如何快速入门生物信息学 Live讲座----听课笔记

主讲人：孟浩巍 

北京大学生物信息学博士

研究方向：RNA表观转录组；高通量测序方法

内容大纲：

• 生物信息学的定义

1. 生物信息学是一个动态的定义（2006~2010 高通量测序技术的蓬勃发展；2016~  更新的测序及技术推动的学科发展）
2. 生物信息学的学科内涵：以信息技术及其相关的手段对生物问题进行探索研究的学科。

• 生物信息学常见的分类及目前发展现状

1. 狭义的生物信息学主要包括（组学）：开发、改进新的算法及工具（比对算法）；开发改进新的数据库（NCBI）；深度分析现有的公共数据（TGGA analysis）；深度分析数据并结合生物学实验；高通量测序及分析相关的内容……
2. 广义的生物信息学还包括：系统生物学；计算生物学……
3. 当前生物信息学科研热点：针对热点的问题提出解决方案（CRISPR sgRNA设计及算法优化；Sevenbridge图像运算流程）；针对重要的问题，提出新的观点，发现新规律（利用测序手段研究进化问题，提出新猜想；开发新的测序方法，测到修饰）。
4. 当前生物信息学应用热点，针对市场，能提供优质权威的服务：科研服务（样品测序；简单分析；定制分析）；科研服务（产前无创筛查，如贝瑞和康；癌症靶向药物筛选，如肺癌EGFR突变的靶向药；癌症风险预测，如安吉丽娜朱莉brca-1；SNP及相关信息分析，如WeGene,23andme）;咨询投资服务。
5. 生物信息学，尤其是高通量相关的生物信息学，正处于方兴未艾，如火如荼的阶段。

• 生物信息学需要的编程技能与编程语言选择

1. 开发、改进新的算法及工具；（良好的算法功底；优秀的代码实现能力，包括写工具，搭服务器，做前段网页，后端管理……）
2. 分析、挖掘大数据背后的规律；（良好的算法应用能力；良好的统计学功底；较为优秀的代码解决问题能力。）
3. 处理大量数据：Python
4. 简易处理问题：Linux Shell script
5. 后期统计学分析：R

• 生物信息学需要的操作系统环境
• 生物信息学需要学的数学和算法知识

1. 运算端----服务器（根据运算量来判断）；操作系统（Linux）；常用配置（32核心CPU, 128GB内存，储存5T以上）
2. 桌面端----一台性能不错的台式机或笔记本；常用配置（4核i5,8GB内存，存储200GB以上）；要拥有1块1T以上的移动硬盘用来备份；推荐MaxBook Pro或者笔记本来安装linux系统。

• 一个简明的入门学习路线图

1. 分子生物学（MOOC课；现代分子生物学第4版，朱玉贤；Molecular Biology of the Gene 7th）
2. 细胞生物学（MOOC课，Molecular Biology of the Cell 6th）
3. 生物信息学基础课程（MOOC课，生物信息学8年制临床医学 第2版）

• 生物信息学初学者的平台搭建

1. anaconda(建议Python2.7)
2. BIOCONDA

• NGS具体实例，从测序数据Fastq到分析基因差异表达的完整流程（包括但不限于：建库测序原理，FastQC， Tophat，cufflinks，cuffdiff的用法）

1. 每一条序列，一共有4行
2. 第一行是测试仪的信息
3. 第二行是具体序列，A T C G; N的话，表示测序的时候效果不是很好，我不清楚它到底是什么意思。
4. 第三行是+号开头的，然后再加一些注释信息
5. 第四行的长度和第二行是一样的，每一个位置的字符代表一个测序质量，测序质量的换算，在知乎专栏中可以查看。
6. fastqc  -q(不在页面上输出很多内容)  -o（指定输出位置）
7. FastQC Report : Per base sequence quality ; Per base sequence content; Adapter content(短序列的含量)；Sequence Duplication Levels(衡量建库的质量)； 
8. fastx_trimmer:截取序列
9. cutadapt
10. bowtie2
11. tophat2
12. hg19_index
13. BAM文件分为头部和尾部
14. 基因表达量的单位：FPKM Fragments Per Kilobase Of Exon Per Million Fragments Mapped (该基因上的Reads数*10^9/(基因的外显子长度*测序数据量))
15. cuffdiff