生物信息学入门级的常用软件

https://www.zhihu.com/question/23566982

生物信息学是为生物学研究者提供分析工具的学科，渗透到生物学的几乎每一个研究领域。而你要做的是编写软件，而不是学用别人的软件。

十年前的生物信息

• 做一个 CLUSTALW 序列比对，
• 用 PHYLIP 算一个进化树，
• 上 NCBI 做一个 BLAST，

最常用的东西：

• 1，你需要会用 Linux，会使用 bash
• 2，高于入门级的统计学知识，以及一门统计语言，比如 R
• 3，至少一门编程语言，一般来讲 C++, Perl, Python, Java 这几种中的一种。
• 4，对于你工作的领域，需要懂这方面的生物学知识，也需要知道目前人们在这个领域里都用什么其他软件。
  以上四点必不可少。

其他的知识则取决于你是什么领域。

• 比如如果你要研发高性能的序列比对软件，则算法和并行计算的知识必不可少。——本人自己算法很渣，所以没有把算啊列在以上必备的知识里。
• 如果要频繁存取大量数据，则懂得一种数据库必不可少，比如MySQL。

遗传学领域里，目前大部分的生物信息学研究集中在二代测序（High-throughput sequencing）数据的分析工具上。另外做二代基因测序的序列比对（Alignment），现在软件多如牛毛，但最常用的基本还是 bowtie, bwa 等少数几种。

这种数据和大规模运算一般只能在大型服务器上运行，毫无疑问的需要会 Linux 和 bash，以及一些分布式计算的基础知识。

做生物信息的人主要是研究方法学，需要把自己的方法写成软件发表。用生物信息学工具的人则只是用别人的工具而已，发表的文章也就并不是生物信息学的文章，而是你自己领域里的文章，比如群体遗传学。到现在生物的绝大多数领域都需要用其他人写的软件处理大量数据，如果把所有这样的文章都算在生物信息里面，那 80% 的生物学文章得都是生物信息学文章了。

作者：周杰
链接：https://www.zhihu.com/question/23566982/answer/25192621
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

学习使用新软件时，先粗略地把Manual、Readme、软件涉及的文章（包括附件里的内容，往往会提供可用的细节）都过一遍，然后使用样例数据跑跑看。遇到问题不要慌张，善用搜索工具进行检索（英文），你能遇到的大部分别人都遇到过，看看别人的求助贴和讨论内容一般都能解决问题。搜索解决不了问题还可以考虑给作者写邮件，注意清晰描述遇到的情况（描述问题本身就是理清思路的过程），写邮件或者发帖问问题尽量具体、明确一点，同时注意提问的条理和内容的可读性。

作者：王理中
链接：https://www.zhihu.com/question/23566982/answer/25220599
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

必学：1、计算机基础（linux+perl+R 或者 python+matlab） 2、生信基础知识（测序+数据库+数据格式） 3、生信研究领域（全基因组，全转录组，全外显子组，捕获目标区域测序） 4、生信应用领域（肿瘤筛查，产前诊断，流行病学，个性化医疗）分而治之：一、计算机基础，需要看三本书，一步步的学会学通，不需要刻意去找哪个书，一般linux是鸟哥私房菜，perl是小骆驼咯，R是R in action，但是看一本书只能入门，真正想成为菜鸟，必须每个要看五本书以上！我云盘里面有这基本上的高清打印版，大家可以去淘宝打印一下才几十块钱还包邮，对书比较讲究的也可以买正版，也不过是一百多块钱而已！二、生信基础知识，测序方面，在百度文库找十几篇一代二代三代测序仪资料仔细研读，然后去优酷下载各大主流测序仪的动画讲解，再看看陈巍学基因的讲解；数据库先看看三大主流数据库——NCBI,ENSEMBL,UCSC，还有一些也可以了解一些（uniprot,IMGT,KEGG，OMIN，TIGR，GO）同样也是百度文库自己搜索资料，但是这次需要自己去官网一个个页面点击看，一个个翻译成中文理解吃透；数据格式讲起了就多了，这个主要是在项目流程中慢慢学，或者你有机会去上课，不然你看来也是立马忘记的，主要有sam,vcf,fasta,fastq,bed,gtf,gff,genbank,ensembl,psl等等三、生信研究领域，各个领域主要是软件繁多，合起来常用的估计有上百个软件了，一般只有从业五六年以上的人才有可能把它们全部用过一遍，而且这也完全需要项目来训练，而不能仅仅是看看软件手册，但是研究领域最重要的是背后的原理，需要看各大牛的综述。a) 生信基础软件(blast++套件，fastqc，flash，blast，solexaQA，NGS-QC-toolkit，SRA-toolkit，fastx-toolkit)b) snp-calling相关软件（bwa，bowtie，samtools，GATK，VarScan.jar，annovar）c) 基因组相关软件（velvet，SOAPdenovo2，repeatmasker,repeatscount,piler，orthMCL，inparanoid,clustw,muscle，MAFFT，quickparanoid，blast2go，RAxML，phyML）d) 转录组相关软件（trinity，tophat，cufflinks，RseQC，RNAseq，GOseq，MISO，RSEM，khmer，screed，trimmomatic，transDecoder，vast-tools，picard-tools，htseq，cuffdiff，edgeR，DEseq，funnet，davidgo，wego，kobas，KEGG，Amigo，go）四、生信应用领域，讲这一块其实已经脱离了生信菜鸟的解释范围了，主要是想说社会上为什么需要搞生信的人才，全是因为在肿瘤筛查，产前诊断，流行病学，个性化医疗等领域有所应用，可以造福人类！！！这方面政策不确定，产业不定型，所以也这绝对是蓝海，但是也绝对不会有现成的资料直接培训人才，我们必须关注各种微信公众号，逛各种测序，医学相关论坛，紧跟业界精英的脚本，同时追着大牛的文献阅读，如此这般才能保住菜鸟的身份！

作者：曾健明
链接：https://www.zhihu.com/question/23566982/answer/41832167
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。