转行生物信息怎么学

① 如何系统的学习生物信息学

生物信息学，是一门综合学科。涉及到数学，生物学和计算机的内容。但在我看来，计算机的基础需要，但要求不是很高，关键是要有很好的生物学知识，包括遗传学的、生物化学的、发育生物学的、分子生物学的、植物生理学的知识等等，也就说需要达到这样的一个要求：在进行数据分析时，能对各种分析结果进行生物学的评价，并给出最优的分析策略。同时也应该有纯熟的数理基础，包括统计学的、拓扑学的，这样才能把待分析的问题转换成可计算的模型，最后能给出实现的程序。
从个人来说，因为生物信息学是一个非常大的领域，所以，关键是要确定自己的研究方向。比如，以关联分析为方向的生物信息学，那么就要掌握好各种关联分析的统计分析方法，有很强的数据管理能力，足够好的序列分析能力（这是进行variation查找和分析的基础）。
回到6年以前，如果决定在生物信息学上发展，那么我也许会做下面这些事情：
首先，从最不重要的计算机这个方面来说：
（1）要掌握好bash等脚本语言，一般的linux问题都能很好的解决
（2）熟练使用apache，mysql等基础软件工具，用joomla等CMS配置搭建网站
（3）应该努力精通perl，bioperl，以基于此的各种分析工具，比如gbrowser，cmap等
（4）足够好的c/c++语言能力，这是实现新算法的最高效语言。
（5）应该努力精通R语言，这是进行统计分析的基础工具
（6）如果有机会，学学erlang这样一些函数式语言吧
其次，从数学基础来说，我觉得应该：
（1）学好线性代数
（2）学好高等数学，或者数学分析
（3）学好统计学
（4）学好离散数学
（5）学好计算机算法和数据结构
其次，从生物学来说：
（1）如果没有进化论的基层，请把进化论学好
（2）学好发育生物学，植物生理学
（3）学好基因组学、遗传学等
千万不要认为这些没有什么用，当你在数据分析，怎么判断结果的合理性，或者对结果进行解释时候，都离不开这些生物学问题。最后，你对这些问题的理解成度，决定了你的生物信息学水平：只是一个有生物学知识的、会进行计算机操作的技术员，还是一个能给出解决方案的有良好计算机基础的能把握生物学问题的生物信息学家。
最后，从生物信息学的角度来说：
（1）对NCBI等各大数据库非常熟悉
（2）对各种生物学信息学的分析方法和策略非常的清楚，至少应该知道有那些工具软件，以及这些工具软件的原理和基于的生物学基础，包括：基因组学分析，表达谱分析，代谢组分析、调控网络分析、数据结果的整合展示等
最后，生物信息学是一个发展很快的学科，但因起涉及的内容比较多，因此，要想到底一定的要求，是需要付出巨大的努力的。此外，在进行生物信息学学习的过程中，对自己感兴趣的方法工具，一定要把文献上的数据拿来，自己独立分析一遍，自己去体会分析的过程，从而对这些方法和工具有更深入的理解。

② 生物信息学专业学什么

生物信息学专业学什么？

快车教育，某名企人力资源总监曾先生表示，生物信息学（Bioinformatics）是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量生物数据所包含的生物学意义。它随1990年人类基因组计划（HGP）的实施和信息技术的发展而诞生，现已迅速发展成为当今生命科学具吸引力和重大的前沿领域，为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。

那么生物信息学专业好不好？下面让快车教育我为各位看官总结一下生物信息学专业的主要课程、专业知识以及专业技能的情况吧！

一、生物信息学专业主要课程：

普通生物学、生物化学、分子生物学、遗传学、生物信息学、计算生物学、基因组学、生物芯片原理与技术、蛋白质组学、模式识别与预测、数据库系统原理、Linux基础及应用、生物软件及数据库、Perl编差孙程基础等。

二、生物信息学专业知识与技能：

1．掌握普通生物学、生物化学、分子生物学、遗传学等基本知识和实验技能；

2．掌握计算机科学与技术基本知识和编程技能(包括计算机应用基础、Linux基础及应用、数据库系统原理、模式识别与预测、生物软件及数据库、Perl编程基础等)，具备较强的数学和统计学素养(高等数学I、II、生物统计学等)；

3．掌握生物信息学、基因组学、计算生物学、蛋白质组学、生物芯片原理与技术的基本理论和方法，初步具备综合运用分子生物学、计算机科学与技术、数学、统计学等知识和技能，解决生物信息学基本问题的能力；

4．李庆袭掌握生哪兄物信息学资料的查询、文献检索及运用现代信息技术获得相关信息的基本方法，具有一定的实验设计、结果分析、撰写论文、参与学术交流的能力；

5．熟悉国家生物信息产业政策、知识产权及生物安全条例等有关政策和法规；

6．了解生物信息学的理论前沿、应用前景和新发展动态；

7．具有较好的科学人文素养和较强的英语应用能力，具备较强的自学能力、创新能力和独立解决问题的能力；

8．具有良好的思想道德素质和文化素养，身心健康；

9．具有较好的科学素质、竞争意识、创新意识和合作精神。

以上是关于大学本科专业生物信息学专业学什么的分析情况，更多高考专业生物信息学专业分析资讯敬请关注快车教育职业规划频道。

③ 生物信息学需要哪些具体科目，能否给出本科的学习准备建议

目前的生物信息学我认为有两个大的方向，一个是与实验紧密结合的生物信息学，依靠实验数据出成果，第二个是与数学紧密结合的生物信息学，依靠算法和编程出成果。

我是第一种，以微生物为主，所以我只能就我自己来看。读到现在我觉得，对我用处最大的几门是生物化学、分子生物学、细胞生物学、微生物学以及专讲生物信息学的一些专业书籍。

本科期间除了打好语言基础（的确很重要，否则将来走起来很困难，这里边的语言包括英语以及一门编程语言，任意的都可以，主要是建立编程思想）之外，最好对本领域的前沿研究成果有一定的了解，甚至可以形成一些小的文章练练手。

算法那一方向我不太懂，也不敢乱说，希望以上的能帮到你。

④ 如何自学生物信息学

一、计算机基础，需要看三本书，一步步的学会学通，不需要刻意去找哪个书，一般linux是鸟哥私房菜，perl是小骆驼咯，R是R in action，但是看一本书只能入门，真正想成为菜鸟，必须每个要看五本书以上！我云盘里面有这基本上的高清打印版，大家可以去淘宝打印一下才几十块钱还包邮，对书比较讲究的也可以买正版，也不过是一百多块钱而已！

二、生信基础知识，测序方面，在网络文库找十几篇一代二代三代测序仪资料仔细研读，然后去优酷下载各大主流测序仪的动画讲解，再看看陈巍学基因的讲解；数据库先看看三大主流数据库——NCBI,ENSEMBL,UCSC，还有一些也可以了解一些（uniprot,IMGT,KEGG，OMIN，TIGR，GO）同样也是网络文库自己搜索资料，但是这次需要自己去官网一个个页面点击看，一个个翻译成中文理解吃透；数据格式讲起了就多了，这个主要是在项目流程中慢慢学，或者你有机会去上课，不然你看来也是立马忘记的，主要有sam,vcf,fasta,fastq,bed,gtf,gff,genbank,ensembl,psl等。

三、生信研究领域，各个领域主要是软件繁多，合起来常用的估计有上百个软件了，一般只有从业五六年以上的人才有可能把它们全部用过一遍，而且这也完全需要项目来训练，而不能仅仅是看看软件手册，但是研究领域最重要的是背后的原理，需要看各大牛的综述。

a) 生信基础软件(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)。

b) snp-calling相关软件（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）。

c) 基因组相关软件（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）。

d) 转录组相关软件（trinity，tophat，cufflinks，RseQC，RNAseq，GOseq，MISO，RSEM，khmer，screed，trimmomatic，transDecoder，vast-tools，picard-tools，htseq，cuffdiff，edgeR，DEseq，funnet，davidgo，wego，kobas，KEGG，Amigo，go）。

四、生信应用领域，讲这一块其实已经脱离了生信菜鸟的解释范围了，主要是想说社会上为什么需要搞生信的人才，全是因为在肿瘤筛查，产前诊断，流行病学，个性化医疗等领域有所应用，可以造福人类！这方面政策不确定，产业不定型，所以也这绝对是蓝海，但是也绝对不会有现成的资料直接培训人才，我们必须关注各种微信公众号，逛各种测序，医学相关论坛，紧跟业界精英的脚本，同时追着大牛的文献阅读，如此这般才能保住菜鸟的身份！

⑤ 如何学好生物信息学

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。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。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, 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，需要统计分析和显着检验；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C/C++/java，或许需要研究下比如BWT、De Bruijn Graph背后的原理。