bioinfo-course
Bioinformatics learning^-^Hope to see progress day by day
姓名：姚茗子
学号：2024030045
专业：临床医学类（协和）
本学期生物信息学学习计划
整体目标：
从了解和练习基本的Linux操作开始，通过生物信息所需的计算语言（Bash, R, Python等）的编程训练，逐步掌握生物信息学在新一代高通量测序数据上的基本分析方法。在实践中不断收获！
一、Getting Started & Basic Analyses（Week 1 - Week 4）
Week 1：
- 理解各种工具概念，搭建好环境；
- 规范化GitHub repository，开始用Markdown记录本学期学习过程。
Week 2-4：
- 熟练使用
grep, awk, sed, cut等Linux基础命令（文件操作、权限管理等），能独立在终端执行生信工具命令，要能熟练编写Bash脚本来串联分析步骤。
- 开始尝试做Basic Analyses, 掌握Blast的基本原理，能将临床样本的基因序列与数据库比对，分析突变位点；
二、NGS Data Analyses（Week 5 - Week 12）
Week 5-6：
- 快速上手R语言的基础与数据可视化（ggplot2）。（热图、火山图、PCA图等）
- 掌握Bowtie进行Reads Mapping，并熟练使用bedtools和samtools等工具处理基因组特征数据。
Week 7-8：
- 转录组学与差异表达分析。
- 攻克RNA-seq数据流，从表达矩阵的构建到差异表达分析。
- 掌握GO/KEGG聚类分析和GSEA（基因集富集分析），理解如何将数字转化为生物学功能通路。
Week 9-12：
- 表观遗传学与网络分析。
- 学习ChIP-seq和CLIP-seq的分析流程，理解Motif和RNA调控网络。
- 探索如何利用共表达网络和miRNA靶向预测寻找潜在的疾病靶点。利用五一长假多看看运用了相关生信作图分析方法的文献^-^
三、Machine Learning & AI（Week 13 - Week 16）
Week 13-16：
- 机器学习基础（降维、聚类等经典算法）。
- 结合生信数据进行实操训练。
期末 Final Project：考虑结合RNA-seq差异表达分析流程与Python机器学习基础，尝试复现一篇高质量临床医学文献中的单细胞或转录组分析图表，探索特定疾病靶点的预测。
学习笔记持续更新中