python/perl。比如有的时候运行一个软件老是报错,可能就是因为在一个包含几十万行的文本文件里,有随机的那么几千行的末个位置,多一个冒号,[就像这里](using HTSeq | popucui), 这时候你知道需要怎么做了?
- 学会R。要从一大堆基因里面找出表达水平变化的基因来,需要统计分析和显著检验;而要把我们的数据更直观地展示出来,最好的方式就是图形了吧。这两个需要,R都能满足。当然matlab也是可以的,区别在于R是开源工具。
- 具备了上述技能,那么常用的软件就能用起来了。随着学习的深入,可能你的问题别人也没遇到过,这时候就需要自己动手,要么修改现成的工具,要么自己做一个出来。这时候,除了python/perl,或许还可以学学C/C++/java,或许需要研究下比如BWT、De Bruijn Graph背后的原理。

【责任编辑:(Top) 返回页面顶端