干货满满 | 给生信小白的入门小建议 | 掏心掏肺版

经常有小伙伴们会问到，“我该如何入门生信”、“生信小白该怎么开始上手”、“不知道从哪里开始学”、“可以先不学R语言和Linux吗”等等问题。其实入门这个问题叭，有点庞大，一句两句还真说不清！哎嘿！前几天在洗澡途中想东想西头脑风暴的时候，突然就想到，既然说不清，那为什么不直接做呢！所以！我就决定！我！小蛮要！要与大家共同进步！接下来，我在考虑要不要开设一个新系列 —— 生物信息从入门到入土！亲自带领有需要的小伙伴们迈入生信的大门！

今天，我作为曾经的小白，先给初学生信的小伙伴们提供一点点小建议！希望可以帮到大家！

因为我自己也是从小白阶段摸爬滚打过来的，而且自创建公众号以来，也接触了不少的初学者们，所以也总结出了一点点小经验，毕竟授人以鱼，不如授人以渔嘛！自主学习才是王道！所以今天我就在这里分享一下，万一能帮到刚入门的小白们呢！

在这里小小总结一下生信入门三巨头：

• 编程能力：能够确保将想法实现
• 统计能力：能够确保想法正确（统计学是决定我们生信能力上限的因素）
• 生物能力：能够确保研究问题的价值与方向

我的公众号也会主要围绕这几个方面进行展开！

不会R语言和Linux可以吗

非常不建议！但如果有的小伙伴不是专门进行生信相关研究的，只需要快速出图或者没时间从头开始学习编程但需要某个分析结果，你也可以委托专业的团队比如生信小白要知道哈哈哈哈哈，当然！为了确保有需求的小伙伴可以得到专业的分析服务，我们不可能所有方向都接，具体还需要大家联系我们进一步沟通过后再做决定，毕竟要知道出品，必属精品！

很多小伙伴们会问到，“我没有编程基础可以学习生信吗”、“Linux一定要学吗”等等问题。

那这里我就想插个问题了哈，大家认为在生物信息学中，是“生物”重要还是“信息”重要呢？当然二者都重要！咱们说相对嘛！你怎么看嘞！

生物信息学，主要是以信息技术及其相关手段对生物问题进行探索研究，我们一般认为信息是手段，生物是核心。虽然生物是核心，但是掌握解决问题的手段也是非常重要的！

个人建议最好还是先对R语言和Linux有一定的基础后，再开始进行生信分析相关学习。虽然我们的教程中会给出完整代码和注释，特别是我的 #看完不会来揍我 系列，大家有兴趣可以点进去瞅瞅嘿嘿嘿！但是！这也不代表我们就可以直接忽略这些基础知识。有的小伙伴或许会觉得这样可以更快上手，其实不是的！这样不仅不会节省时间，有时候还会让我们多走很多弯路！因为代码这个东西嘛，也是很多玄学在的，同样的代码可能在我的电脑上一路顺畅，在你的电脑就会抽风！不过最最最亲爱的error和warning会提示我们出现了什么问题，其实多数情况下都是简单的小问题，按照报错信息的提示就可以解决它们，但如果你不懂这些编程知识，一旦出现报错就可能一脸懵逼，各种搜索也不一定能解决问题，然后可能会来问我或者是在我们的交流群提问，但有时候很多报错，是前面步骤的影响，所以只看报错和一小段代码的话，有时候大家真的是想帮忙也有心无力呐！就可能导致，本来30s可以解决的问题，说不定会白白浪费你30min，甚至是3h，更讨厌的是，有时候还会影响我们的进度，是不是就得不偿失啦！

所以呀，这里还是建议大家先对R语言和Linux有个大致的了解之后，起码先把R语言语法基础、数据处理和数据可视化这几部分的操作熟悉一下，再开始学习各大up的教程！相信你这么聪明的脑瓜子，一定可以很快搞定的！这样的话，在之后的生信学习中就会事半功倍的啦！

Linux可以稍微往后放一放，如果你不需要做上游分析的话，特别是大多数医学生或者做实验的小伙伴们，一般测序公司会把上游流程跑完的结果给你对不对，咱们直接就可以进行下游分析，这样的话，你暂时掌握一点点R语言基础就可以开启生信分析之路啦！当然如果有小伙伴们需要从原始测序数据比如fastq格式的文件中得到能进行下游分析的表达矩阵的话，也可以找我们哟！

为了大家和我自己，我们的生信人必备的R语言基础和生信人必备的Linux基础也已经在筹划中啦！大家可以浅浅期待一下下！

这里给大家推荐几本我认为还不错的入门书籍！

不过当今世界，我们肯定会在网络上汲取更多更新鲜的知识，很多书籍中的内容或许都已经过时了，有时候就算是最新出版的书籍都有可能会面临这类问题，当你读到一本书的印刷版时，有些代码可能已经不能用了，那也很正常，毕竟发展迅速嘛！

• R语言实战 / R in Action
  

  这本书大家应该都知道！我就不详细介绍啦！拿一本放手边当工具书用就非常合适哈哈哈哈哈哈哈！

• R数据科学 / R for Data Science
  

  这本书的作者是Hadley Wickham，RStudio首席科学家，ggplot2等多款知名R包的开发者，一直致力于让普罗大众更容易上手数据分析，被R社区誉为“改变了R的人”。对于ggplot2大家肯定不陌生啦！可以说是绘图必备！这本书从ggplot2绘图入手教你解决各种数据科学难题，它会先给出一些引人入胜的示例，让我们有个整体认识，然后再深入细节。而且里面的图都超级炫酷！个人非常推荐这本书！

• R语言编程艺术 / The Art of R Programming
  

  这本书从最基本的数据类型和数据结构开始，到闭包、递归和匿名函数等高级主题，由浅入深，讲解细腻，读者完全不需要统计学的知识，甚至不需要编程基础。而书中提到的很多高级编程技巧，都是作者多年编程经验的总结，对有经验的开发者也大有裨益！推荐！

• Linux

  Linux，可能没有接触过的小伙伴们会觉得无从下手，担心是不是要学很久！其实不是滴，安心啦！如果我们只是为了做生信，是不需要掌握特别深的，我们的生信人必备的Linux基础已经在筹划中啦！大家可以浅浅期待一下下！

  我自己整理了一份Linux操作系统零基础入门学习手册，不长！相信你很快就能掌握，然后开启你的分析之路！有兴趣的小伙伴们可以后台回复Linux，即可得到这份手册，手册会不定期更新完善，大家收到的版本不一样也没关系，手册本身是为了初学者，所以大家只要已经入门啦，就不需要它啦！

  真正的Linux囊括的东西可不是我们短期内能够搞定的！刚刚入门的小伙伴们还是别给自己增加困难啦！当然，有兴趣深挖的小伙伴们，给你们推荐一本书 ——《鸟哥的Linux私房菜》，或者大家如果手痒痒想买书的话，也可以买来当工具书用！

• Python

  B站的黑马程序员，那个课讲得简直不要太细！想不理解都难！当然，Python也和R一样，我们不一定要花时间把所有的知识都过一遍，只需要掌握点基础语法，就可以开启实战，在实战中学习效率更高！

  可以先不学，但如果你主要做机器学习深度学习相关研究，Python还是非常有必要的！

• 机器学习 / 深度学习

  这部分我就不推荐什么书啦，给大家推荐几个老师叭！我觉得李沐老师的课程都很棒！强推！如果大家觉得不够基础的话，可以去听李宏毅老师的课程，讲得不要太好哟！非常形象生动通俗易懂！大家可以都听听看自己更适合哪个！
  
  

统计学基础

提到统计，很多小伙伴们可能会不自觉的头疼！是不是没想到数学对大家的折磨居然延续到了今天哈哈哈哈哈哈哈！不要慌！虽说它很重要，但是也不用那么害怕它！我们先掌握一些基础就可以啦，给大家推荐几本书：

• 医学统计学（李晓松版）

  适合自学，应用性强，读完它，你就可以知道什么情况下该用什么样的检验方法等等，它会告诉你该怎么用，但不会告诉你为什么，所以非常偏应用哈！

• 概率论与数理统计（陈希孺版）

  陈希孺先生是我国第一位统计学方向的院士，他的推理详细、讲解娓娓道来，让人觉得在聆听老先生的谆谆教诲，个人认为这是最好的国内数学教材！这本书可以自学，但需要一定的基础！

• 概率论基础教程（Sheldon Ross版）

  这本书属于是深入浅出，难的部分非常难，简单的部分讲得非常透彻，也很推荐阅读！

其实掌握这些基本的统计学知识，对于做实验的小伙伴们来讲这方面就算过关啦！再进阶一点的就是线性代数＋多元统计分析啦，我就先不介绍了，怕吓到小伙伴们，咱们一步一步慢慢来！

善用学习工具

首推我们的哔哩哔哩！！！里面有大量的课程！这块我就不介绍了！大家直接冲！当然其他平台也有很多优质课程哈，比如GitHub、公众号等等，都可以都可以哈哈哈哈哈哈哈！

学会复现

现在不管是在哪个领域，网络上都存在大量的学习资料，当然，其中有优质的，有质量不太好的，大家要学会辨别！建议大家可以先看一些相关领域的优质文献，对整体分析流程心里有点谱之后，再去搜索一些优质的教程，跟着它一步一步来，边学习边实战效果更好哟！复现完up的教程后，可以再去尝试复现一些相关领域的生信文献，不需要和他结果一毛一样，毕竟，众所周知，不是所有文献都能复现的嘛！我们只要能把流程顺利进行下去，就已经获取很多知识啦！

等掌握了分析流程后，我们就可以更深入地思考其中的原理、参数设置等细节问题。这种渐进的学习方式能够让你先掌握实际应用，然后再逐步深入理解背后的科学原理。这样的学习方法有助于提高实际操作的熟练度，同时也为进一步深入研究打下坚实基础！

复制粘贴不是万能的

对于初学者，可能会遇到一个普遍的问题，就是直接复制粘贴代码并试图在自己的数据上运行。部分小伙伴可能出于“不报错即可”的心态运行代码，但这往往会隐藏很多潜在的问题，有可能会有“一步错步步错”的风险！

正确的学习方式应该是深入理解每一步代码的运行原理、所处理的数据结构以及返回结果等等，至少你要知道每一步做了什么，为什么这么做对不对呀！这样可以帮助我们避免出现“不知道自己不知道”的问题。

所以呀，在学习生物信息学时，我们不仅要能够运行示例代码，更要追求深入理解。这种深入的理解不仅可以避免错误的出现，还能够为将来面对更复杂的数据和分析场景时提供更灵活的解决方案。逐步建立对代码和数据处理流程的全面理解，这将为你在生物信息学领域的研究提供坚实的基础！！！

学会提问

自组建交流群以来，经常有小伙伴们会在群里提问，多数问题还是可以被成功解决的！但是总会有问题大家有心无力，有时候是因为真的爱莫能助，有时候可能是小伙伴提问的方式不太合适，又或许是问题描述不清晰等等，那我们到底该如何提问，才能最大程度保证自己提出的问题被有效解决呢？

提问前可以先自行检索试试看

众所周知！内事不决问百度，外事不决问谷歌。在提出问题之前，我们完全可以利用各大搜索引擎主动查找相关信息。生物信息学领域的许多问题都已经在互联网上被问过，并且有着详细的回答和解决方案。 很多生信工具和软件的官方文档和在线教程也是解决问题的重要资源，这里就不得不夸夸Seurat的官网，简直不要太棒哟！

总之，通过主动利用搜索引擎和在线资源，我们可以更迅速地找到解决方案，充分发挥互联网作为学习和问题解决工具的优势（别忘了ChatGPT哟）。

问题描述要具体

在提问时，大家需要注意提出具体而明确的问题，而不是过于广泛或抽象。提问的质量直接影响到获得有效帮助的可能性。

比如以下原问题与改进后的提问方式：

1. 原问题： “生信该怎么学呢”

   改进： 我想学习生物信息学，但不知道从哪里入手。有没有推荐的在线课程或学习资源，适合初学者的学习路径是什么呢？

   要是能给出自己的领域或研究方向就更好啦！

2. 原问题： “XX报错了，这是为什么，怎么解决”

   改进： 我在使用R中的ggplot2包时遇到了一个报错，错误信息是…。我查阅了文档和论坛，但仍然无法解决。以下是相关的R代码片段：

   # 插入出现问题的代码片段
   library(ggplot2)
   
   # ... 其他代码 ...
   
   ggplot(data = my_data, aes(x = variable, y = value, fill = group)) +
     geom_bar(stat = "identity") +
     # 这里发生了报错，错误信息是...
   
   

   建议提供具体的报错信息，包括完整的错误消息或堆栈跟踪；描述触发报错的上下文，例如是在运行哪段代码、使用了哪些包或工具；指明你尝试过哪些解决方法，以及它们的效果如何或者又产生了什么新的报错；如果可能，提供相关的代码片段或关键配置，有助于更精确地诊断问题哟！

3. 原问题： “我要怎么发文章呢”

   改进： 我在某个领域有一些研究成果，但不知道如何准备和提交一篇科研论文。有没有关于写作和发表的指导，以及期刊选择的建议呢？

4. ……

这样的改进可以使问题更加具体，让可以帮助你的小伙伴们更容易理解你的需求，并提供有针对性的建议。

啊对！记得要有礼貌！也要记得谢谢大家的帮助！

尽量不要对着电脑拍照

有些小伙伴们在遇到问题时，经常习惯性地选择拍照片来求助。然而，这样的方式存在一些问题，例如照片可能不清晰、色彩饱和度较低，而且屏幕反光也会影响信息的准确提取。所以呀，为了更有效地获得帮助，建议小伙伴们使用截图的方式。比较下面两张图，你更愿意回答哪一种问题呢？

大胆提问

我经常会收到一些小伙伴们私发一些问题，原因是害怕自己提的问题过于简单，担心会受到大家的嘲笑。我想强调一点，大家千万不要担心这个问题！在咱们的学习群里，大家都是为了互相学习共同进步而聚集在一起的。不管问题的难易程度如何，我和群里的其他小伙伴们都是乐于帮助他人的！在咱们的每个群里，提问并不是一件需要害怕的事情。恰恰相反！通过提问，不仅能够：（1）解决自己的疑惑；（2）有机会得到其他小伙伴们的分享和帮助；（3）你的问题说不定也是其他小伙伴们正在疑惑的问题；（4）帮助别人解决问题也是巩固自己知识的好方法；（5）……。这简直是一举多得呐！

我们超级鼓励大家勇敢提问，分享自己的学习心得和困惑。在这里，没有所谓的“愚蠢问题”，只有大家共同学习的机会。记得我们都曾是小白，而每一个小问题都是进步的一小步，一小步一小步积攒下来，未来你也是可以给别人撑伞的大神啦！所以，请放心提问，我们一同探讨、解决问题、共同进步！

费曼学习法

俺是非常支持的！

先简单介绍一下费曼学习法！

费曼学习法是由诺贝尔物理学奖得主Richard Feynman提出的一种高效学习的方法。它的核心思想是通过教给别人来巩固自己的学习，简单介绍一下它的步骤：

1. 挑选概念： 选择你想学习的东西，可以是理论、公式、概念等等，任何东西都可以！
2. 用简单语言解释： 用自己的话简单地解释这个概念，就像你在向一个不懂行的朋友解释一样。这有助于确保你真正理解啦！
3. 发现问题： 在解释的过程中，留意自己解释时有哪些不确定或模糊的地方，这样就可以找到问题所在啦！
4. 回顾学习材料： 回到学习的原始材料，弥补你在解释中发现的问题，填上漏洞！
5. 简化并复述： 用更简单易懂的语言再次解释这个概念，这有助于检查你是否已经真正掌握了这个概念。
6. 分享给他人： 尝试向别人解释这个概念，可以是朋友、同学，甚至是你自己模拟的听众（俗称自言自语哈哈哈哈哈哈）。通过教给别人，你不仅巩固了自己的知识，并加深了对其的理解，同时还可以帮助别人理解！

费曼学习法有什么优点嘞：

• 深度理解： 通过不断解释、回顾和简化，你能够更深入地理解学习材料，而不仅仅是表面记忆。
• 自我发现： 通过识别解释中的漏洞，你可以更清晰地看到自己对知识的理解存在的问题，从而有针对性地进行学习和提高。
• 知识巩固： 通过向他人解释，你不仅强化了自己的理解，还在教学的过程中巩固了这些知识点。
• 提高沟通能力： 通过分享给他人，也可以帮助你提高自己的沟通能力，能够用更简单、更生动的语言表达复杂的概念。

总体来说，费曼学习法是一种能够提高学习效率、深度理解知识的强大方法！俺是非常支持大家使用的！

如果有小伙伴感兴趣的话，我也非常欢迎大家投稿，将你学到的知识用自己的方式分享给他人，这样不仅可以帮到别人，自己也会有极大的成就感！如果有的话，投搞的内容我也会审核哟！大家放心！当然，如果有收益，全是你的！如果特别优秀的，我也会额外奖励！！！

---

那今天的分享就到这里啦！我们下期再见哟！

最后顺便给自己推荐一下嘿嘿嘿！

如果我的分享对你有用的话，欢迎关注点赞在看转发分享阿巴阿巴阿巴阿巴巴巴！这可是我的第一原动力！

蟹蟹你们的喜欢和支持！！！

啊对！如果小伙伴们有需求的话，也可以加入我们的交流群：一定要知道 | 我们的生信交流群终于来啦！

后续这个链接可能会更新，如果小伙伴点开它之后发现，咦，怎么失效啦！不要慌！咱们辛苦一下动动小手去公众号主页的作者精选那里，会有一篇同名的文章，点进去就是啦！

参考资料

1. https://www.bilibili.com/video/BV1c7411h7k6/
2. https://mp.weixin.qq.com/s/X2raCYj9jsrqiR2rlr3o7w