机器学习hierarchical clustering_（建议收藏）生信学习资料整理

以下整理是我个人几年来学习bioinformatics发现的“宝藏”生信学习资料，如果你对生信抱有强烈的兴趣，建议你没事的时候多刷一刷这些网站，系统性地培养生信的学科思维。

生信作为一门日新月异的学科，技术及指导思想更迭迅速；交叉学科的性质又使得入门生信变得困难。不管你是去买课还是看中文教程，精进生信的必经之路肯定少不了去看原始英文文档；除此之外，有许多优秀的网站为生信知识的传播做足了功夫，其质量之精美远远超过大部分中文互联网上的教程，而且难度编排十分友好，适合入门或进阶。

再次感谢这些前辈们的开源精神。

本文一共分为三大类：Tutorial(基础知识），Project（实战项目），tools(代码、算法、工具讲解）

一、Tutorial

1. Galaxy Training:

Galaxy Training​training.galaxyproject.org

按照topic，分门别类存放如表观遗传学、转录组学等相关的生信分析基础知识

比如进入"transcriptomics"-"understanding barcodes"

单细胞组学分析的数据基础

2. 清华大学鲁志老师实验室学习资料：

Bioinformatics Tutorials​lulab.gitbook.io

鲁志老师是清华大学生命科学学院教授，我曾在夏令营和他交流过，为人和蔼，学术水平高，非常关心学生的发展。

鲁志：博士生导师，教育部“新世纪人才计划”获得者；（详情见清华大学生命科学学院官网）

该tutorial基本涵盖了生信的大部分话题，非常适合小白系统入门，也可以作为工具书，随查随用。除了基础的NGS分析，该教程还提供了详实的关于Machine learning入门的学习资料，以及关于Machine learning应用到生物信息分析中的案例。

除了基础知识，鲁老师的教程还提供了数据，下载docker(教程开头有对应的指导）相关的Image，启用docker便可以自己实操分析数据。

3. Genomicsclass: 十分综合的一个教程，涵盖线性代数等数学基础、机器学习、常见组学分析数据处理（如batch effect)以及统计检验理论等到，适合作为工具书。

PH525x series - Biomedical Data Science​genomicsclass.github.io

部分目录

批处理的讲解

二、 Project

1. Bioconductor: 做生信怎么可能少得了大名鼎鼎的bioconductor, 里面的教程质量也是杠杠的，大多是围绕一个话题讲解一个包的使用。可以以项目为基础学习很多优秀的包处理技巧。

Bioconductor - Courses and Conferences​bioconductor.org

比如，搜索"RNA-seq"，点击

https://bioconductor.github.io/BiocWorkshops/analysis-of-single-cell-rna-seq-data-dimensionality-reduction-clustering-and-lineage-inference.html​bioconductor.github.io

The Bioconductor 2018 Workshop Compilation

https://bioconductor.github.io/BiocWorkshops/analysis-of-single-cell-rna-seq-data-dimensionality-reduction-clustering-and-lineage-inference.html​bioconductor.github.io

从讲解到数据再到代码，十分详细

2. 接下来是几个著名的机构：Sanger Institute & Broad Institute

https://scrnaseq-course.cog.sanger.ac.uk/website/index.html​scrnaseq-course.cog.sanger.ac.uk https://broadinstitute.github.io/2019_scWorkshop/index.html​broadinstitute.github.io

如果你毫无项目经验，强烈建议你在掌握一定生信基础后，按照以上几个流程完整地跑一遍，在这个过程你会学会：如何配置环境，如何安装软件，如何根据文档学会软件的使用，下载数据，分析数据，如何验证分析的结论，如何把计算结果可视化等等。只有完整地分析下来，才能真正算跨入了生信的大门。

3. 加拿大生物信息中心：

https://bioinformaticsdotca.github.io/​bioinformaticsdotca.github.io

从甲基化分析到转录组、宏基因组，再到网络分析等等，涵盖面比较广，不仅配套教程，还有相应的视频（youtube），缺点是数据难以直接下载。

三、tools

1. JHU的Langmead-lab, 同时他也是bowtie2的作者

只有膜拜的份儿）

比对算法过程中的部分代码及算法讲解

代码大部分是以jupyter文档形式展现

如果你对比对、拼接算法感兴趣的话，可以看看这门课，写一个小的比对软件：

https://www.coursera.org/course/ads1​www.coursera.org

2. 哈佛FAS：

Harvard FAS Informatics​informatics.fas.harvard.edu

有许多软件的tutorial,如grep,baw, trinity 以及R的进阶操作

3. Rosalind,很著名的一个生信刷题网站；包括了许多生信基础操作，比如处理fasta文件等等

ROSALIND | Problems | Locations​rosalind.info

4. 如果你想进阶R语言：

https://github.com/sienkie/R_for_data_science/blob/master/R_for_data_science.Rmd​github.com

tidyverse流处理，将大大提高效率，可以说是R数据科学的进阶的必经之路。

写在最后

本文将持续不断更新，欢迎大家一起共享优质资源，共同为开源社区出力~

生信资源不在于多而在于精，笔者本人也从未从头到尾看完过这些教程，不过是遇到问题了随时翻阅——每每回味，颇有益处.