- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
教程导读：从测序数据到生物学发现
测序仪跑完一轮，屏幕上滚出成串的 A、C、G、T，然后呢？绝大多数教程会从"生物信息学是什么"讲起，把定义、分支、历史铺满开篇，真正拿到数据的人却依然不知道从哪里下手。这份教程反着来：它跟着一个真实的问题链走——数据长什么样、怎么把短读长拼回基因组、怎么找出差异表达基因、怎么从序列推断功能与演化、蛋白质组与结构怎么预测、最后怎么把分析做成别人能复现的流程。每章回答其中的一环，读完你应该能把"一管样本"变成"一份有依据的生物学结论"。
全册的问题链
整册内容按因果顺序组织，前一章的产出就是后一章的输入：
| 章节 | 回答的问题 | 关键产出 |
|---|---|---|
| 第 1 章 | 测序仪吐出的数据长什么样？ | 看懂 FASTQ、质量值、读长与覆盖度 |
| 第 2 章 | 怎么把短读长拼回基因组、找出差异表达基因？ | 比对、组装、变异检测、DESeq2 结果 |
| 第 3 章 | 怎么从蛋白质层面确认功能与结构？ | 质谱鉴定、定量、互作网络、结构预测 |
| 第 4 章 | 数据格式与工具怎么组织成可重复的分析？ | BLAST、数据库地图、工作流与容器 |
| 第 5 章 | 这些能力能回答哪些真实世界的问题？ | 精准医疗、药物、微生物组、单细胞案例 |
图：全册知识地图——问题链与学习依赖
这份教程与旧教材的差别
旧版教材按学科分支平铺：概述、基因组学、蛋白质组学、工具、应用，每章内部再按概念罗列。问题在于，初学者面对的从来不是"学科"，而是手头那份几百 MB 的 FASTQ 文件和导师的一句"下周给我结果"。按学科组织的内容只告诉你有什么，按问题组织的内容才告诉你下一步做什么、为什么这么做。
所以本册的每个知识点都挂在问题链上。讲 FASTQ 四行结构，是为了让你在下机数据的第一时间判断质量好坏；讲 BWA 与参考基因组，是为了回答"读长该放回基因组的哪个位置"；讲 DESeq2 的中位数比归一化，是为了让你在被审稿人问"为什么不用 TPM"时有话可说。知识没有变，变的只是组织方式——从"这是什么"变成"为什么需要它、什么时候用它、用错了会怎样"。
读者需要什么基础
生物学背景只需要高中水平：知道 DNA 由四种碱基组成、基因指导蛋白质合成即可，中心法则会在第 3 章开头重新讲一遍。编程方面，能看懂 Python 的列表和循环就够了，全书代码以命令行工具调用和短小的 Python 片段为主，每段都带注释和预期输出。数学方面，理解"假设检验是在控制假阳性率"这一句话就够，具体的 p 值、FDR 校正会在差异表达那一节结合数据展开。
工具层面建议准备一台能装 Conda 的电脑（Linux、macOS 或 Windows 下的 WSL），第 4 章会带你把分析环境固化成可迁移的配置。没有条件装软件也没关系，每段命令都附有输出示例，纯读也能把逻辑走通。
怎么使用这本册子
如果按顺序读，问题链的衔接最顺：第 1 章的 FASTQ 是第 2 章质控与比对的输入，第 2 章的基因列表要拿到第 3 章做蛋白层面的印证，第 4 章把前面的分析固化成流水线，第 5 章展示这套能力在真实场景里的样子。如果时间紧，有两条捷径：做转录组项目的，直接读第 2 章后三节加第 4 章工作流；关心结构生物学或药物设计的，第 3 章可以独立成篇。
每节结尾的要点回顾只列真要点，方便考前或组会前扫读。代码块里的参数都给过注释，改关键参数即可迁移到自己的数据。建议边读边跑：把示例数据换成自己的小样本，出错了反而学得更快——生物信息学的很大一块内容，就是学会读懂报错信息。
一句话概括全册：数据进来是 FASTQ，出去是结论；中间的每一步都有明确的动机、标准的工具和已知的坑。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...