1.編程

Linux：會(huì)用Editor(. VIM) 和 Shell Script (. bash)；推薦《鳥(niǎo)哥的Linux私房菜-基礎(chǔ)學(xué)習(xí)篇》

Python/Perl：《Python編程入門（第3版）》，Perl推薦小駱駝

R/MATLAB：《R語(yǔ)言實(shí)戰(zhàn)（R in action）》

如果做數(shù)據(jù)庫(kù)或者server，推薦再學(xué)PHP，MySQL，JavaScript

2.課程

Bioinformatics： 生物信息導(dǎo)論和方法（北大高歌老師的課程，講解邏輯清晰，由淺入深），MOOC。

因?yàn)樯庞泻枚喾种?，如?duì)基因組、蛋白質(zhì)組學(xué)數(shù)據(jù)分析并給出生物學(xué)解釋；在研究算法方面，如利用機(jī)器學(xué)習(xí)的各種原理來(lái)解決生物學(xué)問(wèn)題（對(duì)基因序列原件的注釋，如對(duì)TSS，splicing sites，promoters，enhancers，positioned nucleosomes等功能區(qū)域的注釋；通過(guò)對(duì)RNA-seq，microarray，ChIP-seq等數(shù)據(jù)的分析，區(qū)分不同的疾病類型或疾病的分子標(biāo)志物（biomarkers）；對(duì)基因功能的注釋，如Gene Ontology term；以及基因間互作調(diào)控網(wǎng)絡(luò)的分析）；比如運(yùn)用統(tǒng)計(jì)學(xué)知識(shí)改進(jìn)已有的生信軟件的算法，等等。可以根據(jù)將來(lái)要做什么繼續(xù)補(bǔ)充知識(shí)，比如看一下斯坦福大學(xué)的Andrew Ng在coursera的機(jī)器課程呀 ，看一下統(tǒng)計(jì)學(xué)原理呀之類的。

3.文獻(xiàn)和實(shí)戰(zhàn)練習(xí)

如果是做基因組學(xué)的生信公司

RNA數(shù)據(jù)分析流程

RNA-seq：可以重復(fù)一下文章中的分析Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks當(dāng)然入門之后可以更多了解相關(guān)軟件啦，比如STAR，feature counts, Gfold, EdgeR, DESeq2,DESeq等。

找lncRNA：Recurrently deregulated lncRNAs in hepatocellular carcinoma. 這篇文章中有如何找新lncRNA的流程，可以根據(jù)文章提供的方法重復(fù)一下。

DNA數(shù)據(jù)分析流程

GATK那一套流程檢測(cè)

同時(shí)variant與疾病、eQTL等關(guān)聯(lián)分析的話，可以了解一下STATA

結(jié)合機(jī)器學(xué)習(xí)和基因組學(xué)的話，可以看一下以下文獻(xiàn)：

DeepVariant：由谷歌Deep mind公司研發(fā)，利用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network, CNN）檢測(cè)基因組上單堿基突變（SNP）和小的插入缺失（Indel），比現(xiàn)有的GATK軟件有更高的精確度。

DeepWAS：根據(jù)功能單元選擇出一組SNP的集合，與現(xiàn)有的基因組關(guān)聯(lián)分析（GWAS）檢測(cè)基因組上一個(gè)SNP與疾病的關(guān)系相比，DeepWAS能夠更綜合地分析致病基因突變，在尋找調(diào)控區(qū)域的基因突變也更為直接。DeepSEA：預(yù)測(cè)人類基因組非編碼區(qū)有功能的變異。

DeepBind：預(yù)測(cè)DNA，RNA結(jié)合蛋白的序列特征，并能識(shí)別有害的基因突變。

DeepCpG：在表觀遺傳學(xué)層面上，應(yīng)用深度神經(jīng)網(wǎng)絡(luò)算法，研發(fā)了通過(guò)單細(xì)胞測(cè)序的DNA序列和不完整的甲基化修飾數(shù)據(jù)的，用來(lái)預(yù)測(cè)細(xì)胞細(xì)胞層面是否會(huì)發(fā)生甲基化，其效果優(yōu)于現(xiàn)有軟件。