Molecule Biology of the tribez安卓版Gene中文版有吗？
点击联系发帖人
时间：2018-07-20 05:11
Structure of the human CD97 gene: exon shuffling has generated a new type of seven-span transmembrane molecule related to the secretin receptor sup...
- PubMed - NCBI
The NCBI web site requires JavaScript to function.
FormatSummarySummary (text)AbstractAbstract (text)MEDLINEXMLPMID ListChoose DestinationFileClipboardCollectionsE-mailOrderMy BibliographyCitation managerFormatSummary (text)Abstract (text)MEDLINEXMLPMID ListCSVCreate File1 selected item: 8786105FormatSummarySummary (text)AbstractAbstract (text)MEDLINEXMLPMID ListMeSH and Other DataE-mailSubjectAdditional textE-mailAdd to ClipboardAdd to CollectionsOrder articlesAdd to My BibliographyGenerate a file for use with external citation management software.Create File
1996 Feb 15;32(1):144-7.Structure of the human CD97 gene: exon shuffling has generated a new type of seven-span transmembrane molecule related to the secretin receptor superfamily.1, , .1Central Laboratory of the Netherlands Red Cross Blood Transfusion Service and Laboratory for Experimental and Clinical Immunology, University of Amsterdam, The Netherlands.AbstractRecent cDNA cloning of EMR1 and CD97 suggests the existence of a new group of seven-span transmembrane (7-TM) molecules, likely encoded by a gene cluster on the short arm of chromosome 19. The membrane-spanning region of both molecules is homologous to the secretin receptor (SecR) superfamily, a group of receptors with specificity for mammalian and insect peptide hormones. Unlike members of the SecR superfamily known thus far, EMR1 and CD97 have extended extracellular regions that possess several EGF domains at the N-terminus. We herein describe the organization of the human CD97 gene, which consists of 18 exons expanding approximately 12 kb of DNA. Identical exon-intron positions in the transmembrane region indicate that the CD97 gene has evolved from an ancestral gene of the SecR superfamily. Remarkably, exons encoding the 300 amino acids by which CD97 extends the extracellular part from other members of the SecR group are preferentially separated by introns in phase 1. All three EGF domains are encoded by symmetrical class 1-1 exons, suggesting that exon shuffling to the upstream region of a precursor gene from the SecR superfamily has generated this new type of 7-TM receptor.PMID: 8786105
[Indexed for MEDLINE] Publication typeMeSH termsSubstancesSecondary source IDFull Text SourcesOther Literature SourcesMiscellaneous
Supplemental Content
External link. Please review our .&figure&&img src=&https://pic3.zhimg.com/v2-d1a79c9a84_b.jpg& data-rawwidth=&620& data-rawheight=&485& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&https://pic3.zhimg.com/v2-d1a79c9a84_r.jpg&&&/figure&&blockquote&作者： 国内top5大学生物信息学本科，德国萨尔大学生物信息学硕士，海德堡大学/德国国家癌症研究中心(DKFZ)博士在读。曾在中国科学院计算生物研究所、德国马克斯普朗克研究中心(MPG)和德国多模式计算和交互设计精英集群(MMCI)等顶尖科研院所实习。了解各专业不同学位德国留学DIY流程。关键词：生物信息学，计算机，大数据分析， 德国留学申请&br&欢迎原链接转发，&i&付费转载请前往&/i&&a class=&member_mention& href=&https://www.zhihu.com/people/961e8cc4f7512fda1eae8e& data-hash=&961e8cc4f7512fda1eae8e& data-hovercard=&p$b$961e8cc4f7512fda1eae8e&&@留德华叫兽&/a& &i&的主页获取信息，侵权必究。&/i&&br&如果你杜绝留学中介，决心DIY申请，欢迎加入&b&全球DIY留学申请qq群：&/b&&br&敬请关注&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[飞跃计划]DIY全球留学申请、生活 - 知乎专栏&/a&以及相关的&a href=&https://www.zhihu.com/lives/users/961e8cc4f7512fda1eae8e& class=&internal&&知乎 Live&/a&，解锁更多DIY申请技能。&br&需要私人咨询，请知乎私信叫兽小助手&a class=&member_mention& href=&https://www.zhihu.com/people/e35c3e50dc15aaf7c375c& data-hash=&e35c3e50dc15aaf7c375c& data-hovercard=&p$b$e35c3e50dc15aaf7c375c&&@加菲Gaphy&/a& ，注明：007号咨询师。&/blockquote&&p&与其花几万元找&b&不靠谱的中介&/b&，不如预约&a class=&member_mention& href=&https://www.zhihu.com/people/961e8cc4f7512fda1eae8e& data-hash=&961e8cc4f7512fda1eae8e& data-hovercard=&p$b$961e8cc4f7512fda1eae8e&&@留德华叫兽&/a&及旗下众多【DIY咨询师】的私人咨询，&b&手把手教你怎么DIY&/b&，将未来掌握在自己手中。&/p&&p&大家好，我也是【DIY咨询师】，编号007&/p&&p&很高兴能跟大家分享在德国学习生物信息学的经验，希望能够帮助到大家。如果你对从事生物医疗方面的数据分析感兴趣，那么不妨考虑一下，到德国加入本科、硕士或者博士方面的学习。以下是一些常见问题的回答，还有我自己在德国留学的经验。&/p&&p&&br&&/p&&h2&&b&什么是生物信息学？&/b&&/h2&&p&生物信息学简单来说就是用数学和计算机方法解决生物学问题，是一门融汇了生物学、数学、计算机科学和工程学的交叉学科。生物信息学的内容纷繁复杂，概括一下，主要解决两类问题，一类是通过数据分析来验证生物学假设，发展生物学理论；一类是为生物数据分析开发方法和工具。在很多项目中，我们都会应用到生物信息学技术，例如：通过测序数据分析病人情况，预测某些蛋白质的空间结构，比较不同物种之间的亲缘关系，发现新的致病基因，设计新药物并检验疗效，收集和存储生物数据等等。随着信息科学，例如机器学习、计算机视觉和数据库科学的普及，生物信息学又有了更多的内涵和更高大上的技术。&/p&&p&&br&&/p&&h2&&b&在德国学习生物信息学需要什么样的条件？&/b&&/h2&&p&准备读本科：如果你对解决生物学问题非常感兴趣，有信心学好数学或计算机，那么你就可以尝试加入生物信息学的大家庭。其他就是语言、aps和国内本科1-3学期的学历了。&/p&&p&准备读硕士：生信本科当然没有问题。拥有生物学、计算机科学、数学和物理学等专业的本科学历，也可以申请德国大学的生物信息硕士。其他就是语言和aps了。&/p&&p&准备读博士：未来的老板已经写在招聘网页上了……&/p&&p&很多&b&生物&/b&本科生可能会厌倦实验室里的生活，但是又不想离开生物学的圈子，那么转行生物信息学可能是一条很好的出路。而对于&b&计算机&/b&、&b&数学&/b&或&b&物理&/b&学科的学生来说，转行生物信息也并不难。&/p&&p&生物信息学的一般知识和技能包括：分子生物学知识、统计学知识、linux操作、编程(python，R，C等)和常见生物信息学软件的使用等。根据不同的兴趣和方向，所需要的知识结构也不尽相同。&/p&&p&&br&&/p&&h2&&b&生物信息学将来的职业道路如何？&/b&&/h2&&p&作为一名生物信息学专业的学生，我对生物信息学的就业前景还是很乐观的。作为交叉学科，生物信息学融汇了很多不同的技能和方向，就像玩rpg游戏一样，选择自己升级加点的路线，对将来找工作的方向也有影响。在就业市场上，生物信息学毕业生的工作选择面非常广，不仅可以继续科研路线，留在学校或研究所中；也可以进军工业界，在生物公司和制药公司中找到不错的职位。此外，咨询业、软件业、互联网行业和数据分析业的就业机会也不少。读博对于生信学生来说是很不错的道路，德国博士头衔不仅仅是一个闪光的title，也是很多高级职位的必须条件。随着测序成本降低以及国家政策的扶持，生物信息学在未来应该会有更大的市场和更多的岗位。&/p&&p&&br&&/p&&h2&&b&为什么要在德国学习？&/b&&/h2&&p&来到德国学习，主要好处有以下几点：1.自然环境和社会秩序良好，生活成本相对较低，留学生每年自保金欧即可维持不错的生活水准；绝大多数高校本科硕士免学费；读博士有收入，无需家中开销，甚至可略有盈余。2.教育和科研水平高，德国文凭含金量也相对较高。3.毕业后若留德工作，薪水非常不错；若回国则可能享受海归待遇，对创业、就业和落户都有帮助；若以德国作为跳板前往其他欧美国家也较为容易。4.德国的历史、文化、工业、体育等方面都十分出众，留学德国是许多德粉的圆梦之旅……&/p&&p&&br&&/p&&h2&&b&生物信息学如何择校和申请？&/b&&/h2&&p&根据今年DAAD的资料，开设生物信息硕士课程的大学包括：美因茨大学、慕尼黑大学、萨尔布吕肯大学、柏林自由大学、汉堡大学、哈勒大学、波茨坦大学、耶拿大学、法兰克福大学、莱比锡大学、比勒菲尔德大学、吉森大学、蒂宾根大学和维尔道大学等。其中绝大多数学校都同时开设本科课程。每个学校的研究侧重点和学制各有不同，申请之前建议大家仔细阅读一下该校的课程设置和教学计划，结合自身规划选择学校。在绝大多数学校里，生物信息学(也有的学校叫计算生物学或者其他名字的)专业一般都不是数量限制专业(Numerus Clausus)，因此申请的门槛也不是很高，慕尼黑、自由大学之类的学校也不是很难申请，可以多尝试。申请流程很其他专业并无区别，在此不再赘述。&/p&&p&至于申请博士，这两年德国各高等院校招收生信博士的数量相当可观，很多湿实验室也开始招收具有生物信息学背景的学生。博士途径多种多样，可以申请国际博士生项目获得奖学金，也可以申请传统的师徒制博士生并签订工作合同，或者在国内申请国家奖学金然后赴德读博。德国博士学习时间一般是三到五年。申请博士的经验将来我会再写一篇和大家分享。&/p&&p&&br&&/p&&h2&&b&我的经历和见闻&/b&&/h2&&p&我在国内本科就是学生物信息的，可惜当时不懂学习的重要性，毕业成绩一般，没有发过文章，生信技能掌握得也不多，拿得出手的也就perl编程(然而感觉现在用perl的人现在越来越少了……)。毕业以后申请了几所德国大学的生物信息学硕士，拿到了三所大学的录取通知书，包括柏林自由大学、慕尼黑大学和萨尔大学。考虑到前两所学校虽然名气更大，但是德语授课，而我当时还没有过DSH2或德福，只能拿到带条件的Zulassung；而萨尔大学是英语授课，并且与马克思-普朗克研究所关联紧密，还有Thomas Lengauer教授坐镇，因此最后选择了去萨尔大学读硕士。（其实萨尔大学当时还开设带奖学金的硕博连读项目，然而当时忘了报名……）&/p&&p&萨尔大学的生物信息硕士毕业要求是修满足够的计算机类、生信类和生物类课程的学分，完成实习和thesis。根据目前的学制，整个硕士阶段没有必修课，你可以根据自己的兴趣和目标在以上三个框架之下选课；没有必修课意味着什么大家应该懂。 生信硕士和计算机学生一起上计算机课程，这些课程多数是马普所的一线项目负责人和教授开设，其水平不言而喻。这里的生物课程和生信课程相较之下光芒稍显黯淡，不过课程设置相比于我的国内母校还是要合理一些。&/p&&p&整个硕士项目计划毕业时间是两年，部分学生可能会多花一到两个学期毕业。整个硕士阶段没有发表文章的要求，学分够了做完毕设就毕业。但是如果你想发文章也有很多机会。硕士学生可以去马普所的信息学研究所、软件研究所和另一个德国著名研究机构Fraunhofer研究中心实习，也可以去萨尔大学生物系的实验室参加科研项目，如果工作结果出色，很可能获得发表的机会。此外这些实习工作多数都可以签研究志愿者合同(Hiwi)，获取一笔实习工资，可以极大地补贴日常开销。&/p&&p&萨尔大学允许甚至鼓励硕士生去校外机构做毕业论文，这一点对与学生的未来非常有利，它增加了学生和未来雇主交流的机会。我在修完学分后去了海德堡的德国癌症研究所做了半年的实习和半年的毕业论文，并且在提交论文后通过博士生选拔幸运地成为了该研究所的一名博士生。能拿到offer主要是因为在实习和毕设中付出的努力都得到了导师的认可。将来有空我会写一篇德国癌症研究所选拔面试的攻略，希望可以帮助到更多有志于投身癌症研究的朋友。&/p&&p&未来写作计划：&/p&&p&如何在德国学习计算机科学？&/p&&p&德国国家癌症研究中心（DKFZ）博士面试攻略&/p&&p&如何在德国做一个快乐的留学生&/p&&p&&br&&/p&&p&&br&&/p&&p&写在最后：&/p&&p&很高兴你能读到这里，希望你能从我的文字中有所收获。我当过学霸也当过学渣，相信我的经历对多数人都是有参考价值的～无论是有关科研方面的问题，还是其他专业的留德申请和生活方面问题，都欢迎留言交流，更欢迎加入&i&&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[尖峰时刻]DIY全球留学申请、生活飞跃计划&/a&，&/i&获得为你量身定做的个性化留学DIY服务。&/p&&hr&&p&更多海外留学生活、学习、工作资讯，敬请关注&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[飞跃计划]DIY全球留学申请、生活&/a&及相关的&a href=&https://www.zhihu.com/lives/users/961e8cc4f7512fda1eae8e& class=&internal&&知乎 Live&/a&，以及&/p&&p&海外留学生活、学习、工作深度交流&b&QQ群： &/b&（提供给已经留学海外的朋友交流、分享、交友、解惑）&/p&&p&全球DIY留学申请&b&QQ群：&/b&（提供给还未留学出国的朋友获取DIY留学资讯，分享DIY留学经验）&/p&&p&需要私人咨询，请通过关注下方微信公众号【全球留学DIY飞跃计划】，使用公众号下方按钮“开始咨询”，联系客服选择您想要的&b&咨询师&/b&。&/p&&p&&b&扫描文末的二维码加入公众号，开始飞跃之旅！&/b&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-10c51fb10d98d6ed0076_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&408& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/v2-10c51fb10d98d6ed0076_r.jpg&&&/figure&
作者： 国内top5大学生物信息学本科，德国萨尔大学生物信息学硕士，海德堡大学/德国国家癌症研究中心(DKFZ)博士在读。曾在中国科学院计算生物研究所、德国马克斯普朗克研究中心(MPG)和德国多模式计算和交互设计精英集群(MMCI)等顶尖科研院所实习。了解各专…
&figure&&img src=&https://pic1.zhimg.com/v2-cbbd884ab7fa_b.jpg& data-rawwidth=&3000& data-rawheight=&2143& class=&origin_image zh-lightbox-thumb& width=&3000& data-original=&https://pic1.zhimg.com/v2-cbbd884ab7fa_r.jpg&&&/figure&&p&前几天在知乎上，我看到了这么一个问题“&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何自学生物信息学？&/a&”，看了一圈回答后，发现很多答主自己也是初学者，可能还在摸索中，回答也并没有真正抓到重点。作为一个过来人，我回答了这个问题，同时我把它同步转到了我的专栏和公众号中。&/p&&h2&&b&什么是生物信息学&/b&&/h2&&p&&b&生物信息学与以往的传统生物学不同，它本身是一个混合体，而且在今天看来它应当还要包含现在的NGS和基因组学&/b&。我认为，它重在数据，因此在这个领域中 &b&比较重要的是数学和计算机&/b&——计算机我指的是：编程能力和算法设计能力。这是我的切身体会，许多生物知识其实可以往后慢慢学，不必一开始花费大量时间补充生物知识。&/p&&p&但生物信息毕竟还是和生物有关，毫无生物知识其实也说不过去。对于初学者来说，想要进入这个领域，&b&我觉得一开始需要重点搞清楚几个基本概念&/b&。比如，什么是基因组，什么是转录组，什么是蛋白组，什么是染色体，什么是基因，什么是染色体重组，什么是进化/演化，什么是表观遗传，什么是变异，变异类型有哪些，NGS技术是什么，测序仪的工作原理是什么，DNA是如何被测出来的等这些东西。因为，&b&你只有真正了解数据是如何来的，才能更好地明白数据该如何处理和分析，以及如何才能有效地挖掘出它背后隐含的生物知识&/b&。&/p&&p&至于 &b&分子生物学中诸多涉及细胞机制机理的知识我觉得在刚开始的时候反而可以缓一缓&/b&。我本来是学物理的，做生物信息可以说是半路出家，但其实没觉得有什么障碍，后来在实际需要的时候慢慢补上即可。推荐大家买本 &b&&a href=&http://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《基因X》&/a&屯着——这是一本有厚度的基因必读书（曾经是《基因8》），作为参考书，平时有空的时候记得多翻翻&/b&。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c3ed69a4b185cc9bcf75_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&306& data-rawheight=&432& class=&content_image& width=&306&&&/figure&&p&&br&&/p&&p&此外，我觉得尽量避免去看生物信息学导论那类书，很多都太旧了，用处不大是一个方面，关键是还会浪费不少时间。&/p&&h2&&b&好奇心、兴趣和目标&/b&&/h2&&p&这应该是促进我们学习的第一要素。所谓，“知之者不如好之者，好之者不如乐之者”。兴趣的力量是强大的，基本上是你乐于继续下去的动力来源。如果仅是以赚钱为目的的话，那么我觉得还是另择一行吧，有很多其它更适合赚钱的领域。那么话说回来，要培养兴趣的话，我们可以先了解现在整个基因科技行业的发展情况，了解学习这些知识都可以做些什么，能够解决什么问题。然后再定一个目标，完成一个具体的项目，自学最怕没有目的性，在没有他人可以指导的情况下，很容易迷失方向。但如果没条件的话，可以尝试利用现有的数据（比如：千人基因组，GIAB等）复现它们的成果，甚至构建一个分析流程也行，这样子学起来才会比较高效，同时也有利于夯实所学的知识。&/p&&h2&&b&使用Google&/b&&/h2&&p&条件允许的话，请使用Google。在这个信息时代中信息已经足够多了，使用Google至少可以更快让你找到想要的东西，而学习生物信息，我们经常需要找东西。&/p&&p&那么，在有了上面这些基本的认识和目标之后，我们就可以开始了。&/p&&h2&&b&Linux&/b&&/h2&&p&基因数据分析，极度不推荐在Windows下完成，有很多的工具不支持，而且不利于学习，也不利于我们对数据的理解。因此掌握Linux，特别是直接在Terminal中进行数据分析是必须的。&/p&&p&不过，不用太担心，我们不需要成为Linux专家。对于生物信息研究人员来说，只有了解Linux的文件系统结构，能够在Terminal中灵活运用基本的Linux命令就足够了，不过vi需要掌握——我们编写程序时需要用到它。但要 &b&达成这些目标不需要看大部头的Linux书籍&/b&——这个也是我想给所有要学习生物信息的小伙伴们提个醒，这样可以节省很多不必要花的时间，不然等你看完一大本Linux书，恐怕兴趣也都被磨得差不多了，&b&要直奔目标&/b&。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d8ea6dc6311_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-d8ea6dc6311_r.jpg&&&/figure&&p&&br&&/p&&p&我自己使用Linux的时间超过8年，，但是所使用的命令，合起来频度超过99%的竟然不超过20条！基本上就是在接触生信的第一天学会的，而对于聪明如你们的人来说，相信一定可以用更短的时间融汇贯通，对于这几个命令我简单列一下（注意都是在Terminal模式下）：&/p&&ul&&li&pwd：列出当前目录的完整路径，明确你在哪；&/li&&li&cd ：跳转到其他目录，两个好用的cd命令，”cd -“ 跳回最近一次的目录，”cd ..” 退回上一层目录；&/li&&li&ls：列出当前目录内容，最好加上 -l -rt 参数，会更加清晰，目的是明确目录下都有什么；&/li&&li&mkdir：创建目录；&/li&&li&rm：删除文件或者目录；&/li&&li&mv：重命名文件或者目录；&/li&&li&cat：打开文本文件，内容输出到屏幕；&/li&&li&less -SN：打开文本文件，这个是查看文本文件更合适的方式；&/li&&li&head -n：查看文件前n行；&/li&&li&tail -n：查看文件尾n行；&/li&&li&wc -l：计算文本文件的行数；&/li&&li&”|“： 管道操作；&/li&&li&grep命令；&/li&&li&awk命令；&/li&&li&sed命令；&/li&&li&sort命令；&/li&&li&du -sh ./: 检查当前目录所占空间大小；&/li&&li&bc -l：启动Terminal下的计算器，可以在这里进行简单的数学运算，输入”quit”就可以退出；&/li&&li&chmod：修改文件或者目录权限；&/li&&/ul&&p&这里推荐看一下”极客学院“中那一篇”&a href=&http://link.zhihu.com/?target=http%3A//wiki.jikexueyuan.com/project/learn-linux-step-by-step/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一步一步学Linux&/a&“的文章，我觉得那篇博文就足够了。&b&值得你多花些时间研究的是Linux中 “|” 管道命令的妙处&/b&。另外，掌握基本的grep，sed，awk操作。我之所以推荐这三个命令是因为，它们很适合快速进行简单的文本操作，可以让很多工作直接快速地在命令行上完成，而不需要编写程序。比如抽取一个文本文件特定的几列信息、匹配相关信息、修改输出等，用awk实现起来非常简单。上面这些掌握了之后，你再学习如何利用这些命令和相关执行程序组建简单的shell任务流程，到这个阶段，Linux部分基本就OK了。至于如何在Terminal中编译程序或者安装软件包，一般都有教程，按照教程来就可以了，真碰到问题可以多Google。&/p&&h2&&b&至少掌握一门高级编程语言&/b&&/h2&&p&生物信息是一定离不开程序设计的，而且你不能只会R。我建议先学Python（不推荐Perl），它很容易上手——被称为”可执行的伪代码”，社区强大而活跃，碰到问题很容易找到解决办法。而且，支持组学数据分析的工具包也很丰富。还被誉为数据科学第一语言！不但可以进行文本处理，还可以进行统计分析，机器学习，或者作出精美的数据图等等，比起曾经的Perl真的强大很多。&/p&&p&在掌握了Python之后，我推荐的另一门高级语言是C（或者C++），它是难的，我之所以依然觉得有必要，是因为它可以让你具有干大事的能力。&/p&&p&虽然在实际的工作中Python已经足够强大，基本上可以应对项目中的各类大小事宜。但在我看来，如果你希望技术上做得更强，C一定是绕不开的，学会C/C++至少有两个好处：&/p&&ul&&li&让你理解机器的工作原理，理解你的程序是如何运作的。这非常有助于你以后写出更加优秀的代码；&/li&&li&设计高效率的算法模块，往往需要借助C/C++，而且设计出来的模块还可以很方便地包装起来用在Python中。同时，也有很多优秀的组学数据处理包是C/C++写的，比如，SSW、Bamtools和&a href=&http://link.zhihu.com/?target=https%3A//github.com/seqan/seqan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SeqAn&/a&——这个包很强大——我们可以用它编写比对算法，变异检测算法等。&/li&&/ul&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-059aecaaa10b47_b.jpg& data-size=&normal& data-rawwidth=&1212& data-rawheight=&764& class=&origin_image zh-lightbox-thumb& width=&1212& data-original=&https://pic4.zhimg.com/v2-059aecaaa10b47_r.jpg&&&figcaption&Python如何调用C++&/figcaption&&/figure&&p&另外，我认为R是很容易学的，这里也无意起语言之争，虽然Python比R好。只要你有兴趣，在有了上面的基础之后，可以在很短的时间内学会。&/p&&p&Python教程很多！我这里推荐一下gitbook上的这个&a href=&http://link.zhihu.com/?target=https%3A//www.gitbook.com/book/lenkimo/byte-of-python-chinese-edition/details& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《简明Python教程》&/a&。另外，&a href=&http://link.zhihu.com/?target=https%3A//www.liaoxuefeng.com/wiki/958fa6d3a2e542c000& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&廖雪峰的Python教程&/a&也不错。&/p&&h2&&b&掌握常用的组学数据分析软件&/b&&/h2&&p&生物信息的工具众多，不过数据分析过程中常用的工具和软件还是可以列出来的，主要是：bwa，samtools，picard，GATK，bedtools，bcftools，vcftools，FastQC，MultiQC，VEP这些。基本都是在构造如WGS、WES这类分析流程的时候需要被用到的。另外，还有关于GWAS的一系列分析工具等，这些其实可以根据后续的具体项目逐步深入。除了工具之外，基本的数据文件格式也必须认识，比如：Fasta，Fastq，BAM，gff，vcf等，我在下文中推荐的《Bioinformatics Data Skills》这本书里面就系统讲了诸多在基因数据分析过程用到的工具和文件格式解析，值得一读。&/p&&h2&&b&实践&/b&&/h2&&p&“书上得来终觉浅，绝知此事要躬行”。实践是必须的，如果没条件的话可以到&a href=&http://link.zhihu.com/?target=http%3A//rosalind.info/problems/locations/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Rosalind&/a&这个网站上做些训练题，这上面有着很多有意义的生物信息题目，从难到易的都有，涵盖的面也比较广（包括RNA，DNA，蛋白），值得一战。另外要积极寻找到大型基因科技公司（比如华大基因）或者基因研究所实习的机会。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cb7a3b646_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&882& data-rawheight=&495& class=&origin_image zh-lightbox-thumb& width=&882& data-original=&https://pic3.zhimg.com/v2-cb7a3b646_r.jpg&&&/figure&&h2&&b&构建一个流程，敢于造轮子&/b&&/h2&&p&在掌握了Linux和编程知识之后，建议利用公开的数据构造一个完整的数据分析流程，比如全基因组数据分析流程或者复现一个项目的全过程。现在最好的一个公开数据来自&a href=&http://link.zhihu.com/?target=http%3A//jimb.stanford.edu/giab/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Genome in a bottle（GIAB）&/a&。你可以用这个数据参考GATK的最佳实践或者不久前我写的一个“&b&&a href=&http://link.zhihu.com/?target=http%3A//www.huangshujia.me/tags/WGS/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&从零开始完整学习全基因组数据分析系列&/a&&/b&”的文章，构造一个WGS数据分析流程。需要注意的是，&b&你在构建、复现甚至重造的时候，要尝试去理解各个环节的意义，不要只是机械地将一个分析过程串接起来，因为你的目的是学习，碰到问题时也尽量自己解决，这样才能真正掌握它。&/b&&/p&&h2&&b&数理知识&/b&&/h2&&p&生物信息离不开数学，准确地说是离不开统计学。有太多的数据分析都需要统计学知识的参与，包括常用的假设检验，贝叶斯推断、随机森林，SVM，回归分析，PCA等。因此，在你获得初步的基因数据处理能力之后，更进一步应该去做的就是加强这方面的知识。&/p&&h2&&b&多看优秀的组学算法&/b&&/h2&&p&&b&站在巨人的肩膀上才能看得更远&/b&。生物信息领域有一个比较突出的特点，就是绝大多数的东西都是开源的，因此很多优秀的算法和程序你都能够在github上直接找到，比如，比对软件bwa和后缀树算法，Smith-waterman局部比对算法；基因组组装软件SOAPdenovo2的de Bruijn graph；变异检测GATK、freebayse、Platypus应用到的贝叶斯、最大似然、EM、Pair-HMM和高斯混合模型等；变异注释工具VEP，GWAS的一系列方法等。特别是GATK，它的问写的很优秀，因此值得多泡在它的一系列文档中。通过学习它们的源码，&b&不但可以精进你的编程能力、算法设计能力，更重要的是还能让你深刻理解诸多组学数据分析的奥秘！这会在不知不觉中提升你对基因数据的理解，就如同维纳斯的面纱在你面前一点点被揭开了一样，有种豁然开朗的感觉，你不再觉得那堆东西很神秘了&/b&。&/p&&h2&&b&不要固步自封&/b&&/h2&&p&最后，一定要紧跟前沿。生物信息学以及现在的基因组学领域，知识的更新迭代可谓一日千里，&b&可能半年不留神就会落后，所以平时一定要多看前沿的文章成果&/b&。但那么多杂志应该看哪些呢？&b&我的建议是直接看最顶级的CNNS（Cell，Nature，NEJM，Science）杂志&/b&，如果时间不够用那么更加不必看其它的，原因有三个：&/p&&ul&&li&这些顶级杂志所代表的基本上就是领域的最前沿——也正因此它们才会在CNNS上发表。虽然其它杂志也有可能，但概率低很多，因此不必浪费时间，要看就看最好的；&/li&&li&这些杂志上的文章大多都能给你带来新的视角，能够开阔你的眼界。带来看待问题、解决问题的新思路和新想法，这会有助于你做出创新性的工作；&/li&&li&我认为多看这类文章，也会有更高的概率在这类杂志上发表成果。&/li&&/ul&&p&另外，也可以多看看生物探索、奇点网这些公众号，上面每天都会报道很多关于这个领域的前沿信息，&b&当然也别忘了请一定要多！多！关！注！我！（认真脸）另外，加入一些优质的生物信息交流圈，有机会的话参加一些重要的基因组学会议，千万不要关起门来闷头学，一定要看着外面的世界&/b&。&/p&&h2&&b&书和课程推荐&/b&&/h2&&p&推荐两本基础的基因数据处理书籍，都是基于Python语言的：&/p&&ol&&li&来自OReilly《Bioinformatics Data Skills- Reproducible.and.Robust.Research.with.Open.Source.Tools》主要偏重工具的使用和数据文件的处理，虽然讲的不是很深入，但是作为生物信息初学者的入门书来说还是十分有价值的，2015年出版的，也不算旧。&/li&&/ol&&figure&&img src=&https://pic1.zhimg.com/v2-a29863ef42cbfaf92e536d6fa067a98c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&314& data-rawheight=&412& class=&content_image& width=&314&&&/figure&&p&2. 第二本是《Bioinformatics with Python Cookbook》这一本相比于第一本来说会难一些，它会侧重于一些主题性质的内容，比如群体遗传学，基因大数据等。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-fc2ce7ef6d29f584a0f489_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&248& data-rawheight=&307& class=&content_image& width=&248&&&/figure&&p&这两本书都有pdf电子版。感兴趣的小伙伴可以在公众号后台回复“&b&入门书籍&/b&”这四个字就可以获得了。&/p&&p&最后，再推荐几个在线课程。第一个是Coursera上的一个课程：&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/specializations/genomic-data-science& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&genomic data science&/a&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-def9ac4298eb6bb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1313& data-rawheight=&751& class=&origin_image zh-lightbox-thumb& width=&1313& data-original=&https://pic4.zhimg.com/v2-def9ac4298eb6bb_r.jpg&&&/figure&&p&这是约翰霍普金斯大学组织的一个系列课程，紧扣现在主流的组学数据分析，非常适合于入门学习，是一个精品系列，讲的很好，力荐，但是需要收费，只有7天的免费体验时间。&/p&&p&另外，EMBO上也搞了一个，&a href=&http://link.zhihu.com/?target=https%3A//www.ebi.ac.uk/training/online/course/embo-practical-course-analysis-high-throughput-seq& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在这里&/a&，不过我认为没有Coursera的系统全面，但它是免费的。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f4e924e4fb2526aea739db212de0ea50_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1198& data-rawheight=&941& class=&origin_image zh-lightbox-thumb& width=&1198& data-original=&https://pic1.zhimg.com/v2-f4e924e4fb2526aea739db212de0ea50_r.jpg&&&/figure&&p&好了，最后，祝你学习快乐。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4383698aaec77ff78cfdca97df9f9b5c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&184& data-rawheight=&183& class=&content_image& width=&184&&&/figure&&hr&&p&&i&如果喜欢更多的生物信息和组学文章，搜索并关注我的微信公众号“&b&解螺旋的矿工&/b&”（ID: helixminer）&/i&&/p&
前几天在知乎上，我看到了这么一个问题“”，看了一圈回答后，发现很多答主自己也是初学者，可能还在摸索中，回答也并没有真正抓到重点。作为一个过来人，我回答了这个问题，同时我把它同步转到了我的专栏和公众号中。什么是生物信息学…
就计算机语言来讲。我最开始学习的计算机语言是Python。如果要我推荐的话，我也会推荐python。这是就编程入手而言。主要是作为第一语言比较直观易学。其实matlab和R也很不错的。Perl没有尝试过不好给意见【改：现在开始学perl，觉得挺不错的，可能比python稍微难学/难看一点，入门也复杂一些，但是速度快，用的也挺广】 &br&&br&对于生物基础非常好的人，我觉得学一点点编程，更重要的是学一点点数学和统计大概会更实用些（如果您的研究里有大量的数据处理和分析之类的话）。但是如果您感兴趣的方面和编程或者数据分析根本无关，为什么要花精力去学呢？ 如果只是想要大致了解，买一本好一些的参考书就可以了。
&br&&br&（因为生物信息学要求对计算机这方面的思维方式有所了解，很多时候可能会讲一些算法什么的，而生物学家很少需要了解那些东西，只需要知道怎么使用就可以了。这里有一些生物信息学的（软）入门课程，有些里面还有视频下载，您要是感兴趣的话可以看看，大致上心理会有数：&a href=&//link.zhihu.com/?target=http%3A//biochemistry.utoronto.ca/undergraduates/courses/BCH441H/wiki/index.php/Main_Page& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&biochemistry.utoronto.ca&/span&&span class=&invisible&&/undergraduates/courses/BCH441H/wiki/index.php/Main_Page&/span&&span class=&ellipsis&&&/span&&/a&）&br&&br&PS 简单了解一下sequence alignment，BLUST的算法，知道那些parameter的真正含义，各种库间的关系，也是不错的投资。
就计算机语言来讲。我最开始学习的计算机语言是Python。如果要我推荐的话，我也会推荐python。这是就编程入手而言。主要是作为第一语言比较直观易学。其实matlab和R也很不错的。Perl没有尝试过不好给意见【改：现在开始学perl，觉得挺不错的，可能比python…
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：&br&&br&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](&a href=&//link.zhihu.com/?target=http%3A//link.springer.com/book/10.-/page/1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bioinformatics for High Throughput Sequencing&/a&)推荐看一下。&br&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。&br&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：&br&
[homologous](&a href=&//link.zhihu.com/?target=http%3A//www.homolog.us/blogs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Homologus - Frontier in Bioinformatics&/a&) 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&a href=&//link.zhihu.com/?target=http%3A//en.wikipedia.org/wiki/Heng_Li& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Heng Li&/a&都有在这里出现。&br&
[RNA-Seq Blog](&a href=&//link.zhihu.com/?target=http%3A//www.rna-seqblog.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RNA-Seq Blog&/a&) 推荐新的论文、工作、培训课程、大型会议等。&br&&br&如果你是生物背景的，那么计算机方面的知识需要补一下：&br&&br&- 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 :-)&br&- 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](&a href=&//link.zhihu.com/?target=http%3A//popucui.github.io//using-htseq/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&popucui.github.io/2013/&/span&&span class=&invisible&&09/14/using-htseq/&/span&&span class=&ellipsis&&&/span&&/a&), 这时候你知道需要怎么做了？&br&- 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。&br&- 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。
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…
&p&目录&/p&&p&一、内容摘要&br&&/p&&p&二、初级专业课&br&&/p&&p&三、总结&/p&&p&附录1、其他数学教材（完善背景）&/p&&p&附录2、Umich教材和课程&br&&/p&&p&------------------------------------------------------------------------------------------------------------------------------------&/p&&p&日更新，修改了一些不太合理的建议（之前的认识有点局限，如果有误导大家的地方，还请见谅）&/p&&p&------------------------------------------------------------------------------------------------------------------------------------&br&&/p&&p&一、内容摘要&/p&&p&（1）本文讨论了一些适合入门的数学教材，主要针对从其他专业转入Biostatistics的同学。这里的其他专业大多指生物、制药、医学等等数学基础相对薄弱的专业。&/p&&p&（2）如果你本科可以转专业到数学系是最好的，因为你可以接触到许多重要的数学知识（比如统计学里面最重要的实分析）。&/p&&br&&br&&p&二、初级专业课&/p&&p&1. 初等微积分和初等数学分析&/p&&p&（1）微积分是基本上就是概率统计的基石。用什么教材其实并没有硬性要求。个人觉得比较适合入门的教材是Calculus-early transcendentals, 7th ed, edwards, penney。从单变量到多变量到向量微积分基本上都涵盖了。这本书的理论不是很多，大多数都是计算。看这本书主要就是提升一下高等数学的计算能力，重点学好微分、导数、积分、无穷级数、偏导数和多重积分（其他的部分在统计中用处不多，可以以后根据需要再看）。这本书大概是2个学期的内容，自学大约需要3-6个月，主要是多多刷题来理解概念。&/p&&p&（2）数学分析对于读统计的小伙伴来说非常重要，关系到以后对于测度论和实分析的学习。但是初次接触数学分析的同学会觉得许多证明枯燥而且多余，很容易失去耐心跳过很多证明。比如我第一次接触Bolzano-Weierstrass定理、一致收敛或者Cauchy数列的时候，完全不能appreciate到这些概念的用处，于是跳过了许多证明和概念，最后不得不放弃学习。综上，个人的建议是，可以先系统的学习完微积分、线性代数和概率统计之后（也就是出现许多证明不是很懂的时候），再回头学习数学分析，这样十分有针对性，而且会发现每一个定理（不然也不会写成书呀）都非常有用。数学分析的大致脉络是从集合讲起，然后引申到实数轴的完备性，之后开始学习数列、连续、微分、级数和积分。最最重点的部分是数列和级数，其中涉及的定理诸如Bolzano-Weierstrass，uniform convergence，以及lim sup和lim inf的定义，会在以后的高等概率里面大量用到。Riemann积分可以逃过，因为计算在微积分里面学过，理论部分有点过时（以后可以学勒贝格积分，这是目前为止最有用的积分，不过这是后后后话了）。&/p&&p&个人推荐教材的教材都是难度和厚度都适中的课本，尽量避开了像字典一样厚的打消积极性的教材。数学分析入门还是要国内的教材，国外的教材难度两极分化，目前个人还没有发现适合入门并且内容全面的教材。（有人会推荐俄罗斯的教材，但是书太厚了，初学应该是没人看得进去的，尤其是现在的小伙伴都有点急功近利，并没有可以踏下心来啃砖头）此外，题目刷书后的练习题足够了，个人不推荐吉米多维奇的题记，因为重复的题目太大，不是为了准备考试的话，没有必要这么虐待自己。&/p&&p&-----基础等级1：&/p&&p&1-1：复旦大学的数学分析（上下两册），陈纪修&/p&&p&这本书是复旦大学用的教材，网上有授课视频。陈教授讲课非常的详细，跟着视频学习，稍微动一下脑子，应该不会有任何问题。这本书是微积分和数学分析的结合版，基本上复习微积分的同时可以基础到微积分的理论。这套课程还有一个主页，里面有配套的习题答案、考试题目和竞赛题目，总之练习题目非常之多，难度中下，适合自学刷题。下册的多变量分析难度偏大，第一轮看书的时候可以先不看。&/p&&p&优点：上册比较完整的介绍了单变量数学分析的概念，从最基础的集合论讲起，一直到广义积分。其中第二章节和第三章的十大定理互相推理非常精彩，微分部分对于一阶和高阶微分的易混淆点讨论也很细致，其余的部分写得中规中矩。例题非常的多并且好，既可以锻炼计算，又可以训练分析的逻辑。下册的函数项级数、拓扑、多变量分析以及曲线积分写得非常精彩，给实分析打下了很好的基础，一定要重点学习。&/p&&p&缺点：课后题目有的偏简单，有的太注重技巧（放缩法的脑洞太大了啊），还有一些证明不够详细。但对于入门书籍来说已经没什么瑕疵了。&/p&&p&附上复旦大学数学分析的课程主页：&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//math.fudan.edu.cn/math_anal/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&title&/a&&br&&/p&&p&还有大学生自学网的视频（看起来比主页方便，但是最后几章没有）：&/p&&p&上册 &a href=&http://link.zhihu.com/?target=http%3A//v.dxsbb.com/ligong/468/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数学分析视频教程（上）全集&/a&&br&&/p&&p&下册 &a href=&http://link.zhihu.com/?target=http%3A//v.dxsbb.com/ligong/469/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数学分析视频教程（下）全集&/a&&br&&/p&&p&1-2：Elementary Analysis：The theory of calculus，KA. Ross&/p&&p&1-3：Introduction to Real Analysis，RG. Bartle，DR. Shetbert&br&&/p&&p&国外的数学分析教材有点简单，可以配合1-1看。1-2是Umich本科教材，非常薄，看完1-1之后应该可以两天刷完这本书当作复习。这本书巧妙地避开了分析里面困难的抽象的部分，也不讨论多变量分析，个人觉得像是1-1和1-3的删节版。非常适合入门，但是因为不讨论的东西太多了，看起来有一点一头雾水。1-3是同学推荐给我的（后来发现umich也用这本书了），最后两章的勒贝格积分和拓扑比较精彩，为实分析打下了很好的基础。前面几章写得一般。同样再刷完1-1之后，看这本书不会有很大的压力。&/p&&p&-----基础等级2：&/p&&p&2-1：Principle of Mathematical Analysis&/p&&p&非常出名的Baby Rudin，虽然是Baby，但是难度很大，许多概念很抽象，自学比较吃力。推荐刷完1本完整的基础数学分析再回来看这本书。这本书告诉了大家广义的数学分析（在度量空间上的分析），大多数定理都是在拓扑的基础上讨论的，许多内容用基础的分析（也就是欧几里得空间的分析理解起来都比较困难）。这本书可以补充基础等级的书籍没有讨论的拓扑学。前七章可以说是最精彩最经典的部分了，一定要反复揣摩。学完这本书的前七章，数学分析基本上算是入门了。&/p&&p&顺带提一句，在台湾国立交通大学的官网上有网课，专门讲这本书的前九章，讲师是白启光教授，视频非常具有启发性，算是Rudin教材的补充。&/p&&p&优点：讨论了metric spaces的分析，而不是仅仅局限在Euclidean spaces，可以加深对数学分析概念的理解。课本语言非常简练，证明出自原创并且非常简短（Rudin希望避开分类讨论，尽量用one for all的观念证明定理，十分难得。可以参加他证明的洛必达法则，和其他课本的证明非常不同）。&/p&&p&2-2：Fourier Analysis，Stein&/p&&p&普林斯顿大学的四个学期的进阶分析教材的第一本，学过数学分析就可以看。把傅里叶分析当作进阶分析的第一本教材的确非常明智，为之后的实分析和泛函分析打下了很好的基础。（第二本是复分析，第三本是实分析，第四本是泛函分析和概率，无论是哪本书，傅里叶分析的思想都贯穿全书。）&/p&&p&优点：另一位调和分析的大师之作，一定要拜读。内容十分丰富，比国内的教材广度要广很多，可以为实分析打下很好的基础。&/p&&p&缺点：题目难度有点大，答案不太好找。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&/p&&p&2. 初等线性代数&br&&/p&&p&强力推荐的就是MIT的Linear Algebra，从教材到课程网上全都可以找到。一开始我以为MIT的教材会非常难（因为学校里面的天才太多），但后来接触了这本书，发现它真的非常适合入门。首先这本书介绍了初级线性代数所有的重点知识，并且每一部分的解释都十分的直观通俗易懂，配合公开课的视频以及适当的练习题（书后的题目都有答案），一定可以给你的线性代数打下很好的基础。自学周期大约为三个月。重点的内容是矩阵运算、行列式、内积空间、向量空间、投影、特征值和特征向量、正定矩阵等等（线性变换属于进阶内容，基础统计暂时不需要）。&/p&&p&优点：覆盖面广，难度适中，通俗易懂。&/p&&p&缺点：证明比较薄弱，可以说基本上都不严谨。希望学习严谨的线性代数可以看看国内的高等代数教材（比如北大、中科大的教材）。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&3. 初级概率论&br&&/p&&p&（1）入门可以看Ross的a first course in probability，讲述非常清晰直观，例子非常的多。重点需要掌握离散变量和连续变量的性质，概率密度函数变换等等知识，以及多多练习计算积分的小技巧，可以很大的提高微积分的计算能力。&/p&&p&（2）最最推崇的一本书是钟开莱大师的《初级概率论》。章节的排版和一般的概率论书籍非常不同，让人焕然一新。大师的作品语言幽默并且深入浅出又不失严谨，绝对可以把你对概率论的理解提升一个档次。可以和Ross那本书一起看。&/p&&p&（3）此外，个人也推荐MIT的Introduction to probability。这本教材难度偏大（看完前两本书，再看这本就没难度了），前半部分的概率论讲得很精彩，深入浅出，配合题目可以加深理解。后半部分的随机过程和统计讲得偏难，可以跳过。&/p&&p&无论看哪一本书，都一定要把基础的概念搞清楚，比如什么是random variable，什么是sample space，不要被简单的计算迷惑住，学到后期，很多人都会因为概念混淆而手忙脚乱。&/p&&p&（4）注意，没有接触过数学分析和实分析的同学，关于概率论的学习就在这里止步了。进阶的概率论需要测度论的知识，并不适合初期学习。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&4. 初等统计&/p&&p&强力推荐Introduction to Mathematical Statistics and Its Applications， RJ Larsen，这本是华盛顿大学的本科统计教材，三个学期的量基本上深入浅出的cover了所有统计入门知识。并且理论证明十分充足，适合各个阶段的同学。&/p&&p&同类的introduction的教材本人看过2-3本，比如Wackerly，讲得太浅或者不明不白，就像在无逻辑的堆叠事实，实在不喜欢。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&以上就是所有必要的数学基础课。此外个人还建议希望申请到名校的小伙伴额外学习（按照这个顺序，学的越多越好）：实分析（非常非常非常的重要，但不属于初级数学课的范畴了。有能力的小伙伴一定要修至少一个学期的实分析或实变函数）、离散数学+编程语言（C++，Java，Python等）+数据结构和算法、统计学软件（R、SAS等）、多元统计分析、时间序列分析、常微分方程等等。&/p&&br&&br&&p&三、总结&/p&&p&系统的总结一下教材：&/p&&p&（1）微积分 Calculus-early transcendentals, 7th ed, edwards, penney&/p&&p&（2）线性代数 MIT&/p&&p&（3）概率论 MIT&/p&&p&（4）统计 Introduction to Mathematical Statistics and Its Applications， RJ Larsen&/p&&p&（5）基础分析 &/p&&p&---复旦大学的数学分析（上下两册），陈纪修&/p&&p&---Elementary Analysis：The theory of calculus，KA. Ross&/p&&p&---Introduction to Real Analysis，RG. Bartle，DR. Shetbert&/p&&p&---Principle of Mathematical Analysis&/p&&p&（6）分析进阶&/p&&p&---Fourier Analysis，Stein&/p&&br&&br&&p&附录1、其他数学教材（完善背景）&/p&&p&接下来会不定期补充一下其他数学书的入门教程。本人水平渣渣，推荐的书都很简单，基础一般的不用担心看不懂o(^▽^)o，大神可以忽略。(￣▽￣)&&/p&&p&1. 实分析可以看Stein的Analysis III: Real Analysis（之前提到的普林斯顿大学的四本分析教材的第三本）。Royden的实分析可以当参考书看，并不适合当课本。Rudin的Real and Complex Analysis是实分析的经典，但个人推荐看过其他的实分析教材之后再去看会好一些。复分析在统计学里面的用处不大，没时间的小伙伴可以不看。（说句题外话，个人觉得复分析是个非常优美的学科，感觉一切都是很理想的讨论。当时学复分析的时候，我被从柯西留数定理开始的无数个定理震惊到了。同样，教材推荐Analysis II: Complex Analysis, Stein，内容很丰富而且难度不大，当作兴趣阅读完全没问题。）&/p&&p&2. 离散数学很杂，感觉每个领域都学一点。个人认为没必要单独学习。但是有一本公认的好教材（作者是Rosen），可以买一本放书架上参考。编程的教材暂时不推荐，本人是编程渣渣。。。&/p&&p&3. 常微分方程推荐用edwards和penney的Elementary Differential Equations，这本是MIT的教材，网络上也有公开课。教授是MIT前任的系主任，讲课非常生动形象；偏微分方程推荐PDEs and Boundary Value Problems with Fourier Series，感觉这本就是一本物理书，喜欢微积分的小伙伴一定会很喜欢这本书（尤其是最后的量子物理）。同样和ODE的教材一样讲得非常清晰。&/p&&br&&br&&p&附录2、Umich教材&/p&&p&最后慢慢更新一下我读研究生时正在用的教材（有些教材是教授推荐的），都是一些很经典的课本，有兴趣的小伙伴可以开始看咯o(^▽^)o！&/p&&p&&b&(1)
&/b&&b&Fundamentals of biostatistics,
7&/b&&b&th &/b&&b&ed., Bernard Rosner &/b&&/p&&p&&b&---复习基础，建议快速扫一遍，以后可以拿这本书当字典查（仅限初级阶段）。&/b&&/p&&br&&p&&b&(2)
&/b&&b&A first course in
probability, 8&/b&&b&th &/b&&b&ed., Sheldon Ross &/b&&/p&&p&&b&---Ross的几本书都很赞，这本可以拿来快速复习概率论&/b&&/p&&br&&p&&b&(3)
&/b&&b&Elementary probability, 4&/b&&b&th &/b&&b&ed., Kai Lai Chung &/b&&/p&&p&&b&---钟开莱可以说是概率宗师，他的名气大的不需要我介绍了。宗师级别的人物写出来的入门的概率书都与众不同，他绝对是将概率用一种以一种最自然的方式展示给大家了。他的另一本《概率论教程》需要测度论知识，大家学完实分析和测度论之后可以去看。&/b&&/p&&br&&p&&b&(4)
&/b&&b&Statistical inference, 2&/b&&b&nd &/b&&b&ed., Casella, Berger &/b&&/p&&p&&b&---神书，讲的是概率统计的内容，但是比入门教程深很多。ch1-10很精彩，难度也很大&/b&&/p&&br&&p&&b&(5) &/b&&b&Introduction to linear
regression analysis, 5&/b&&b&th &/b&&b&ed., Montgomery, Peck, Vining &/b&&/p&&p&&b&---经典的回归分析教材，入门或进阶都不错。最精彩的是他把热门和冷门的应用全都讲出来了，非常详细。&/b&&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&本文会不定期更新，修改一些细节以及增添一些推荐的课本（本人还在努力阅读探索，所以更新会比较缓慢）。最后希望生统的小伙伴申请顺利，学业有成！&/p&
目录一、内容摘要 二、初级专业课 三、总结附录1、其他数学教材（完善背景）附录2、Umich教材和课程 ------------------------------------------------------------------------------------------------------------------------------------…
谢邀。先简单谈一谈我理解的biophysics这个学科，狭义的讲，主要是结合物理实验和生物实验的手段，在一定物理理论的指导下，研究生物现象中的&b&结构&/b&和&b&力学&/b&。&br&&br&学习材料，在墙外的话，我个人推荐看iBiology上的seminar，学习效率应该是最高的。我个人更喜欢看paper而不是读教科书，实在没读过基本biophysics的教科书，推荐不了。。&br&&blockquote&虽然有人推荐了biological physics之类的课本去读，但是里面很多知识都不是很读得懂&br&&/blockquote&Biophysics中大部分研究是对生物大分子的物理学特征进行研究，因此生物大分子的结构组成是必须知识。这部分知识在传统上实际上是归于生物化学的，如果了解不多，iBiology有专门的系统课程：&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioeducation/exploring-biology/biochemistry.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Biochemistry&/a&&br&除此之外，要有一些非常基本的物理学知识，牛顿力学就差不多够了。这些内容的经典教程就太多了，这里就不再推荐了。&br&&br&有一定的基本知识之后就可以看一看生物物理学都在研究些什么。iBiology上有很多生物物理topic的seminars和courses，我这里给一个推荐的清单：&br&研究对象&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/anna-marie-pyle-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RNA Structure: Anna Marie Pyle&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/susan-taylor-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Protein K Structure, Function, and Regulation&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/ron-vale-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Molecular Motor Proteins: Ron Vale&/a&&br&方法技术&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/carlos-bustamante-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Single Molecule Manipulation in Biochemistry&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/xiaowei-zhuang-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Super-Resolution Fluorescence Microscopy: Xiaowei Zhuang&/a&&br&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/developing-single-molecule-technologies-study-nanomachines.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Developing Single Molecule Technologies to Study Nanomachines&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/nevan-krogan-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mass Spectrometry and its Application to Molecular Biology&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/eva-nogales-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Introduction to Electron Microscopy&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/kurt-thorn-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Optical Sectioning and Confocal Microscopy&/a&&br&&br&最后是宏观系统中的一些生物物理研究，但是感觉并不算是biophysics的主流。&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/biophysics-chemical-biology/howard-berg-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Marvels of Bacterial Behavior&/a&&br&&br&我现在的工作范围虽然也是物理和生物的交叉，但是我不认为自己是做biophysics的，别人也一般不这么看。物理和生物交叉的地方很多，有一大类是用物理的理论手段去解决生物问题，比如我在MIT时候做微生物的生态和种群动态，理论部分就完全是动力系统，但是研究客体和实验手段还是生物的。这种情况下会称为Physical Biology，Physics in living systems什么的，差异还是很大的。
谢邀。先简单谈一谈我理解的biophysics这个学科，狭义的讲，主要是结合物理实验和生物实验的手段，在一定物理理论的指导下，研究生物现象中的结构和力学。 学习材料，在墙外的话，我个人推荐看iBiology上的seminar，学习效率应该是最高的。我个人更喜欢看pa…
谢邀。&br&&br&其实把 &a data-hash=&53fd62e8efcae9cbbf63b& href=&//www.zhihu.com/people/53fd62e8efcae9cbbf63b& class=&member_mention& data-editable=&true& data-title=&@Li Xiaohan& data-tip=&p$b$53fd62e8efcae9cbbf63b& data-hovercard=&p$b$53fd62e8efcae9cbbf63b&&@Li Xiaohan&/a&和 &a data-hash=&d326a946ee663dc153c85& href=&//www.zhihu.com/people/d326a946ee663dc153c85& class=&member_mention& data-editable=&true& data-title=&@赵永峰& data-tip=&p$b$d326a946ee663dc153c85& data-hovercard=&p$b$d326a946ee663dc153c85&&@赵永峰&/a&两位的答案综合起来也就差不多了。生物学的范围也很广，如果什么都从头看一遍那要花费的时间实在太多，看的时候可以稍稍有点目的性，一开始就看英文书可能也比较难，可以找有中文译本的对着看，甚至可以从科普书入手。因此我首先推荐介绍20世纪分子生物学革命的一本科普书《创世纪的第八天》，这本书对于建立最起码的生物学概念是非常有帮助的。&br&&br&然后是一些教材：&br&&br&&ul&&li&Philip Nelson 的 Biological Physics: Energy, Information, Life 这本的中文翻译版叫《生物信息学：能量信息生命》，这个非常简单，比较适合休闲的时候看着玩。&br&&/li&&li&Rob Phillips, Jane Kondev, Julie Theriot 的 Physical Biology of the Cell，这本的中文翻译版叫《细胞的物理生物学》，这个应该比较适合物理背景的人来读，里面的习题也很有意思。&br&&/li&&li&如果是做蛋白质方向，Alexei V. Finkelstein 和 Oleg Ptitsyn 的 Protein Physics: A Course of Lectures 也是很值得看看的，这个相对前面提到的书要更难一些，这个书有两个中文译本，一个叫《蛋白质物理学概论》，一个叫《蛋白质物理》，其实内容是一样的。如果觉得这个太难了，还有一本 Gregory A.Petsko 和 Dagmar Ringe 的 Proteins Structure and Function 可以用作入门，这本书的图非常多，中文翻译版叫《蛋白质结构与功能入门》。&br&&/li&&li&结构生物学方面，近年还翻译了一本 Anders Liljas 等人写的 Textbook of Structural Biology，中文版叫《结构生物学：从原子到生命》，这本书的推荐阵容很强大。&/li&&li&如果是做系统生物学方向，Uri Alon 的 An Introduction to Systems Biology 确实是可以看看的，这个的中文翻译版叫《系统生物学导论：生物回路的设计原理》，不过这个我也一直没有看完过。&/li&&/ul&如果只是想系统的补充一下生物学的背景，那么可以直接去找相关的书来读，只是要先知道，「分子生物学」主要讲的内容是中心法则，真的对分子的结构和性质有兴趣的应该读「生物化学」或者「结构生物学」。如果觉得自己的生物学背景太差，可以跟着一些在线课程来学习，例如我非常推荐的：&a href=&//link.zhihu.com/?target=http%3A//ocw.nthu.edu.tw/ocw/index.php%3Fpage%3Dcourse%26cid%3D16%26& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&國立清華大學開放式課程生命科学一&/a& 和 &a href=&//link.zhihu.com/?target=http%3A//ocw.nthu.edu.tw/ocw/index.php%3Fpage%3Dcourse%26cid%3D17%26& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生命科学二&/a&。这个课程用的教科书是 Campbell 的 Biology，比较接近国内的陈阅增。其它更难一些的书籍无非是其他人已经提到过的生化方面的 Lehninger，分子生物学方面的 Watson，或者 Robert Weaver，又或者 GENE 系列。我个人比较喜欢 Watson 那本 Molecular Biology of the Gene，中文翻译叫《基因的分子生物学》。&br&&br&当然，还有一些其它资料值得参考的，例如一些好的 Review，甚至某些你自己有兴趣的国外研究组的主页等等，又比如：&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//press.princeton.edu/titles/9911.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bialek, W.: Biophysics: Searching for Principles.&/a&，这本书一个未完成版的书稿在作者本人的主页上可以下载到：&a href=&//link.zhihu.com/?target=http%3A//www.princeton.edu/%7Ewbialek/PHY562/WB_biophysics110918.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&princeton.edu/~wbialek/&/span&&span class=&invisible&&PHY562/WB_biophysics110918.pdf&/span&&span class=&ellipsis&&&/span&&/a&&/li&&/ul&&br&以后我还会慢慢补充。
谢邀。 其实把 和 两位的答案综合起来也就差不多了。生物学的范围也很广，如果什么都从头看一遍那要花费的时间实在太多，看的时候可以稍稍有点目的性，一开始就看英文书可能也比较难，可以找有中文译本的对着看，甚至可以从科普书入手。…
《生物物理学：能量、信息、生命》是一本深入浅出的好书。而且中文版还挺好的。然而我毕竟没有看完。——没有看完的经验是， 尽量第一遍看的时候不要太较真，要不你也看不完。阅读学习也是需要有重点的，九浅一深的：别每个topic都想 dig in，最后会成为一无所成的大*友*善*度*。&br&&br&&a href=&//link.zhihu.com/?target=http%3A//blog.sciencenet.cn/home.php%3Fmod%3Dspace%26uid%3D3468%26do%3Dblog%26id%3D231126& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&科学网—谈谈有关生物物理方面的书 (1)&/a&&br&&a href=&//link.zhihu.com/?target=http%3A//blog.sciencenet.cn/blog-.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&科学网—谈谈有关生物物理方面的书 (2)&/a&&br&这里有逼格较高的书单，建议按照自己的水平和接受度以及精力时间有选择的看。我也高度怀疑作者是物理出身。所以看不懂也不要担心，再换一本就好。反正这里面除了《生物物理学：能量、信息、生命》和《费恩曼物理学讲义》的中文版，别的我可能一眼都没看过。&br&&br&另外的忠告：好好学数学。至于数学怎么学，有哪些书和课程比较适合学习理解，别的问题底下有。&br&&br&赞同楼上的，先实践看看再谈看什么书什么文章也来得及。而且那样更有的放矢。生物物理这个大类其实挺交叉的，具体不同课题所需要的不同背景知识甚至没法预估。我研一看的文献可谓左冲右突，跨越医学、药学、纳米科学、流体力学、热力学、高分子化学……最后几乎啥都没用上，就练成了多少生词都不怕的“硬着头皮看下去”神功。你需要跟随具体的课题，去调整自己的知识结构。当然，如果与此同时，数学物理生物的基础都打得非常好，科研的道路应该会越走越广阔吧。可是要想达到这个的话，恐怕就甭想有丰富多彩的课余生活了，你就保持除了吃饭睡觉剩下的时间都学习的状态吧。
《生物物理学：能量、信息、生命》是一本深入浅出的好书。而且中文版还挺好的。然而我毕竟没有看完。——没有看完的经验是， 尽量第一遍看的时候不要太较真，要不你也看不完。阅读学习也是需要有重点的，九浅一深的：别每个topic都想 dig in，最后会成为一…
&b&生信相关的博客： &/b&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bio-info-trainee.com/& target=&_blank& rel=&nofollow noreferrer&&生信菜鸟团&/a&
上大学之后，我上网找资料时发现的第一个博客就是&b&生信菜鸟团&/b&，里面包罗万象，涵盖很多方面（初次发现时，就感觉自己进入了新的天地）&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.iwhgao.com/& target=&_blank& rel=&nofollow noreferrer&&rabbit gao's blog&/a&
我超喜欢这个师兄的博客里面的笔记，很直观，尤其是python那部分。他是以代码的形式展示内容。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//shemy.site/& target=&_blank& rel=&nofollow noreferrer&&沈梦圆博客&/a& 梦圆师姐，和我一样喜欢用熊猫头像，她的博客也是刚刚建立不长时间。师姐的文笔很赞，看里面博文相信对你有帮助的。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.zilhua.com/& target=&_blank& rel=&nofollow noreferrer&&生信日志|鸣一道&/a& 鸣一道师兄的博客我比较喜欢的是Ｒ做图那一块&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.plob.org/& target=&_blank& rel=&nofollow noreferrer&&plob&/a& 这个我比较少看，不过内容也不错，我后续再写上这个博客的描述。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.chenlianfu.com/& target=&_blank& rel=&nofollow noreferrer&&陈连福博客&/a& 听说连福老师有开培训班，实力自然也不差。&br&&/li&&/ul&&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//blog.qiubio.com%3A8080/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&糗世界 ← 欢迎来到糗糗的世界&/a&
糗世界主要包括：序列比对与NGS
R/bioconductor
circos教程，其中糗世界关于R和bioconductor以及NGS的归纳总结特别详尽&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/& target=&_blank& rel=&nofollow noreferrer&&生信客部落&/a&&b&生信客部落&/b& 是我自己的博客，刚建不久（建的），我目前在准备考研，打理的时间不多。但相信是一只潜力股，有提升的空间。也欢迎博友们交换 &友情链接&.&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//tiramisutes.github.io/& target=&_blank& rel=&nofollow noreferrer&&hope博客&/a&
hope 他（她）有一篇关于生物信息学在线工具的总结，我特别喜欢&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.howsci.com/& target=&_blank& rel=&nofollow noreferrer&&科研动力&/a& “endnote使用宝典”，专注写endnote相关的内容。（注：endnote 是文献管理的软件，插入引用文献的神器）&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//blog.biochen.com/& target=&_blank& rel=&nofollow noreferrer&&biochen生物&/a&
伯臣生物里也蛮多归纳整理的&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.tanboyu.com/& target=&_blank& rel=&nofollow noreferrer&&Bob's Blog&/a&
bob这位兄弟的博客我接触不多，我后续补上描述.&/li&&/ul&&br&&b&论坛（包括生信论坛和其他一些相关的网站）：&/b&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.biotrainee.com/forum.php& target=&_blank& rel=&nofollow noreferrer&&生信技能树&/a&&b&生信技能树&/b&前面那个师兄有详细描述过。我也亲眼见证了它从无到有的过程，看着生信技能树感觉特别亲切，感觉就像自家的孩子一样。我自己由于准备考研和书写毕业论文的事情，在生信技能树建设的参与度不高。总之，好喜欢......&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bioxxx.cn/forum.php& target=&_blank& rel=&nofollow noreferrer&&生物信息学天空&/a&
内容超全的一个生信论坛&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.dxy.cn/bbs/board/73& target=&_blank& rel=&nofollow noreferrer&&丁香园（生信板块）&/a& 丁香园，就不解释了，一个国内最成功的论坛之一。医学生基本都知道的一个论坛。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//muchong.com/& target=&_blank& rel=&nofollow noreferrer&&小木虫&/a&
小木虫，里面蛮多资源的，也是国内最成功的论坛之一&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.biostatistic.net/forum.php& target=&_blank& rel=&nofollow noreferrer&&生物统计家园&/a& 描述待输入...&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.gene-seq.com/bbs/forum.php& target=&_blank& rel=&nofollow noreferrer&&基因堂&/a& 描述待输入&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.biostars.org/& target=&_blank& rel=&nofollow noreferrer&&biostars&/a& 这是一个生信问答网站&/li&&/ul&&br&&b&生信刷题网站&/b&&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//rosalind.info/about/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ROSALIND | About&/a& 这个是一个生物信息的刷题网站，超多实战题（纯英文，既提高英语水平，又训练了自己的实战能力，何乐而不为）。实战走起......&br&&/li&&/ul&&b&生物信息学在线工具网站&/b&&br&&ul&&li&生信客部落 &a href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/%3Fp%3D95& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生物信息工具整合(包含在线工具与离线工具)–更新中&/a& 这里面包含了一些生物信息学可视化工具，包含在线的工具和一些离线的可视化工具，由于目前个人水平有限，所以还有待继续完善&br&&/li&&/ul&
哈哈，把自己收藏的生信博客论坛网站都搬到这了，好开心。当然大家如果有其他不错的博客论坛网站，欢迎在评论区里推荐哦，我把它更新到本文中。&br&本文相关链接： 生信客部落 &a href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/%3Fp%3D149& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生物信息学博客与论坛推荐 | 生信客部落&/a&
生信相关的博客：
上大学之后，我上网找资料时发现的第一个博客就是生信菜鸟团，里面包罗万象，涵盖很多方面（初次发现时，就感觉自己进入了新的天地）
我超喜欢这个师兄的博客里面的笔记，很直观，尤其是python那部分。他是…
&p&Apr 1st 2018 &/p&&p&先前知识漏洞千疮百孔，写论文时不得不重温，再挖，乃至新学很多。相比书本，教材，网络资源深度参差不齐，信赖度不一。然而基于我个人的经验，在我做完全不同的研究，寻查找优质资源的过程中，多次殊途同归，converge 到以下这个地方。来自 Princeton:&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//data.princeton.edu/wws509/notes/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&WWS 509&/a&&/p&&p&框架性的重要统计知识，无论理论应用均令我受益匪浅。&/p&&p&&br&&/p&&p&我之前写的都是嘛啊&/p&&p&&br&&/p&&p&&There is no point in correcting your mistake, because without your mistake you erase yourself.&&/p&&p&- Louis C.K., interview from The late show with Stephen Colbert &/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&Ⅱ+Ⅰ
06 / 03. 2016 &br&Cold Open.&br&这一次编辑距上一次过去了半年。 在读博士。&br&回顾了之前的内容，大多介绍和评价语气绝对，这次将对其进行擦拭和布置。 抛砖引玉，挂一漏万，请大家批评指正。&/p&&p&Live from New York, it's Satur... wait, no.&/p&&p&&b&1. Agresti, Alan, and Maria Kateri. &i&Categorical data analysis&/i&. Springer Berlin Heidelberg, 2011.&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/50/00bbb1e994cbb35eb21b4b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&568& data-rawheight=&109& class=&origin_image zh-lightbox-thumb& width=&568& data-original=&https://pic2.zhimg.com/50/00bbb1e994cbb35eb21b4b_r.jpg&&&/figure&&p&经典墨绿款：&/p&&figure&&img src=&https://pic3.zhimg.com/50/1eeb347b796b4aea10ab7d3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&249& data-rawheight=&400& class=&content_image& width=&249&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&科幻唯美风：&/p&&figure&&img src=&https://pic2.zhimg.com/50/d60eaaa972ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&300& data-rawheight=&455& class=&content_image& width=&300&&&/figure&&p&&br&&/p&&p&同
The Elements of Statistical Learning: Data Mining, Inference, and Prediction 一样，这本书作者提供了获取其PDF的链接。&br&&a href=&//link.zhihu.com/?target=http%3A//down.cenet.org.cn/upfile/28/135.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&down.cenet.org.cn/upfil&/span&&span class=&invisible&&e/28/135.pdf&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&为什么 categorical analysis 重要？我的想法是，&br&通过调查问卷收集的数据往往是 categorical 的，&br&而收集数据的主要方式恰恰就是调查问卷。&/p&&p&&br&&/p&&p&Ⅱ&br&答这道题后一段时间过去了，已经毕业。&/p&&p&我又多读了一些书，接触到了新的资源，有了一些新的认识和体会。在此把让我印象深刻资源继续推荐给大家。&/p&&p&感谢所有点赞，感谢，收藏，分享的朋友。I'm constantly reminded by the statistics.&/p&&p&( What does that even mean??)&/p&&p&&b&3. Statistical Computing with R (Chapman & Hall/CRC The R Series)&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/Statistical-Computing-Chapman-Hall-Series/dp/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&amazon.com/Statistical-&/span&&span class=&invisible&&Computing-Chapman-Hall-Series/dp/&/span&&span class=&ellipsis&&&/span&&/a&&/p&&figure&&img src=&https://pic3.zhimg.com/50/5f6a2dca09091bafd9fccc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&346& class=&content_image& width=&228&&&/figure&&p&&br&&/p&&p&相比同类书籍，这本书名气不大。它与大多数R Guide（比如 “R in a nutshell” ) 有所区别。如它序言所说，这本书是统计计算／计算统计的入门介绍. ( &This book is an introduction to statistical computing and computational statistics.&) 简单来说，很多实用的计算统计方法贯穿本书，比如Methods for generating random variables, Monte Carlo Methods, Bootstrap and Jackknife, Markov Chain Monte Carlo Methods 以及其他的 Numerical Methods. 统计理论和对应的例子和R代码非常清晰直观。如果你对这些计算统计方法感兴趣，我相信你会发现它们非常有趣，有用。&/p&&p&这本书帮了我很多，我希望它也会帮到你。&/p&&p&&br&&/p&&p&&b&5. EdX 的公开课， MIT出品的 The Analytics Edge.&/b& &a href=&//link.zhihu.com/?target=https%3A//courses.edx.org/courses/course-v1%3AMITx%2B15.071x_2a%2B2T2015/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&15.071x Course Info&/a&&/p&&p&这门课让我做了两件事：1.决心要申请更好的学校收到更美好的教育。( 后来并没达成，所以..) 2.决定花费100$去获得这门课的认证学位。&/p&&p&美好的事物到一定程度用语言形容就显得笨拙，词不达意。就像我不会试图靠描述让他人了解Monument Valley是个怎样美好的游戏作品。&/p&&p&&b&另外， 你是否听说过 Kaggle Competition？&/b&&a href=&//link.zhihu.com/?target=https%3A//www.kaggle.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kaggle: The Home of Data Science&/a&&/p&&p&&br&&/p&&p&$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$&br&Ⅰ&br&我是生物统计在读研究生，即将毕业，我根据我暂时的见识谈谈我的推荐。&/p&&p&&b&1. The Elements of Statistical Learning: Data Mining, Inference, and Prediction&/b&&/p&&p&by &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_1%3Fie%3DUTF8%26field-author%3DTrevor%2BHastie%26search-alias%3Dbooks%26text%3DTrevor%2BHastie%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Trevor Hastie&/a& (Author), &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_2%3Fie%3DUTF8%26field-author%3DRobert%2BTibshirani%26search-alias%3Dbooks%26text%3DRobert%2BTibshirani%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Robert Tibshirani&/a& (Author), &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_3%3Fie%3DUTF8%26field-author%3DJerome%2BFriedman%26search-alias%3Dbooks%26text%3DJerome%2BFriedman%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Jerome Friedman&/a& (Author)&/p&&figure&&img src=&https://pic2.zhimg.com/50/b829b01fbc86e894891bcc0e98d82f45_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&322& data-rawheight=&500& class=&content_image& width=&322&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&作者是斯坦福的三位学者。&br&斯坦福官方}
- PubMed - NCBI
The NCBI web site requires JavaScript to function.
FormatSummarySummary (text)AbstractAbstract (text)MEDLINEXMLPMID ListChoose DestinationFileClipboardCollectionsE-mailOrderMy BibliographyCitation managerFormatSummary (text)Abstract (text)MEDLINEXMLPMID ListCSVCreate File1 selected item: 8786105FormatSummarySummary (text)AbstractAbstract (text)MEDLINEXMLPMID ListMeSH and Other DataE-mailSubjectAdditional textE-mailAdd to ClipboardAdd to CollectionsOrder articlesAdd to My BibliographyGenerate a file for use with external citation management software.Create File
1996 Feb 15;32(1):144-7.Structure of the human CD97 gene: exon shuffling has generated a new type of seven-span transmembrane molecule related to the secretin receptor superfamily.1, , .1Central Laboratory of the Netherlands Red Cross Blood Transfusion Service and Laboratory for Experimental and Clinical Immunology, University of Amsterdam, The Netherlands.AbstractRecent cDNA cloning of EMR1 and CD97 suggests the existence of a new group of seven-span transmembrane (7-TM) molecules, likely encoded by a gene cluster on the short arm of chromosome 19. The membrane-spanning region of both molecules is homologous to the secretin receptor (SecR) superfamily, a group of receptors with specificity for mammalian and insect peptide hormones. Unlike members of the SecR superfamily known thus far, EMR1 and CD97 have extended extracellular regions that possess several EGF domains at the N-terminus. We herein describe the organization of the human CD97 gene, which consists of 18 exons expanding approximately 12 kb of DNA. Identical exon-intron positions in the transmembrane region indicate that the CD97 gene has evolved from an ancestral gene of the SecR superfamily. Remarkably, exons encoding the 300 amino acids by which CD97 extends the extracellular part from other members of the SecR group are preferentially separated by introns in phase 1. All three EGF domains are encoded by symmetrical class 1-1 exons, suggesting that exon shuffling to the upstream region of a precursor gene from the SecR superfamily has generated this new type of 7-TM receptor.PMID: 8786105
[Indexed for MEDLINE] Publication typeMeSH termsSubstancesSecondary source IDFull Text SourcesOther Literature SourcesMiscellaneous
Supplemental Content
External link. Please review our .&figure&&img src=&https://pic3.zhimg.com/v2-d1a79c9a84_b.jpg& data-rawwidth=&620& data-rawheight=&485& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&https://pic3.zhimg.com/v2-d1a79c9a84_r.jpg&&&/figure&&blockquote&作者： 国内top5大学生物信息学本科，德国萨尔大学生物信息学硕士，海德堡大学/德国国家癌症研究中心(DKFZ)博士在读。曾在中国科学院计算生物研究所、德国马克斯普朗克研究中心(MPG)和德国多模式计算和交互设计精英集群(MMCI)等顶尖科研院所实习。了解各专业不同学位德国留学DIY流程。关键词：生物信息学，计算机，大数据分析， 德国留学申请&br&欢迎原链接转发，&i&付费转载请前往&/i&&a class=&member_mention& href=&https://www.zhihu.com/people/961e8cc4f7512fda1eae8e& data-hash=&961e8cc4f7512fda1eae8e& data-hovercard=&p$b$961e8cc4f7512fda1eae8e&&@留德华叫兽&/a& &i&的主页获取信息，侵权必究。&/i&&br&如果你杜绝留学中介，决心DIY申请，欢迎加入&b&全球DIY留学申请qq群：&/b&&br&敬请关注&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[飞跃计划]DIY全球留学申请、生活 - 知乎专栏&/a&以及相关的&a href=&https://www.zhihu.com/lives/users/961e8cc4f7512fda1eae8e& class=&internal&&知乎 Live&/a&，解锁更多DIY申请技能。&br&需要私人咨询，请知乎私信叫兽小助手&a class=&member_mention& href=&https://www.zhihu.com/people/e35c3e50dc15aaf7c375c& data-hash=&e35c3e50dc15aaf7c375c& data-hovercard=&p$b$e35c3e50dc15aaf7c375c&&@加菲Gaphy&/a& ，注明：007号咨询师。&/blockquote&&p&与其花几万元找&b&不靠谱的中介&/b&，不如预约&a class=&member_mention& href=&https://www.zhihu.com/people/961e8cc4f7512fda1eae8e& data-hash=&961e8cc4f7512fda1eae8e& data-hovercard=&p$b$961e8cc4f7512fda1eae8e&&@留德华叫兽&/a&及旗下众多【DIY咨询师】的私人咨询，&b&手把手教你怎么DIY&/b&，将未来掌握在自己手中。&/p&&p&大家好，我也是【DIY咨询师】，编号007&/p&&p&很高兴能跟大家分享在德国学习生物信息学的经验，希望能够帮助到大家。如果你对从事生物医疗方面的数据分析感兴趣，那么不妨考虑一下，到德国加入本科、硕士或者博士方面的学习。以下是一些常见问题的回答，还有我自己在德国留学的经验。&/p&&p&&br&&/p&&h2&&b&什么是生物信息学？&/b&&/h2&&p&生物信息学简单来说就是用数学和计算机方法解决生物学问题，是一门融汇了生物学、数学、计算机科学和工程学的交叉学科。生物信息学的内容纷繁复杂，概括一下，主要解决两类问题，一类是通过数据分析来验证生物学假设，发展生物学理论；一类是为生物数据分析开发方法和工具。在很多项目中，我们都会应用到生物信息学技术，例如：通过测序数据分析病人情况，预测某些蛋白质的空间结构，比较不同物种之间的亲缘关系，发现新的致病基因，设计新药物并检验疗效，收集和存储生物数据等等。随着信息科学，例如机器学习、计算机视觉和数据库科学的普及，生物信息学又有了更多的内涵和更高大上的技术。&/p&&p&&br&&/p&&h2&&b&在德国学习生物信息学需要什么样的条件？&/b&&/h2&&p&准备读本科：如果你对解决生物学问题非常感兴趣，有信心学好数学或计算机，那么你就可以尝试加入生物信息学的大家庭。其他就是语言、aps和国内本科1-3学期的学历了。&/p&&p&准备读硕士：生信本科当然没有问题。拥有生物学、计算机科学、数学和物理学等专业的本科学历，也可以申请德国大学的生物信息硕士。其他就是语言和aps了。&/p&&p&准备读博士：未来的老板已经写在招聘网页上了……&/p&&p&很多&b&生物&/b&本科生可能会厌倦实验室里的生活，但是又不想离开生物学的圈子，那么转行生物信息学可能是一条很好的出路。而对于&b&计算机&/b&、&b&数学&/b&或&b&物理&/b&学科的学生来说，转行生物信息也并不难。&/p&&p&生物信息学的一般知识和技能包括：分子生物学知识、统计学知识、linux操作、编程(python，R，C等)和常见生物信息学软件的使用等。根据不同的兴趣和方向，所需要的知识结构也不尽相同。&/p&&p&&br&&/p&&h2&&b&生物信息学将来的职业道路如何？&/b&&/h2&&p&作为一名生物信息学专业的学生，我对生物信息学的就业前景还是很乐观的。作为交叉学科，生物信息学融汇了很多不同的技能和方向，就像玩rpg游戏一样，选择自己升级加点的路线，对将来找工作的方向也有影响。在就业市场上，生物信息学毕业生的工作选择面非常广，不仅可以继续科研路线，留在学校或研究所中；也可以进军工业界，在生物公司和制药公司中找到不错的职位。此外，咨询业、软件业、互联网行业和数据分析业的就业机会也不少。读博对于生信学生来说是很不错的道路，德国博士头衔不仅仅是一个闪光的title，也是很多高级职位的必须条件。随着测序成本降低以及国家政策的扶持，生物信息学在未来应该会有更大的市场和更多的岗位。&/p&&p&&br&&/p&&h2&&b&为什么要在德国学习？&/b&&/h2&&p&来到德国学习，主要好处有以下几点：1.自然环境和社会秩序良好，生活成本相对较低，留学生每年自保金欧即可维持不错的生活水准；绝大多数高校本科硕士免学费；读博士有收入，无需家中开销，甚至可略有盈余。2.教育和科研水平高，德国文凭含金量也相对较高。3.毕业后若留德工作，薪水非常不错；若回国则可能享受海归待遇，对创业、就业和落户都有帮助；若以德国作为跳板前往其他欧美国家也较为容易。4.德国的历史、文化、工业、体育等方面都十分出众，留学德国是许多德粉的圆梦之旅……&/p&&p&&br&&/p&&h2&&b&生物信息学如何择校和申请？&/b&&/h2&&p&根据今年DAAD的资料，开设生物信息硕士课程的大学包括：美因茨大学、慕尼黑大学、萨尔布吕肯大学、柏林自由大学、汉堡大学、哈勒大学、波茨坦大学、耶拿大学、法兰克福大学、莱比锡大学、比勒菲尔德大学、吉森大学、蒂宾根大学和维尔道大学等。其中绝大多数学校都同时开设本科课程。每个学校的研究侧重点和学制各有不同，申请之前建议大家仔细阅读一下该校的课程设置和教学计划，结合自身规划选择学校。在绝大多数学校里，生物信息学(也有的学校叫计算生物学或者其他名字的)专业一般都不是数量限制专业(Numerus Clausus)，因此申请的门槛也不是很高，慕尼黑、自由大学之类的学校也不是很难申请，可以多尝试。申请流程很其他专业并无区别，在此不再赘述。&/p&&p&至于申请博士，这两年德国各高等院校招收生信博士的数量相当可观，很多湿实验室也开始招收具有生物信息学背景的学生。博士途径多种多样，可以申请国际博士生项目获得奖学金，也可以申请传统的师徒制博士生并签订工作合同，或者在国内申请国家奖学金然后赴德读博。德国博士学习时间一般是三到五年。申请博士的经验将来我会再写一篇和大家分享。&/p&&p&&br&&/p&&h2&&b&我的经历和见闻&/b&&/h2&&p&我在国内本科就是学生物信息的，可惜当时不懂学习的重要性，毕业成绩一般，没有发过文章，生信技能掌握得也不多，拿得出手的也就perl编程(然而感觉现在用perl的人现在越来越少了……)。毕业以后申请了几所德国大学的生物信息学硕士，拿到了三所大学的录取通知书，包括柏林自由大学、慕尼黑大学和萨尔大学。考虑到前两所学校虽然名气更大，但是德语授课，而我当时还没有过DSH2或德福，只能拿到带条件的Zulassung；而萨尔大学是英语授课，并且与马克思-普朗克研究所关联紧密，还有Thomas Lengauer教授坐镇，因此最后选择了去萨尔大学读硕士。（其实萨尔大学当时还开设带奖学金的硕博连读项目，然而当时忘了报名……）&/p&&p&萨尔大学的生物信息硕士毕业要求是修满足够的计算机类、生信类和生物类课程的学分，完成实习和thesis。根据目前的学制，整个硕士阶段没有必修课，你可以根据自己的兴趣和目标在以上三个框架之下选课；没有必修课意味着什么大家应该懂。 生信硕士和计算机学生一起上计算机课程，这些课程多数是马普所的一线项目负责人和教授开设，其水平不言而喻。这里的生物课程和生信课程相较之下光芒稍显黯淡，不过课程设置相比于我的国内母校还是要合理一些。&/p&&p&整个硕士项目计划毕业时间是两年，部分学生可能会多花一到两个学期毕业。整个硕士阶段没有发表文章的要求，学分够了做完毕设就毕业。但是如果你想发文章也有很多机会。硕士学生可以去马普所的信息学研究所、软件研究所和另一个德国著名研究机构Fraunhofer研究中心实习，也可以去萨尔大学生物系的实验室参加科研项目，如果工作结果出色，很可能获得发表的机会。此外这些实习工作多数都可以签研究志愿者合同(Hiwi)，获取一笔实习工资，可以极大地补贴日常开销。&/p&&p&萨尔大学允许甚至鼓励硕士生去校外机构做毕业论文，这一点对与学生的未来非常有利，它增加了学生和未来雇主交流的机会。我在修完学分后去了海德堡的德国癌症研究所做了半年的实习和半年的毕业论文，并且在提交论文后通过博士生选拔幸运地成为了该研究所的一名博士生。能拿到offer主要是因为在实习和毕设中付出的努力都得到了导师的认可。将来有空我会写一篇德国癌症研究所选拔面试的攻略，希望可以帮助到更多有志于投身癌症研究的朋友。&/p&&p&未来写作计划：&/p&&p&如何在德国学习计算机科学？&/p&&p&德国国家癌症研究中心（DKFZ）博士面试攻略&/p&&p&如何在德国做一个快乐的留学生&/p&&p&&br&&/p&&p&&br&&/p&&p&写在最后：&/p&&p&很高兴你能读到这里，希望你能从我的文字中有所收获。我当过学霸也当过学渣，相信我的经历对多数人都是有参考价值的～无论是有关科研方面的问题，还是其他专业的留德申请和生活方面问题，都欢迎留言交流，更欢迎加入&i&&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[尖峰时刻]DIY全球留学申请、生活飞跃计划&/a&，&/i&获得为你量身定做的个性化留学DIY服务。&/p&&hr&&p&更多海外留学生活、学习、工作资讯，敬请关注&a href=&https://zhuanlan.zhihu.com/diy-liuxue& class=&internal&&[飞跃计划]DIY全球留学申请、生活&/a&及相关的&a href=&https://www.zhihu.com/lives/users/961e8cc4f7512fda1eae8e& class=&internal&&知乎 Live&/a&，以及&/p&&p&海外留学生活、学习、工作深度交流&b&QQ群： &/b&（提供给已经留学海外的朋友交流、分享、交友、解惑）&/p&&p&全球DIY留学申请&b&QQ群：&/b&（提供给还未留学出国的朋友获取DIY留学资讯，分享DIY留学经验）&/p&&p&需要私人咨询，请通过关注下方微信公众号【全球留学DIY飞跃计划】，使用公众号下方按钮“开始咨询”，联系客服选择您想要的&b&咨询师&/b&。&/p&&p&&b&扫描文末的二维码加入公众号，开始飞跃之旅！&/b&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-10c51fb10d98d6ed0076_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&600& data-rawheight=&408& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/v2-10c51fb10d98d6ed0076_r.jpg&&&/figure&
作者： 国内top5大学生物信息学本科，德国萨尔大学生物信息学硕士，海德堡大学/德国国家癌症研究中心(DKFZ)博士在读。曾在中国科学院计算生物研究所、德国马克斯普朗克研究中心(MPG)和德国多模式计算和交互设计精英集群(MMCI)等顶尖科研院所实习。了解各专…
&figure&&img src=&https://pic1.zhimg.com/v2-cbbd884ab7fa_b.jpg& data-rawwidth=&3000& data-rawheight=&2143& class=&origin_image zh-lightbox-thumb& width=&3000& data-original=&https://pic1.zhimg.com/v2-cbbd884ab7fa_r.jpg&&&/figure&&p&前几天在知乎上，我看到了这么一个问题“&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何自学生物信息学？&/a&”，看了一圈回答后，发现很多答主自己也是初学者，可能还在摸索中，回答也并没有真正抓到重点。作为一个过来人，我回答了这个问题，同时我把它同步转到了我的专栏和公众号中。&/p&&h2&&b&什么是生物信息学&/b&&/h2&&p&&b&生物信息学与以往的传统生物学不同，它本身是一个混合体，而且在今天看来它应当还要包含现在的NGS和基因组学&/b&。我认为，它重在数据，因此在这个领域中 &b&比较重要的是数学和计算机&/b&——计算机我指的是：编程能力和算法设计能力。这是我的切身体会，许多生物知识其实可以往后慢慢学，不必一开始花费大量时间补充生物知识。&/p&&p&但生物信息毕竟还是和生物有关，毫无生物知识其实也说不过去。对于初学者来说，想要进入这个领域，&b&我觉得一开始需要重点搞清楚几个基本概念&/b&。比如，什么是基因组，什么是转录组，什么是蛋白组，什么是染色体，什么是基因，什么是染色体重组，什么是进化/演化，什么是表观遗传，什么是变异，变异类型有哪些，NGS技术是什么，测序仪的工作原理是什么，DNA是如何被测出来的等这些东西。因为，&b&你只有真正了解数据是如何来的，才能更好地明白数据该如何处理和分析，以及如何才能有效地挖掘出它背后隐含的生物知识&/b&。&/p&&p&至于 &b&分子生物学中诸多涉及细胞机制机理的知识我觉得在刚开始的时候反而可以缓一缓&/b&。我本来是学物理的，做生物信息可以说是半路出家，但其实没觉得有什么障碍，后来在实际需要的时候慢慢补上即可。推荐大家买本 &b&&a href=&http://link.zhihu.com/?target=https%3A//book.douban.com/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《基因X》&/a&屯着——这是一本有厚度的基因必读书（曾经是《基因8》），作为参考书，平时有空的时候记得多翻翻&/b&。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-c3ed69a4b185cc9bcf75_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&306& data-rawheight=&432& class=&content_image& width=&306&&&/figure&&p&&br&&/p&&p&此外，我觉得尽量避免去看生物信息学导论那类书，很多都太旧了，用处不大是一个方面，关键是还会浪费不少时间。&/p&&h2&&b&好奇心、兴趣和目标&/b&&/h2&&p&这应该是促进我们学习的第一要素。所谓，“知之者不如好之者，好之者不如乐之者”。兴趣的力量是强大的，基本上是你乐于继续下去的动力来源。如果仅是以赚钱为目的的话，那么我觉得还是另择一行吧，有很多其它更适合赚钱的领域。那么话说回来，要培养兴趣的话，我们可以先了解现在整个基因科技行业的发展情况，了解学习这些知识都可以做些什么，能够解决什么问题。然后再定一个目标，完成一个具体的项目，自学最怕没有目的性，在没有他人可以指导的情况下，很容易迷失方向。但如果没条件的话，可以尝试利用现有的数据（比如：千人基因组，GIAB等）复现它们的成果，甚至构建一个分析流程也行，这样子学起来才会比较高效，同时也有利于夯实所学的知识。&/p&&h2&&b&使用Google&/b&&/h2&&p&条件允许的话，请使用Google。在这个信息时代中信息已经足够多了，使用Google至少可以更快让你找到想要的东西，而学习生物信息，我们经常需要找东西。&/p&&p&那么，在有了上面这些基本的认识和目标之后，我们就可以开始了。&/p&&h2&&b&Linux&/b&&/h2&&p&基因数据分析，极度不推荐在Windows下完成，有很多的工具不支持，而且不利于学习，也不利于我们对数据的理解。因此掌握Linux，特别是直接在Terminal中进行数据分析是必须的。&/p&&p&不过，不用太担心，我们不需要成为Linux专家。对于生物信息研究人员来说，只有了解Linux的文件系统结构，能够在Terminal中灵活运用基本的Linux命令就足够了，不过vi需要掌握——我们编写程序时需要用到它。但要 &b&达成这些目标不需要看大部头的Linux书籍&/b&——这个也是我想给所有要学习生物信息的小伙伴们提个醒，这样可以节省很多不必要花的时间，不然等你看完一大本Linux书，恐怕兴趣也都被磨得差不多了，&b&要直奔目标&/b&。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/v2-d8ea6dc6311_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&500& data-rawheight=&254& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic2.zhimg.com/v2-d8ea6dc6311_r.jpg&&&/figure&&p&&br&&/p&&p&我自己使用Linux的时间超过8年，，但是所使用的命令，合起来频度超过99%的竟然不超过20条！基本上就是在接触生信的第一天学会的，而对于聪明如你们的人来说，相信一定可以用更短的时间融汇贯通，对于这几个命令我简单列一下（注意都是在Terminal模式下）：&/p&&ul&&li&pwd：列出当前目录的完整路径，明确你在哪；&/li&&li&cd ：跳转到其他目录，两个好用的cd命令，”cd -“ 跳回最近一次的目录，”cd ..” 退回上一层目录；&/li&&li&ls：列出当前目录内容，最好加上 -l -rt 参数，会更加清晰，目的是明确目录下都有什么；&/li&&li&mkdir：创建目录；&/li&&li&rm：删除文件或者目录；&/li&&li&mv：重命名文件或者目录；&/li&&li&cat：打开文本文件，内容输出到屏幕；&/li&&li&less -SN：打开文本文件，这个是查看文本文件更合适的方式；&/li&&li&head -n：查看文件前n行；&/li&&li&tail -n：查看文件尾n行；&/li&&li&wc -l：计算文本文件的行数；&/li&&li&”|“： 管道操作；&/li&&li&grep命令；&/li&&li&awk命令；&/li&&li&sed命令；&/li&&li&sort命令；&/li&&li&du -sh ./: 检查当前目录所占空间大小；&/li&&li&bc -l：启动Terminal下的计算器，可以在这里进行简单的数学运算，输入”quit”就可以退出；&/li&&li&chmod：修改文件或者目录权限；&/li&&/ul&&p&这里推荐看一下”极客学院“中那一篇”&a href=&http://link.zhihu.com/?target=http%3A//wiki.jikexueyuan.com/project/learn-linux-step-by-step/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&一步一步学Linux&/a&“的文章，我觉得那篇博文就足够了。&b&值得你多花些时间研究的是Linux中 “|” 管道命令的妙处&/b&。另外，掌握基本的grep，sed，awk操作。我之所以推荐这三个命令是因为，它们很适合快速进行简单的文本操作，可以让很多工作直接快速地在命令行上完成，而不需要编写程序。比如抽取一个文本文件特定的几列信息、匹配相关信息、修改输出等，用awk实现起来非常简单。上面这些掌握了之后，你再学习如何利用这些命令和相关执行程序组建简单的shell任务流程，到这个阶段，Linux部分基本就OK了。至于如何在Terminal中编译程序或者安装软件包，一般都有教程，按照教程来就可以了，真碰到问题可以多Google。&/p&&h2&&b&至少掌握一门高级编程语言&/b&&/h2&&p&生物信息是一定离不开程序设计的，而且你不能只会R。我建议先学Python（不推荐Perl），它很容易上手——被称为”可执行的伪代码”，社区强大而活跃，碰到问题很容易找到解决办法。而且，支持组学数据分析的工具包也很丰富。还被誉为数据科学第一语言！不但可以进行文本处理，还可以进行统计分析，机器学习，或者作出精美的数据图等等，比起曾经的Perl真的强大很多。&/p&&p&在掌握了Python之后，我推荐的另一门高级语言是C（或者C++），它是难的，我之所以依然觉得有必要，是因为它可以让你具有干大事的能力。&/p&&p&虽然在实际的工作中Python已经足够强大，基本上可以应对项目中的各类大小事宜。但在我看来，如果你希望技术上做得更强，C一定是绕不开的，学会C/C++至少有两个好处：&/p&&ul&&li&让你理解机器的工作原理，理解你的程序是如何运作的。这非常有助于你以后写出更加优秀的代码；&/li&&li&设计高效率的算法模块，往往需要借助C/C++，而且设计出来的模块还可以很方便地包装起来用在Python中。同时，也有很多优秀的组学数据处理包是C/C++写的，比如，SSW、Bamtools和&a href=&http://link.zhihu.com/?target=https%3A//github.com/seqan/seqan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&SeqAn&/a&——这个包很强大——我们可以用它编写比对算法，变异检测算法等。&/li&&/ul&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-059aecaaa10b47_b.jpg& data-size=&normal& data-rawwidth=&1212& data-rawheight=&764& class=&origin_image zh-lightbox-thumb& width=&1212& data-original=&https://pic4.zhimg.com/v2-059aecaaa10b47_r.jpg&&&figcaption&Python如何调用C++&/figcaption&&/figure&&p&另外，我认为R是很容易学的，这里也无意起语言之争，虽然Python比R好。只要你有兴趣，在有了上面的基础之后，可以在很短的时间内学会。&/p&&p&Python教程很多！我这里推荐一下gitbook上的这个&a href=&http://link.zhihu.com/?target=https%3A//www.gitbook.com/book/lenkimo/byte-of-python-chinese-edition/details& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《简明Python教程》&/a&。另外，&a href=&http://link.zhihu.com/?target=https%3A//www.liaoxuefeng.com/wiki/958fa6d3a2e542c000& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&廖雪峰的Python教程&/a&也不错。&/p&&h2&&b&掌握常用的组学数据分析软件&/b&&/h2&&p&生物信息的工具众多，不过数据分析过程中常用的工具和软件还是可以列出来的，主要是：bwa，samtools，picard，GATK，bedtools，bcftools，vcftools，FastQC，MultiQC，VEP这些。基本都是在构造如WGS、WES这类分析流程的时候需要被用到的。另外，还有关于GWAS的一系列分析工具等，这些其实可以根据后续的具体项目逐步深入。除了工具之外，基本的数据文件格式也必须认识，比如：Fasta，Fastq，BAM，gff，vcf等，我在下文中推荐的《Bioinformatics Data Skills》这本书里面就系统讲了诸多在基因数据分析过程用到的工具和文件格式解析，值得一读。&/p&&h2&&b&实践&/b&&/h2&&p&“书上得来终觉浅，绝知此事要躬行”。实践是必须的，如果没条件的话可以到&a href=&http://link.zhihu.com/?target=http%3A//rosalind.info/problems/locations/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Rosalind&/a&这个网站上做些训练题，这上面有着很多有意义的生物信息题目，从难到易的都有，涵盖的面也比较广（包括RNA，DNA，蛋白），值得一战。另外要积极寻找到大型基因科技公司（比如华大基因）或者基因研究所实习的机会。&/p&&figure&&img src=&https://pic3.zhimg.com/v2-cb7a3b646_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&882& data-rawheight=&495& class=&origin_image zh-lightbox-thumb& width=&882& data-original=&https://pic3.zhimg.com/v2-cb7a3b646_r.jpg&&&/figure&&h2&&b&构建一个流程，敢于造轮子&/b&&/h2&&p&在掌握了Linux和编程知识之后，建议利用公开的数据构造一个完整的数据分析流程，比如全基因组数据分析流程或者复现一个项目的全过程。现在最好的一个公开数据来自&a href=&http://link.zhihu.com/?target=http%3A//jimb.stanford.edu/giab/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Genome in a bottle（GIAB）&/a&。你可以用这个数据参考GATK的最佳实践或者不久前我写的一个“&b&&a href=&http://link.zhihu.com/?target=http%3A//www.huangshujia.me/tags/WGS/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&从零开始完整学习全基因组数据分析系列&/a&&/b&”的文章，构造一个WGS数据分析流程。需要注意的是，&b&你在构建、复现甚至重造的时候，要尝试去理解各个环节的意义，不要只是机械地将一个分析过程串接起来，因为你的目的是学习，碰到问题时也尽量自己解决，这样才能真正掌握它。&/b&&/p&&h2&&b&数理知识&/b&&/h2&&p&生物信息离不开数学，准确地说是离不开统计学。有太多的数据分析都需要统计学知识的参与，包括常用的假设检验，贝叶斯推断、随机森林，SVM，回归分析，PCA等。因此，在你获得初步的基因数据处理能力之后，更进一步应该去做的就是加强这方面的知识。&/p&&h2&&b&多看优秀的组学算法&/b&&/h2&&p&&b&站在巨人的肩膀上才能看得更远&/b&。生物信息领域有一个比较突出的特点，就是绝大多数的东西都是开源的，因此很多优秀的算法和程序你都能够在github上直接找到，比如，比对软件bwa和后缀树算法，Smith-waterman局部比对算法；基因组组装软件SOAPdenovo2的de Bruijn graph；变异检测GATK、freebayse、Platypus应用到的贝叶斯、最大似然、EM、Pair-HMM和高斯混合模型等；变异注释工具VEP，GWAS的一系列方法等。特别是GATK，它的问写的很优秀，因此值得多泡在它的一系列文档中。通过学习它们的源码，&b&不但可以精进你的编程能力、算法设计能力，更重要的是还能让你深刻理解诸多组学数据分析的奥秘！这会在不知不觉中提升你对基因数据的理解，就如同维纳斯的面纱在你面前一点点被揭开了一样，有种豁然开朗的感觉，你不再觉得那堆东西很神秘了&/b&。&/p&&h2&&b&不要固步自封&/b&&/h2&&p&最后，一定要紧跟前沿。生物信息学以及现在的基因组学领域，知识的更新迭代可谓一日千里，&b&可能半年不留神就会落后，所以平时一定要多看前沿的文章成果&/b&。但那么多杂志应该看哪些呢？&b&我的建议是直接看最顶级的CNNS（Cell，Nature，NEJM，Science）杂志&/b&，如果时间不够用那么更加不必看其它的，原因有三个：&/p&&ul&&li&这些顶级杂志所代表的基本上就是领域的最前沿——也正因此它们才会在CNNS上发表。虽然其它杂志也有可能，但概率低很多，因此不必浪费时间，要看就看最好的；&/li&&li&这些杂志上的文章大多都能给你带来新的视角，能够开阔你的眼界。带来看待问题、解决问题的新思路和新想法，这会有助于你做出创新性的工作；&/li&&li&我认为多看这类文章，也会有更高的概率在这类杂志上发表成果。&/li&&/ul&&p&另外，也可以多看看生物探索、奇点网这些公众号，上面每天都会报道很多关于这个领域的前沿信息，&b&当然也别忘了请一定要多！多！关！注！我！（认真脸）另外，加入一些优质的生物信息交流圈，有机会的话参加一些重要的基因组学会议，千万不要关起门来闷头学，一定要看着外面的世界&/b&。&/p&&h2&&b&书和课程推荐&/b&&/h2&&p&推荐两本基础的基因数据处理书籍，都是基于Python语言的：&/p&&ol&&li&来自OReilly《Bioinformatics Data Skills- Reproducible.and.Robust.Research.with.Open.Source.Tools》主要偏重工具的使用和数据文件的处理，虽然讲的不是很深入，但是作为生物信息初学者的入门书来说还是十分有价值的，2015年出版的，也不算旧。&/li&&/ol&&figure&&img src=&https://pic1.zhimg.com/v2-a29863ef42cbfaf92e536d6fa067a98c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&314& data-rawheight=&412& class=&content_image& width=&314&&&/figure&&p&2. 第二本是《Bioinformatics with Python Cookbook》这一本相比于第一本来说会难一些，它会侧重于一些主题性质的内容，比如群体遗传学，基因大数据等。&/p&&figure&&img src=&https://pic2.zhimg.com/v2-fc2ce7ef6d29f584a0f489_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&248& data-rawheight=&307& class=&content_image& width=&248&&&/figure&&p&这两本书都有pdf电子版。感兴趣的小伙伴可以在公众号后台回复“&b&入门书籍&/b&”这四个字就可以获得了。&/p&&p&最后，再推荐几个在线课程。第一个是Coursera上的一个课程：&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/specializations/genomic-data-science& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&genomic data science&/a&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-def9ac4298eb6bb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1313& data-rawheight=&751& class=&origin_image zh-lightbox-thumb& width=&1313& data-original=&https://pic4.zhimg.com/v2-def9ac4298eb6bb_r.jpg&&&/figure&&p&这是约翰霍普金斯大学组织的一个系列课程，紧扣现在主流的组学数据分析，非常适合于入门学习，是一个精品系列，讲的很好，力荐，但是需要收费，只有7天的免费体验时间。&/p&&p&另外，EMBO上也搞了一个，&a href=&http://link.zhihu.com/?target=https%3A//www.ebi.ac.uk/training/online/course/embo-practical-course-analysis-high-throughput-seq& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&在这里&/a&，不过我认为没有Coursera的系统全面，但它是免费的。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-f4e924e4fb2526aea739db212de0ea50_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1198& data-rawheight=&941& class=&origin_image zh-lightbox-thumb& width=&1198& data-original=&https://pic1.zhimg.com/v2-f4e924e4fb2526aea739db212de0ea50_r.jpg&&&/figure&&p&好了，最后，祝你学习快乐。&/p&&figure&&img src=&https://pic1.zhimg.com/v2-4383698aaec77ff78cfdca97df9f9b5c_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&184& data-rawheight=&183& class=&content_image& width=&184&&&/figure&&hr&&p&&i&如果喜欢更多的生物信息和组学文章，搜索并关注我的微信公众号“&b&解螺旋的矿工&/b&”（ID: helixminer）&/i&&/p&
前几天在知乎上，我看到了这么一个问题“”，看了一圈回答后，发现很多答主自己也是初学者，可能还在摸索中，回答也并没有真正抓到重点。作为一个过来人，我回答了这个问题，同时我把它同步转到了我的专栏和公众号中。什么是生物信息学…
就计算机语言来讲。我最开始学习的计算机语言是Python。如果要我推荐的话，我也会推荐python。这是就编程入手而言。主要是作为第一语言比较直观易学。其实matlab和R也很不错的。Perl没有尝试过不好给意见【改：现在开始学perl，觉得挺不错的，可能比python稍微难学/难看一点，入门也复杂一些，但是速度快，用的也挺广】 &br&&br&对于生物基础非常好的人，我觉得学一点点编程，更重要的是学一点点数学和统计大概会更实用些（如果您的研究里有大量的数据处理和分析之类的话）。但是如果您感兴趣的方面和编程或者数据分析根本无关，为什么要花精力去学呢？ 如果只是想要大致了解，买一本好一些的参考书就可以了。
&br&&br&（因为生物信息学要求对计算机这方面的思维方式有所了解，很多时候可能会讲一些算法什么的，而生物学家很少需要了解那些东西，只需要知道怎么使用就可以了。这里有一些生物信息学的（软）入门课程，有些里面还有视频下载，您要是感兴趣的话可以看看，大致上心理会有数：&a href=&//link.zhihu.com/?target=http%3A//biochemistry.utoronto.ca/undergraduates/courses/BCH441H/wiki/index.php/Main_Page& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&biochemistry.utoronto.ca&/span&&span class=&invisible&&/undergraduates/courses/BCH441H/wiki/index.php/Main_Page&/span&&span class=&ellipsis&&&/span&&/a&）&br&&br&PS 简单了解一下sequence alignment，BLUST的算法，知道那些parameter的真正含义，各种库间的关系，也是不错的投资。
就计算机语言来讲。我最开始学习的计算机语言是Python。如果要我推荐的话，我也会推荐python。这是就编程入手而言。主要是作为第一语言比较直观易学。其实matlab和R也很不错的。Perl没有尝试过不好给意见【改：现在开始学perl，觉得挺不错的，可能比python…
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：&br&&br&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](&a href=&//link.zhihu.com/?target=http%3A//link.springer.com/book/10.-/page/1& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bioinformatics for High Throughput Sequencing&/a&)推荐看一下。&br&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。&br&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：&br&
[homologous](&a href=&//link.zhihu.com/?target=http%3A//www.homolog.us/blogs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Homologus - Frontier in Bioinformatics&/a&) 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&a href=&//link.zhihu.com/?target=http%3A//en.wikipedia.org/wiki/Heng_Li& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Heng Li&/a&都有在这里出现。&br&
[RNA-Seq Blog](&a href=&//link.zhihu.com/?target=http%3A//www.rna-seqblog.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RNA-Seq Blog&/a&) 推荐新的论文、工作、培训课程、大型会议等。&br&&br&如果你是生物背景的，那么计算机方面的知识需要补一下：&br&&br&- 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 :-)&br&- 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](&a href=&//link.zhihu.com/?target=http%3A//popucui.github.io//using-htseq/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&popucui.github.io/2013/&/span&&span class=&invisible&&09/14/using-htseq/&/span&&span class=&ellipsis&&&/span&&/a&), 这时候你知道需要怎么做了？&br&- 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。&br&- 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。
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…
&p&目录&/p&&p&一、内容摘要&br&&/p&&p&二、初级专业课&br&&/p&&p&三、总结&/p&&p&附录1、其他数学教材（完善背景）&/p&&p&附录2、Umich教材和课程&br&&/p&&p&------------------------------------------------------------------------------------------------------------------------------------&/p&&p&日更新，修改了一些不太合理的建议（之前的认识有点局限，如果有误导大家的地方，还请见谅）&/p&&p&------------------------------------------------------------------------------------------------------------------------------------&br&&/p&&p&一、内容摘要&/p&&p&（1）本文讨论了一些适合入门的数学教材，主要针对从其他专业转入Biostatistics的同学。这里的其他专业大多指生物、制药、医学等等数学基础相对薄弱的专业。&/p&&p&（2）如果你本科可以转专业到数学系是最好的，因为你可以接触到许多重要的数学知识（比如统计学里面最重要的实分析）。&/p&&br&&br&&p&二、初级专业课&/p&&p&1. 初等微积分和初等数学分析&/p&&p&（1）微积分是基本上就是概率统计的基石。用什么教材其实并没有硬性要求。个人觉得比较适合入门的教材是Calculus-early transcendentals, 7th ed, edwards, penney。从单变量到多变量到向量微积分基本上都涵盖了。这本书的理论不是很多，大多数都是计算。看这本书主要就是提升一下高等数学的计算能力，重点学好微分、导数、积分、无穷级数、偏导数和多重积分（其他的部分在统计中用处不多，可以以后根据需要再看）。这本书大概是2个学期的内容，自学大约需要3-6个月，主要是多多刷题来理解概念。&/p&&p&（2）数学分析对于读统计的小伙伴来说非常重要，关系到以后对于测度论和实分析的学习。但是初次接触数学分析的同学会觉得许多证明枯燥而且多余，很容易失去耐心跳过很多证明。比如我第一次接触Bolzano-Weierstrass定理、一致收敛或者Cauchy数列的时候，完全不能appreciate到这些概念的用处，于是跳过了许多证明和概念，最后不得不放弃学习。综上，个人的建议是，可以先系统的学习完微积分、线性代数和概率统计之后（也就是出现许多证明不是很懂的时候），再回头学习数学分析，这样十分有针对性，而且会发现每一个定理（不然也不会写成书呀）都非常有用。数学分析的大致脉络是从集合讲起，然后引申到实数轴的完备性，之后开始学习数列、连续、微分、级数和积分。最最重点的部分是数列和级数，其中涉及的定理诸如Bolzano-Weierstrass，uniform convergence，以及lim sup和lim inf的定义，会在以后的高等概率里面大量用到。Riemann积分可以逃过，因为计算在微积分里面学过，理论部分有点过时（以后可以学勒贝格积分，这是目前为止最有用的积分，不过这是后后后话了）。&/p&&p&个人推荐教材的教材都是难度和厚度都适中的课本，尽量避开了像字典一样厚的打消积极性的教材。数学分析入门还是要国内的教材，国外的教材难度两极分化，目前个人还没有发现适合入门并且内容全面的教材。（有人会推荐俄罗斯的教材，但是书太厚了，初学应该是没人看得进去的，尤其是现在的小伙伴都有点急功近利，并没有可以踏下心来啃砖头）此外，题目刷书后的练习题足够了，个人不推荐吉米多维奇的题记，因为重复的题目太大，不是为了准备考试的话，没有必要这么虐待自己。&/p&&p&-----基础等级1：&/p&&p&1-1：复旦大学的数学分析（上下两册），陈纪修&/p&&p&这本书是复旦大学用的教材，网上有授课视频。陈教授讲课非常的详细，跟着视频学习，稍微动一下脑子，应该不会有任何问题。这本书是微积分和数学分析的结合版，基本上复习微积分的同时可以基础到微积分的理论。这套课程还有一个主页，里面有配套的习题答案、考试题目和竞赛题目，总之练习题目非常之多，难度中下，适合自学刷题。下册的多变量分析难度偏大，第一轮看书的时候可以先不看。&/p&&p&优点：上册比较完整的介绍了单变量数学分析的概念，从最基础的集合论讲起，一直到广义积分。其中第二章节和第三章的十大定理互相推理非常精彩，微分部分对于一阶和高阶微分的易混淆点讨论也很细致，其余的部分写得中规中矩。例题非常的多并且好，既可以锻炼计算，又可以训练分析的逻辑。下册的函数项级数、拓扑、多变量分析以及曲线积分写得非常精彩，给实分析打下了很好的基础，一定要重点学习。&/p&&p&缺点：课后题目有的偏简单，有的太注重技巧（放缩法的脑洞太大了啊），还有一些证明不够详细。但对于入门书籍来说已经没什么瑕疵了。&/p&&p&附上复旦大学数学分析的课程主页：&/p&&p&&a href=&http://link.zhihu.com/?target=http%3A//math.fudan.edu.cn/math_anal/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&title&/a&&br&&/p&&p&还有大学生自学网的视频（看起来比主页方便，但是最后几章没有）：&/p&&p&上册 &a href=&http://link.zhihu.com/?target=http%3A//v.dxsbb.com/ligong/468/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数学分析视频教程（上）全集&/a&&br&&/p&&p&下册 &a href=&http://link.zhihu.com/?target=http%3A//v.dxsbb.com/ligong/469/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&数学分析视频教程（下）全集&/a&&br&&/p&&p&1-2：Elementary Analysis：The theory of calculus，KA. Ross&/p&&p&1-3：Introduction to Real Analysis，RG. Bartle，DR. Shetbert&br&&/p&&p&国外的数学分析教材有点简单，可以配合1-1看。1-2是Umich本科教材，非常薄，看完1-1之后应该可以两天刷完这本书当作复习。这本书巧妙地避开了分析里面困难的抽象的部分，也不讨论多变量分析，个人觉得像是1-1和1-3的删节版。非常适合入门，但是因为不讨论的东西太多了，看起来有一点一头雾水。1-3是同学推荐给我的（后来发现umich也用这本书了），最后两章的勒贝格积分和拓扑比较精彩，为实分析打下了很好的基础。前面几章写得一般。同样再刷完1-1之后，看这本书不会有很大的压力。&/p&&p&-----基础等级2：&/p&&p&2-1：Principle of Mathematical Analysis&/p&&p&非常出名的Baby Rudin，虽然是Baby，但是难度很大，许多概念很抽象，自学比较吃力。推荐刷完1本完整的基础数学分析再回来看这本书。这本书告诉了大家广义的数学分析（在度量空间上的分析），大多数定理都是在拓扑的基础上讨论的，许多内容用基础的分析（也就是欧几里得空间的分析理解起来都比较困难）。这本书可以补充基础等级的书籍没有讨论的拓扑学。前七章可以说是最精彩最经典的部分了，一定要反复揣摩。学完这本书的前七章，数学分析基本上算是入门了。&/p&&p&顺带提一句，在台湾国立交通大学的官网上有网课，专门讲这本书的前九章，讲师是白启光教授，视频非常具有启发性，算是Rudin教材的补充。&/p&&p&优点：讨论了metric spaces的分析，而不是仅仅局限在Euclidean spaces，可以加深对数学分析概念的理解。课本语言非常简练，证明出自原创并且非常简短（Rudin希望避开分类讨论，尽量用one for all的观念证明定理，十分难得。可以参加他证明的洛必达法则，和其他课本的证明非常不同）。&/p&&p&2-2：Fourier Analysis，Stein&/p&&p&普林斯顿大学的四个学期的进阶分析教材的第一本，学过数学分析就可以看。把傅里叶分析当作进阶分析的第一本教材的确非常明智，为之后的实分析和泛函分析打下了很好的基础。（第二本是复分析，第三本是实分析，第四本是泛函分析和概率，无论是哪本书，傅里叶分析的思想都贯穿全书。）&/p&&p&优点：另一位调和分析的大师之作，一定要拜读。内容十分丰富，比国内的教材广度要广很多，可以为实分析打下很好的基础。&/p&&p&缺点：题目难度有点大，答案不太好找。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&/p&&p&2. 初等线性代数&br&&/p&&p&强力推荐的就是MIT的Linear Algebra，从教材到课程网上全都可以找到。一开始我以为MIT的教材会非常难（因为学校里面的天才太多），但后来接触了这本书，发现它真的非常适合入门。首先这本书介绍了初级线性代数所有的重点知识，并且每一部分的解释都十分的直观通俗易懂，配合公开课的视频以及适当的练习题（书后的题目都有答案），一定可以给你的线性代数打下很好的基础。自学周期大约为三个月。重点的内容是矩阵运算、行列式、内积空间、向量空间、投影、特征值和特征向量、正定矩阵等等（线性变换属于进阶内容，基础统计暂时不需要）。&/p&&p&优点：覆盖面广，难度适中，通俗易懂。&/p&&p&缺点：证明比较薄弱，可以说基本上都不严谨。希望学习严谨的线性代数可以看看国内的高等代数教材（比如北大、中科大的教材）。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&3. 初级概率论&br&&/p&&p&（1）入门可以看Ross的a first course in probability，讲述非常清晰直观，例子非常的多。重点需要掌握离散变量和连续变量的性质，概率密度函数变换等等知识，以及多多练习计算积分的小技巧，可以很大的提高微积分的计算能力。&/p&&p&（2）最最推崇的一本书是钟开莱大师的《初级概率论》。章节的排版和一般的概率论书籍非常不同，让人焕然一新。大师的作品语言幽默并且深入浅出又不失严谨，绝对可以把你对概率论的理解提升一个档次。可以和Ross那本书一起看。&/p&&p&（3）此外，个人也推荐MIT的Introduction to probability。这本教材难度偏大（看完前两本书，再看这本就没难度了），前半部分的概率论讲得很精彩，深入浅出，配合题目可以加深理解。后半部分的随机过程和统计讲得偏难，可以跳过。&/p&&p&无论看哪一本书，都一定要把基础的概念搞清楚，比如什么是random variable，什么是sample space，不要被简单的计算迷惑住，学到后期，很多人都会因为概念混淆而手忙脚乱。&/p&&p&（4）注意，没有接触过数学分析和实分析的同学，关于概率论的学习就在这里止步了。进阶的概率论需要测度论的知识，并不适合初期学习。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&4. 初等统计&/p&&p&强力推荐Introduction to Mathematical Statistics and Its Applications， RJ Larsen，这本是华盛顿大学的本科统计教材，三个学期的量基本上深入浅出的cover了所有统计入门知识。并且理论证明十分充足，适合各个阶段的同学。&/p&&p&同类的introduction的教材本人看过2-3本，比如Wackerly，讲得太浅或者不明不白，就像在无逻辑的堆叠事实，实在不喜欢。&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&以上就是所有必要的数学基础课。此外个人还建议希望申请到名校的小伙伴额外学习（按照这个顺序，学的越多越好）：实分析（非常非常非常的重要，但不属于初级数学课的范畴了。有能力的小伙伴一定要修至少一个学期的实分析或实变函数）、离散数学+编程语言（C++，Java，Python等）+数据结构和算法、统计学软件（R、SAS等）、多元统计分析、时间序列分析、常微分方程等等。&/p&&br&&br&&p&三、总结&/p&&p&系统的总结一下教材：&/p&&p&（1）微积分 Calculus-early transcendentals, 7th ed, edwards, penney&/p&&p&（2）线性代数 MIT&/p&&p&（3）概率论 MIT&/p&&p&（4）统计 Introduction to Mathematical Statistics and Its Applications， RJ Larsen&/p&&p&（5）基础分析 &/p&&p&---复旦大学的数学分析（上下两册），陈纪修&/p&&p&---Elementary Analysis：The theory of calculus，KA. Ross&/p&&p&---Introduction to Real Analysis，RG. Bartle，DR. Shetbert&/p&&p&---Principle of Mathematical Analysis&/p&&p&（6）分析进阶&/p&&p&---Fourier Analysis，Stein&/p&&br&&br&&p&附录1、其他数学教材（完善背景）&/p&&p&接下来会不定期补充一下其他数学书的入门教程。本人水平渣渣，推荐的书都很简单，基础一般的不用担心看不懂o(^▽^)o，大神可以忽略。(￣▽￣)&&/p&&p&1. 实分析可以看Stein的Analysis III: Real Analysis（之前提到的普林斯顿大学的四本分析教材的第三本）。Royden的实分析可以当参考书看，并不适合当课本。Rudin的Real and Complex Analysis是实分析的经典，但个人推荐看过其他的实分析教材之后再去看会好一些。复分析在统计学里面的用处不大，没时间的小伙伴可以不看。（说句题外话，个人觉得复分析是个非常优美的学科，感觉一切都是很理想的讨论。当时学复分析的时候，我被从柯西留数定理开始的无数个定理震惊到了。同样，教材推荐Analysis II: Complex Analysis, Stein，内容很丰富而且难度不大，当作兴趣阅读完全没问题。）&/p&&p&2. 离散数学很杂，感觉每个领域都学一点。个人认为没必要单独学习。但是有一本公认的好教材（作者是Rosen），可以买一本放书架上参考。编程的教材暂时不推荐，本人是编程渣渣。。。&/p&&p&3. 常微分方程推荐用edwards和penney的Elementary Differential Equations，这本是MIT的教材，网络上也有公开课。教授是MIT前任的系主任，讲课非常生动形象；偏微分方程推荐PDEs and Boundary Value Problems with Fourier Series，感觉这本就是一本物理书，喜欢微积分的小伙伴一定会很喜欢这本书（尤其是最后的量子物理）。同样和ODE的教材一样讲得非常清晰。&/p&&br&&br&&p&附录2、Umich教材&/p&&p&最后慢慢更新一下我读研究生时正在用的教材（有些教材是教授推荐的），都是一些很经典的课本，有兴趣的小伙伴可以开始看咯o(^▽^)o！&/p&&p&&b&(1)
&/b&&b&Fundamentals of biostatistics,
7&/b&&b&th &/b&&b&ed., Bernard Rosner &/b&&/p&&p&&b&---复习基础，建议快速扫一遍，以后可以拿这本书当字典查（仅限初级阶段）。&/b&&/p&&br&&p&&b&(2)
&/b&&b&A first course in
probability, 8&/b&&b&th &/b&&b&ed., Sheldon Ross &/b&&/p&&p&&b&---Ross的几本书都很赞，这本可以拿来快速复习概率论&/b&&/p&&br&&p&&b&(3)
&/b&&b&Elementary probability, 4&/b&&b&th &/b&&b&ed., Kai Lai Chung &/b&&/p&&p&&b&---钟开莱可以说是概率宗师，他的名气大的不需要我介绍了。宗师级别的人物写出来的入门的概率书都与众不同，他绝对是将概率用一种以一种最自然的方式展示给大家了。他的另一本《概率论教程》需要测度论知识，大家学完实分析和测度论之后可以去看。&/b&&/p&&br&&p&&b&(4)
&/b&&b&Statistical inference, 2&/b&&b&nd &/b&&b&ed., Casella, Berger &/b&&/p&&p&&b&---神书，讲的是概率统计的内容，但是比入门教程深很多。ch1-10很精彩，难度也很大&/b&&/p&&br&&p&&b&(5) &/b&&b&Introduction to linear
regression analysis, 5&/b&&b&th &/b&&b&ed., Montgomery, Peck, Vining &/b&&/p&&p&&b&---经典的回归分析教材，入门或进阶都不错。最精彩的是他把热门和冷门的应用全都讲出来了，非常详细。&/b&&/p&&p&-----------------------------------------------分割线-----------------------------------------------&br&&/p&&p&本文会不定期更新，修改一些细节以及增添一些推荐的课本（本人还在努力阅读探索，所以更新会比较缓慢）。最后希望生统的小伙伴申请顺利，学业有成！&/p&
目录一、内容摘要 二、初级专业课 三、总结附录1、其他数学教材（完善背景）附录2、Umich教材和课程 ------------------------------------------------------------------------------------------------------------------------------------…
谢邀。先简单谈一谈我理解的biophysics这个学科，狭义的讲，主要是结合物理实验和生物实验的手段，在一定物理理论的指导下，研究生物现象中的&b&结构&/b&和&b&力学&/b&。&br&&br&学习材料，在墙外的话，我个人推荐看iBiology上的seminar，学习效率应该是最高的。我个人更喜欢看paper而不是读教科书，实在没读过基本biophysics的教科书，推荐不了。。&br&&blockquote&虽然有人推荐了biological physics之类的课本去读，但是里面很多知识都不是很读得懂&br&&/blockquote&Biophysics中大部分研究是对生物大分子的物理学特征进行研究，因此生物大分子的结构组成是必须知识。这部分知识在传统上实际上是归于生物化学的，如果了解不多，iBiology有专门的系统课程：&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioeducation/exploring-biology/biochemistry.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Biochemistry&/a&&br&除此之外，要有一些非常基本的物理学知识，牛顿力学就差不多够了。这些内容的经典教程就太多了，这里就不再推荐了。&br&&br&有一定的基本知识之后就可以看一看生物物理学都在研究些什么。iBiology上有很多生物物理topic的seminars和courses，我这里给一个推荐的清单：&br&研究对象&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/anna-marie-pyle-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RNA Structure: Anna Marie Pyle&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/susan-taylor-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Protein K Structure, Function, and Regulation&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/ron-vale-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Molecular Motor Proteins: Ron Vale&/a&&br&方法技术&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/carlos-bustamante-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Single Molecule Manipulation in Biochemistry&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/xiaowei-zhuang-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Super-Resolution Fluorescence Microscopy: Xiaowei Zhuang&/a&&br&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/developing-single-molecule-technologies-study-nanomachines.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Developing Single Molecule Technologies to Study Nanomachines&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/nevan-krogan-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mass Spectrometry and its Application to Molecular Biology&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/eva-nogales-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Introduction to Electron Microscopy&/a&&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/kurt-thorn-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Optical Sectioning and Confocal Microscopy&/a&&br&&br&最后是宏观系统中的一些生物物理研究，但是感觉并不算是biophysics的主流。&br&&a href=&//link.zhihu.com/?target=https%3A//www.ibiology.org/ibioseminars/biophysics-chemical-biology/howard-berg-part-1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Marvels of Bacterial Behavior&/a&&br&&br&我现在的工作范围虽然也是物理和生物的交叉，但是我不认为自己是做biophysics的，别人也一般不这么看。物理和生物交叉的地方很多，有一大类是用物理的理论手段去解决生物问题，比如我在MIT时候做微生物的生态和种群动态，理论部分就完全是动力系统，但是研究客体和实验手段还是生物的。这种情况下会称为Physical Biology，Physics in living systems什么的，差异还是很大的。
谢邀。先简单谈一谈我理解的biophysics这个学科，狭义的讲，主要是结合物理实验和生物实验的手段，在一定物理理论的指导下，研究生物现象中的结构和力学。 学习材料，在墙外的话，我个人推荐看iBiology上的seminar，学习效率应该是最高的。我个人更喜欢看pa…
谢邀。&br&&br&其实把 &a data-hash=&53fd62e8efcae9cbbf63b& href=&//www.zhihu.com/people/53fd62e8efcae9cbbf63b& class=&member_mention& data-editable=&true& data-title=&@Li Xiaohan& data-tip=&p$b$53fd62e8efcae9cbbf63b& data-hovercard=&p$b$53fd62e8efcae9cbbf63b&&@Li Xiaohan&/a&和 &a data-hash=&d326a946ee663dc153c85& href=&//www.zhihu.com/people/d326a946ee663dc153c85& class=&member_mention& data-editable=&true& data-title=&@赵永峰& data-tip=&p$b$d326a946ee663dc153c85& data-hovercard=&p$b$d326a946ee663dc153c85&&@赵永峰&/a&两位的答案综合起来也就差不多了。生物学的范围也很广，如果什么都从头看一遍那要花费的时间实在太多，看的时候可以稍稍有点目的性，一开始就看英文书可能也比较难，可以找有中文译本的对着看，甚至可以从科普书入手。因此我首先推荐介绍20世纪分子生物学革命的一本科普书《创世纪的第八天》，这本书对于建立最起码的生物学概念是非常有帮助的。&br&&br&然后是一些教材：&br&&br&&ul&&li&Philip Nelson 的 Biological Physics: Energy, Information, Life 这本的中文翻译版叫《生物信息学：能量信息生命》，这个非常简单，比较适合休闲的时候看着玩。&br&&/li&&li&Rob Phillips, Jane Kondev, Julie Theriot 的 Physical Biology of the Cell，这本的中文翻译版叫《细胞的物理生物学》，这个应该比较适合物理背景的人来读，里面的习题也很有意思。&br&&/li&&li&如果是做蛋白质方向，Alexei V. Finkelstein 和 Oleg Ptitsyn 的 Protein Physics: A Course of Lectures 也是很值得看看的，这个相对前面提到的书要更难一些，这个书有两个中文译本，一个叫《蛋白质物理学概论》，一个叫《蛋白质物理》，其实内容是一样的。如果觉得这个太难了，还有一本 Gregory A.Petsko 和 Dagmar Ringe 的 Proteins Structure and Function 可以用作入门，这本书的图非常多，中文翻译版叫《蛋白质结构与功能入门》。&br&&/li&&li&结构生物学方面，近年还翻译了一本 Anders Liljas 等人写的 Textbook of Structural Biology，中文版叫《结构生物学：从原子到生命》，这本书的推荐阵容很强大。&/li&&li&如果是做系统生物学方向，Uri Alon 的 An Introduction to Systems Biology 确实是可以看看的，这个的中文翻译版叫《系统生物学导论：生物回路的设计原理》，不过这个我也一直没有看完过。&/li&&/ul&如果只是想系统的补充一下生物学的背景，那么可以直接去找相关的书来读，只是要先知道，「分子生物学」主要讲的内容是中心法则，真的对分子的结构和性质有兴趣的应该读「生物化学」或者「结构生物学」。如果觉得自己的生物学背景太差，可以跟着一些在线课程来学习，例如我非常推荐的：&a href=&//link.zhihu.com/?target=http%3A//ocw.nthu.edu.tw/ocw/index.php%3Fpage%3Dcourse%26cid%3D16%26& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&國立清華大學開放式課程生命科学一&/a& 和 &a href=&//link.zhihu.com/?target=http%3A//ocw.nthu.edu.tw/ocw/index.php%3Fpage%3Dcourse%26cid%3D17%26& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生命科学二&/a&。这个课程用的教科书是 Campbell 的 Biology，比较接近国内的陈阅增。其它更难一些的书籍无非是其他人已经提到过的生化方面的 Lehninger，分子生物学方面的 Watson，或者 Robert Weaver，又或者 GENE 系列。我个人比较喜欢 Watson 那本 Molecular Biology of the Gene，中文翻译叫《基因的分子生物学》。&br&&br&当然，还有一些其它资料值得参考的，例如一些好的 Review，甚至某些你自己有兴趣的国外研究组的主页等等，又比如：&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//press.princeton.edu/titles/9911.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bialek, W.: Biophysics: Searching for Principles.&/a&，这本书一个未完成版的书稿在作者本人的主页上可以下载到：&a href=&//link.zhihu.com/?target=http%3A//www.princeton.edu/%7Ewbialek/PHY562/WB_biophysics110918.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&princeton.edu/~wbialek/&/span&&span class=&invisible&&PHY562/WB_biophysics110918.pdf&/span&&span class=&ellipsis&&&/span&&/a&&/li&&/ul&&br&以后我还会慢慢补充。
谢邀。 其实把 和 两位的答案综合起来也就差不多了。生物学的范围也很广，如果什么都从头看一遍那要花费的时间实在太多，看的时候可以稍稍有点目的性，一开始就看英文书可能也比较难，可以找有中文译本的对着看，甚至可以从科普书入手。…
《生物物理学：能量、信息、生命》是一本深入浅出的好书。而且中文版还挺好的。然而我毕竟没有看完。——没有看完的经验是， 尽量第一遍看的时候不要太较真，要不你也看不完。阅读学习也是需要有重点的，九浅一深的：别每个topic都想 dig in，最后会成为一无所成的大*友*善*度*。&br&&br&&a href=&//link.zhihu.com/?target=http%3A//blog.sciencenet.cn/home.php%3Fmod%3Dspace%26uid%3D3468%26do%3Dblog%26id%3D231126& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&科学网—谈谈有关生物物理方面的书 (1)&/a&&br&&a href=&//link.zhihu.com/?target=http%3A//blog.sciencenet.cn/blog-.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&科学网—谈谈有关生物物理方面的书 (2)&/a&&br&这里有逼格较高的书单，建议按照自己的水平和接受度以及精力时间有选择的看。我也高度怀疑作者是物理出身。所以看不懂也不要担心，再换一本就好。反正这里面除了《生物物理学：能量、信息、生命》和《费恩曼物理学讲义》的中文版，别的我可能一眼都没看过。&br&&br&另外的忠告：好好学数学。至于数学怎么学，有哪些书和课程比较适合学习理解，别的问题底下有。&br&&br&赞同楼上的，先实践看看再谈看什么书什么文章也来得及。而且那样更有的放矢。生物物理这个大类其实挺交叉的，具体不同课题所需要的不同背景知识甚至没法预估。我研一看的文献可谓左冲右突，跨越医学、药学、纳米科学、流体力学、热力学、高分子化学……最后几乎啥都没用上，就练成了多少生词都不怕的“硬着头皮看下去”神功。你需要跟随具体的课题，去调整自己的知识结构。当然，如果与此同时，数学物理生物的基础都打得非常好，科研的道路应该会越走越广阔吧。可是要想达到这个的话，恐怕就甭想有丰富多彩的课余生活了，你就保持除了吃饭睡觉剩下的时间都学习的状态吧。
《生物物理学：能量、信息、生命》是一本深入浅出的好书。而且中文版还挺好的。然而我毕竟没有看完。——没有看完的经验是， 尽量第一遍看的时候不要太较真，要不你也看不完。阅读学习也是需要有重点的，九浅一深的：别每个topic都想 dig in，最后会成为一…
&b&生信相关的博客： &/b&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bio-info-trainee.com/& target=&_blank& rel=&nofollow noreferrer&&生信菜鸟团&/a&
上大学之后，我上网找资料时发现的第一个博客就是&b&生信菜鸟团&/b&，里面包罗万象，涵盖很多方面（初次发现时，就感觉自己进入了新的天地）&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.iwhgao.com/& target=&_blank& rel=&nofollow noreferrer&&rabbit gao's blog&/a&
我超喜欢这个师兄的博客里面的笔记，很直观，尤其是python那部分。他是以代码的形式展示内容。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//shemy.site/& target=&_blank& rel=&nofollow noreferrer&&沈梦圆博客&/a& 梦圆师姐，和我一样喜欢用熊猫头像，她的博客也是刚刚建立不长时间。师姐的文笔很赞，看里面博文相信对你有帮助的。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.zilhua.com/& target=&_blank& rel=&nofollow noreferrer&&生信日志|鸣一道&/a& 鸣一道师兄的博客我比较喜欢的是Ｒ做图那一块&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.plob.org/& target=&_blank& rel=&nofollow noreferrer&&plob&/a& 这个我比较少看，不过内容也不错，我后续再写上这个博客的描述。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.chenlianfu.com/& target=&_blank& rel=&nofollow noreferrer&&陈连福博客&/a& 听说连福老师有开培训班，实力自然也不差。&br&&/li&&/ul&&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//blog.qiubio.com%3A8080/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&糗世界 ← 欢迎来到糗糗的世界&/a&
糗世界主要包括：序列比对与NGS
R/bioconductor
circos教程，其中糗世界关于R和bioconductor以及NGS的归纳总结特别详尽&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/& target=&_blank& rel=&nofollow noreferrer&&生信客部落&/a&&b&生信客部落&/b& 是我自己的博客，刚建不久（建的），我目前在准备考研，打理的时间不多。但相信是一只潜力股，有提升的空间。也欢迎博友们交换 &友情链接&.&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//tiramisutes.github.io/& target=&_blank& rel=&nofollow noreferrer&&hope博客&/a&
hope 他（她）有一篇关于生物信息学在线工具的总结，我特别喜欢&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.howsci.com/& target=&_blank& rel=&nofollow noreferrer&&科研动力&/a& “endnote使用宝典”，专注写endnote相关的内容。（注：endnote 是文献管理的软件，插入引用文献的神器）&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//blog.biochen.com/& target=&_blank& rel=&nofollow noreferrer&&biochen生物&/a&
伯臣生物里也蛮多归纳整理的&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.tanboyu.com/& target=&_blank& rel=&nofollow noreferrer&&Bob's Blog&/a&
bob这位兄弟的博客我接触不多，我后续补上描述.&/li&&/ul&&br&&b&论坛（包括生信论坛和其他一些相关的网站）：&/b&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.biotrainee.com/forum.php& target=&_blank& rel=&nofollow noreferrer&&生信技能树&/a&&b&生信技能树&/b&前面那个师兄有详细描述过。我也亲眼见证了它从无到有的过程，看着生信技能树感觉特别亲切，感觉就像自家的孩子一样。我自己由于准备考研和书写毕业论文的事情，在生信技能树建设的参与度不高。总之，好喜欢......&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.bioxxx.cn/forum.php& target=&_blank& rel=&nofollow noreferrer&&生物信息学天空&/a&
内容超全的一个生信论坛&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.dxy.cn/bbs/board/73& target=&_blank& rel=&nofollow noreferrer&&丁香园（生信板块）&/a& 丁香园，就不解释了，一个国内最成功的论坛之一。医学生基本都知道的一个论坛。&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//muchong.com/& target=&_blank& rel=&nofollow noreferrer&&小木虫&/a&
小木虫，里面蛮多资源的，也是国内最成功的论坛之一&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.biostatistic.net/forum.php& target=&_blank& rel=&nofollow noreferrer&&生物统计家园&/a& 描述待输入...&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//www.gene-seq.com/bbs/forum.php& target=&_blank& rel=&nofollow noreferrer&&基因堂&/a& 描述待输入&br&&/li&&/ul&&br&&ul&&li&&a class=& wrap external& href=&//link.zhihu.com/?target=https%3A//www.biostars.org/& target=&_blank& rel=&nofollow noreferrer&&biostars&/a& 这是一个生信问答网站&/li&&/ul&&br&&b&生信刷题网站&/b&&br&&ul&&li&&a href=&//link.zhihu.com/?target=http%3A//rosalind.info/about/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ROSALIND | About&/a& 这个是一个生物信息的刷题网站，超多实战题（纯英文，既提高英语水平，又训练了自己的实战能力，何乐而不为）。实战走起......&br&&/li&&/ul&&b&生物信息学在线工具网站&/b&&br&&ul&&li&生信客部落 &a href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/%3Fp%3D95& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生物信息工具整合(包含在线工具与离线工具)–更新中&/a& 这里面包含了一些生物信息学可视化工具，包含在线的工具和一些离线的可视化工具，由于目前个人水平有限，所以还有待继续完善&br&&/li&&/ul&
哈哈，把自己收藏的生信博客论坛网站都搬到这了，好开心。当然大家如果有其他不错的博客论坛网站，欢迎在评论区里推荐哦，我把它更新到本文中。&br&本文相关链接： 生信客部落 &a href=&//link.zhihu.com/?target=http%3A//www.bio-info-club.com/%3Fp%3D149& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&生物信息学博客与论坛推荐 | 生信客部落&/a&
生信相关的博客：
上大学之后，我上网找资料时发现的第一个博客就是生信菜鸟团，里面包罗万象，涵盖很多方面（初次发现时，就感觉自己进入了新的天地）
我超喜欢这个师兄的博客里面的笔记，很直观，尤其是python那部分。他是…
&p&Apr 1st 2018 &/p&&p&先前知识漏洞千疮百孔，写论文时不得不重温，再挖，乃至新学很多。相比书本，教材，网络资源深度参差不齐，信赖度不一。然而基于我个人的经验，在我做完全不同的研究，寻查找优质资源的过程中，多次殊途同归，converge 到以下这个地方。来自 Princeton:&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//data.princeton.edu/wws509/notes/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&WWS 509&/a&&/p&&p&框架性的重要统计知识，无论理论应用均令我受益匪浅。&/p&&p&&br&&/p&&p&我之前写的都是嘛啊&/p&&p&&br&&/p&&p&&There is no point in correcting your mistake, because without your mistake you erase yourself.&&/p&&p&- Louis C.K., interview from The late show with Stephen Colbert &/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&Ⅱ+Ⅰ
06 / 03. 2016 &br&Cold Open.&br&这一次编辑距上一次过去了半年。 在读博士。&br&回顾了之前的内容，大多介绍和评价语气绝对，这次将对其进行擦拭和布置。 抛砖引玉，挂一漏万，请大家批评指正。&/p&&p&Live from New York, it's Satur... wait, no.&/p&&p&&b&1. Agresti, Alan, and Maria Kateri. &i&Categorical data analysis&/i&. Springer Berlin Heidelberg, 2011.&/b&&/p&&figure&&img src=&https://pic2.zhimg.com/50/00bbb1e994cbb35eb21b4b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&568& data-rawheight=&109& class=&origin_image zh-lightbox-thumb& width=&568& data-original=&https://pic2.zhimg.com/50/00bbb1e994cbb35eb21b4b_r.jpg&&&/figure&&p&经典墨绿款：&/p&&figure&&img src=&https://pic3.zhimg.com/50/1eeb347b796b4aea10ab7d3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&249& data-rawheight=&400& class=&content_image& width=&249&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&科幻唯美风：&/p&&figure&&img src=&https://pic2.zhimg.com/50/d60eaaa972ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&300& data-rawheight=&455& class=&content_image& width=&300&&&/figure&&p&&br&&/p&&p&同
The Elements of Statistical Learning: Data Mining, Inference, and Prediction 一样，这本书作者提供了获取其PDF的链接。&br&&a href=&//link.zhihu.com/?target=http%3A//down.cenet.org.cn/upfile/28/135.pdf& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&down.cenet.org.cn/upfil&/span&&span class=&invisible&&e/28/135.pdf&/span&&span class=&ellipsis&&&/span&&/a&&/p&&p&为什么 categorical analysis 重要？我的想法是，&br&通过调查问卷收集的数据往往是 categorical 的，&br&而收集数据的主要方式恰恰就是调查问卷。&/p&&p&&br&&/p&&p&Ⅱ&br&答这道题后一段时间过去了，已经毕业。&/p&&p&我又多读了一些书，接触到了新的资源，有了一些新的认识和体会。在此把让我印象深刻资源继续推荐给大家。&/p&&p&感谢所有点赞，感谢，收藏，分享的朋友。I'm constantly reminded by the statistics.&/p&&p&( What does that even mean??)&/p&&p&&b&3. Statistical Computing with R (Chapman & Hall/CRC The R Series)&/b&&/p&&p&&a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/Statistical-Computing-Chapman-Hall-Series/dp/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&amazon.com/Statistical-&/span&&span class=&invisible&&Computing-Chapman-Hall-Series/dp/&/span&&span class=&ellipsis&&&/span&&/a&&/p&&figure&&img src=&https://pic3.zhimg.com/50/5f6a2dca09091bafd9fccc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&228& data-rawheight=&346& class=&content_image& width=&228&&&/figure&&p&&br&&/p&&p&相比同类书籍，这本书名气不大。它与大多数R Guide（比如 “R in a nutshell” ) 有所区别。如它序言所说，这本书是统计计算／计算统计的入门介绍. ( &This book is an introduction to statistical computing and computational statistics.&) 简单来说，很多实用的计算统计方法贯穿本书，比如Methods for generating random variables, Monte Carlo Methods, Bootstrap and Jackknife, Markov Chain Monte Carlo Methods 以及其他的 Numerical Methods. 统计理论和对应的例子和R代码非常清晰直观。如果你对这些计算统计方法感兴趣，我相信你会发现它们非常有趣，有用。&/p&&p&这本书帮了我很多，我希望它也会帮到你。&/p&&p&&br&&/p&&p&&b&5. EdX 的公开课， MIT出品的 The Analytics Edge.&/b& &a href=&//link.zhihu.com/?target=https%3A//courses.edx.org/courses/course-v1%3AMITx%2B15.071x_2a%2B2T2015/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&15.071x Course Info&/a&&/p&&p&这门课让我做了两件事：1.决心要申请更好的学校收到更美好的教育。( 后来并没达成，所以..) 2.决定花费100$去获得这门课的认证学位。&/p&&p&美好的事物到一定程度用语言形容就显得笨拙，词不达意。就像我不会试图靠描述让他人了解Monument Valley是个怎样美好的游戏作品。&/p&&p&&b&另外， 你是否听说过 Kaggle Competition？&/b&&a href=&//link.zhihu.com/?target=https%3A//www.kaggle.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kaggle: The Home of Data Science&/a&&/p&&p&&br&&/p&&p&$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$&br&Ⅰ&br&我是生物统计在读研究生，即将毕业，我根据我暂时的见识谈谈我的推荐。&/p&&p&&b&1. The Elements of Statistical Learning: Data Mining, Inference, and Prediction&/b&&/p&&p&by &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_1%3Fie%3DUTF8%26field-author%3DTrevor%2BHastie%26search-alias%3Dbooks%26text%3DTrevor%2BHastie%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Trevor Hastie&/a& (Author), &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_2%3Fie%3DUTF8%26field-author%3DRobert%2BTibshirani%26search-alias%3Dbooks%26text%3DRobert%2BTibshirani%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Robert Tibshirani&/a& (Author), &a href=&//link.zhihu.com/?target=http%3A//www.amazon.com/s/ref%3Ddp_byline_sr_book_3%3Fie%3DUTF8%26field-author%3DJerome%2BFriedman%26search-alias%3Dbooks%26text%3DJerome%2BFriedman%26sort%3Drelevancerank& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Jerome Friedman&/a& (Author)&/p&&figure&&img src=&https://pic2.zhimg.com/50/b829b01fbc86e894891bcc0e98d82f45_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&322& data-rawheight=&500& class=&content_image& width=&322&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&作者是斯坦福的三位学者。&br&斯坦福官方}
我要回帖
更多推荐
- ·为什么微信群会微信自动发消息软件呢？
- ·新疆淘宝平台是哪个公司网络科技有限公司获过哪些重要荣誉？
- ·贵州省第二代身份证验证系统相片检测系统的官方网站为什么打不开？
- ·足协反腐案中国安和鲁能球迷对骂或免于处罚，为何会成为“最大受益者”？
- ·两个比你矮一头的人找你茬，说你骂人家了，把你堵下班门口拷问你，换作是你你会别人嘲笑你个子矮怎么怼样？
- ·学的室内设计专业，想找淘宝美工和室内设计工作，没有经验会不会很难找到
- ·求乐华Thefirst七子NEXT The first Ⅱ的么
- ·我是边远山区农村独生子女父母退休新政策，因建档立卡不公平，建议学校给贷款读大学的学生评定一点奖学金。
- ·高等数学公式，，
- ·裸辞后才发现，25岁工作3年裸辞很迷茫不好找，有点迷茫。
- ·今年32了，单身，假大专学历公司，在一家公司做管理，工资8000左右，压力大，现在想辞职，但工作又不好找
- ·冰岛国家和哪些国家建交了
- ·小孩一岁2个月，右脚走路外八字有什么危害，有点严重，腿部弱。需要住院20天。
- ·工作辞职快半年了，一直没找到好工作了辞职不批怎么办，想自己做点啥？做什么好点呢？请指教？
- ·肺力咳合剂最多吃几天两岁宝宝和四岁宝宝用量，怎么办
- ·老年人腿使不上劲，退不好使使不上劲，脚发紫怎么回事
- ·个税改革仅是提高个税起征点改革吗
- ·我已经连续几天上午怀孕初期尿频尿量多吗大，怎么办
- ·“承认我不不会说话属牛女性内向不善于人沟通不会说话表达”这句话有语病吗？
- ·辽中哪所育才小学招生简章2018教的好
- ·Molecule Biology of the tribez安卓版Gene中文版有吗？
- ·8531500310在大连弘文中学可以考高中考了多少？
- ·脚趾穿鞋弯曲怎么治疗弯曲有什么药和方法治疗
- ·盆腔积液可以同房吗是34mm，我想早点治好这个，用什么药
- ·逸知富期货交易易为什么出金不了 老板是不是卷钱跑路了
- ·未来最疯狂石头重新运营的五大高科技，你最希望哪一个成为现实
- ·韩敢昌注册过商标注册分类明细吗？还有哪些分类可以注册？
- ·韩敬注册一个商标多少钱过商标吗？还有哪些分类可以注册一个商标多少钱？
- ·学生在哪里可以找到靠谱可靠的网络兼职工作上兼职？
- ·韩整注册过商标注册分类吗？还有哪些分类可以注册？
- ·韩整堂注册过商标和logo的区别吗？还有哪些分类可以注册？
- ·豆瓣的男生很多动不动就提出男生邀请看电影豆瓣吃饭什么的
- ·我们这群土包子开花下一句，哥刚发现我老娘是有多潮
- ·苹果8p相机设置常用哪些相机
- ·惠普m227fdw双面复印复印出来黑条
- ·消除华为手机悬浮球怎么关的悬浮
