掃碼聯系客服
生物信息學，簡稱生信，這位久仰大名的“朋友”相信每一位奮戰(zhàn)在生命科學或醫(yī)學科研領域的同學們都不陌生，或許你是生信行家（投去崇拜的目光~）；或許你同我一樣在慢慢走近它，開始了解它（同道中人，握握手~）；或許你對生信是霧里看花，水中望月，有需求但不知從哪里下手的小白（說不定我可以幫到你~）。我今天結合個人科研經歷和大家分享一下我是怎樣熟悉這位“朋友”，以及它是怎樣幫助我的，希望能夠對你有一點啟發(fā)，少走彎路就是加快科研進度，對吧~
1，概念
我們先了解一下到底什么是生信，生物信息學是一門利用計算機技術研究生物系統(tǒng)規(guī)律的學科，是分子生物學與信息技術的結合體。生物信息學的研究材料和結果就是形式各樣的生物學數據，其研究工具是計算機，研究方法包括對生物學數據的搜索（收集和篩選），處理（編輯、整理、管理和顯示）及利用（計算、模擬）。
2，緣由
就我自己的經歷來講，從碩博到科研崗位工作整整8年的時間里，眼看著生信迅猛發(fā)展，剛開始的時候總覺得與自己關系不大，認為術業(yè)有專攻，我與生信的關系是不同學科間科研方法和關注方向不同而已，這一觀念在我自己做多組學聯合分析時，被狠狠擊碎。我至今都記得面對大量數據無從下手的茫然無措，那時生信于我，是云里霧里的一座高山，近在咫尺卻找不到攀登的路，對于自己認知里組學做完就發(fā)文章萬事大吉的想法至今都覺得無地自容。我曾跟同事提起過我的困惑，得到的答案是“公司不是會反饋結果的么？”但相信有過類似經歷的同學們會知道，檢測公司反饋給我們的初步分析其實遠遠不夠我們發(fā)文章所用，技術支持提供的數據是程序式，模板式，而非個性化的。而且我們應該對自己手里的數據有整體的把握和了解，說到底，數據是要深度挖掘分析的，沒有人比你更了解你自己的課題細節(jié)，由此我開始嘗試走近生信。
3，需求
生信是一片新的天地，要在自己原有的知識范圍以外開疆拓土，首要任務是要知道自己該從哪里做起，我總結了以下幾點我對生信需求：
（1）分析：原始數據和標準化數據，以及后續(xù)數據的進一步處理，數據經歷了哪些運算，使用什么算法，是否是合理可行，自己完全沒頭緒。
（2）繪圖：目前有很多數據分析平臺為迎合使用者的需求，有現成的小程序可分析作圖，簡便快捷，但僅適用于比較簡單的分析，如韋恩圖，熱圖，主成分分析等基礎分析，我最初的分析作圖多數得益于這些平臺工具，但有時圖片清晰度受限。
（3）思路：生信不僅僅是統(tǒng)計數據和作圖那么簡單，思路是靈魂，記得我向同學求助過，他很認真幫我將差異基因整理出來發(fā)給我，然后一個問題拋回來，我就又摔了跟頭，他說“接下來怎么做就看你想要什么了”原諒我又是一臉懵...好吧，我接著查找文獻學習思路，結論是：要學的東西真是太多了...
4，經驗
在經歷了閱讀文獻，嘗試現有平臺，請教專業(yè)人士以及多次試錯之后，總結經驗如下：
（1）閱讀文獻：
在實驗實施初期要大量閱讀相關文獻，開始學習思路設計，數據整理以及分析方法，因為后續(xù)數據整理分析過程需要投入大量的時間和精力，而在實驗之初多儲備相關知識，利于規(guī)劃整個課題的架構（體量，深度，關注點），以及把控實驗細節(jié)（對照，分組，樣本量），做到心中有數，有的放矢，文章邏輯就隨之而來了。希望你在收到實驗數據那一刻起，內心是興奮又從容的。
（2）準備充分：
①如果你是在讀碩博，導師交給你的其他工作任務沒有特別繁重，希望你嘗試學習R語言和python，從入門開始，然后進階完成一些數據處理和作圖（RNA-seq的表達矩陣、WES的變異結果等），當通過自己努力獲得的那份踏踏實實的成就感時，你會發(fā)現生信這座大山不再飄渺，你已站在半山腰。當然，學習期間的困難一定不比成就感少，建議多查資料，甚至你可以搜到現成的R包。多請教，你的困惑可能是在專業(yè)人士指導下轉換下思路、算法，或是修改一個詞，一個符號，但對于你必定是受益良多。
②如果你是專職科研人員或在現階段做科研的臨床醫(yī)生，剛剛涉足組學研究，時間精力都有限的情況下，可以通讀典型文獻，初期以了解組學知識和研究思路為基礎，弄清楚公司給的檢測報告，以及用到分析方法的解釋說明，這也是很好的學習資料（最好在樣本送出前或付款前詳細咨詢）。做好這些準備，在后續(xù)數據分析以及與分析人員溝通需求的時候，會非常有效率。
（3）巧用工具：
①數據庫：熟悉并巧用公共數據庫（TCGA和GEO等），以我自己的課題為例，在分析了蛋白質組學和代謝組學數據后，需要建立蛋白質和代謝產物之間的調控關系，可以借助PMI-DB網站進行查詢預測。為找到更多的證據支持我現有的結論，我通過下載已發(fā)表文章中的單細胞測序公開數據進行分析（實驗處理方法相似），經分析后彌補了自己多組學分析在基因水平的空白，實驗數據更為豐滿。
②分析平臺：現有很多方便好用的平臺可以幫助你完成數據分析和制圖，滿足基本需求完全沒有問題，一些檢測公司會幫助你開通賬號（如BMKCloud）。更完備一些的工具可能會需要你下載程序，學習簡單的教程，可直接鏈接公共數據庫，分析和制圖也更加嚴謹和美觀（如TB tools）。總之，在我們不會使用R語言和python的情況下，多了解現成的工具不失為一種捷徑，但最好能夠做到知其然，知其所以然，因為模式化分析算法，并不是對所有數據都適合，還是要充分了解自己的數據特征，需求和分析要點。工具是服務于我們結論表述和研究意圖的，不要只做工具的盲目使用者，若數據分析有誤，會直接影響到整個課題的后續(xù)研究。
（4）借助外力：
生信入門簡單，掌握不易，做好很難。如果你完全沒有時間去探索以上的學習內容，但能基本掌握組學研究思路，了解數據處理和作圖原理，具備清晰表達需求的能力，也可以交給專業(yè)生信人員去做。無論是科研合作形式，或是測試分析加工模式，將分析和繪圖的細節(jié)溝通好，一定會事半功倍！但專業(yè)人士一定要有足夠的耐心和責任心，充分了解你的研究意圖和分析重點，同時，這也是你學習思路和方法的大好機會，至少在這個過程中會了解到一個專業(yè)生信人的分析思路，對于你其他類似的研究，大有裨益。
5，結語：
我作為生信的新朋友且能力一般般，只能幫你到這里了。我見過讓人佩服的生信牛人，思路清晰，將各種數據“玩弄于”電腦屏幕之上，妙手生花，輸出圖真是賞心悅目且清晰明了，這樣的牛人在我眼里自帶光環(huán)！也見過同你我一樣的非生信專業(yè)醫(yī)學生通過自學R語言，在他所在研究領域內大放異彩，深受導師賞識。當然，我能理解，這是他們經歷無數個日日夜夜學習的結果。生信是一條學無止境的路，要不斷學習，不斷探索，不斷創(chuàng)新。無論是你想把生信學好，學透，還是作為科研錦上添花的工具，愿與你為伴，在生信的海洋里遨游，收獲飛躍的羽翼，共勉！
