小編的世界優質文選生物

我能不能做生信？生信難嗎？

字體大小：
2021年1月14日 -
：

Ms六先生教育達人圖片來源：文獻截圖但實際上不用怕的，阿 Q 一點你甚至可以這麼想「如果我學會了，是不是很牛逼？」生信表面上看起來難，但我自己學習時的理念一直都是：生信是生物學和計算機的交叉學科，計算機大神多，很多技術上的難題都已經幫我們解決，跟著大神的腳步走就可以了。 今天，想跟大家簡單介紹下生信的前世今生，並通過一個小例子告訴大家，生信並不可怕，生信可以學！個人十分推薦學新東西的時候花點時間了解它的歷史，了解它在什麼背景下為解決什麼問題而出現，目前進展到什麼程度，將來又將去往何方。 如果你想了解一個疾病或一個分子，一份高質量的 Review 是很不錯的選擇。 但對於一項新技術，百度百科或維基百科就夠了。 圖片來源：文獻截圖如維基百科百度百科的介紹：「Bioinformatics」是 Biology（生物學）+information（信息學）+omics（組學）以及數學和統計學組成的新興交叉學科。 它伴隨著上個世紀八九十年代人類基因組計劃的誕生而出現。 「人類基因組計劃其宗旨在於測定組成人類染色體（指單倍體）中所包含的 30 億個堿基對組成的核苷酸序列，從而繪制人類基因組圖譜，並且辨識其載有的基因及其序列，達到破譯人類遺傳信息的最終目的（百度百科）」。 30 億個堿基對這麼龐大的數據，做過實驗的大家都知道這個叫「原始數據」，本身並沒有什麼意義，就是些數值而已。 得到這些數據後如何處理、分析，以解決現實生活中的問題，是科學家們進一步思考的問題。 由於傳統的生物學方法無法處理這麼龐大的數據量，利用計算機強大的計算能力，生物信息學運應而生。 這就是生物信息學誕生最初的背景。 近年來的蓬勃發展，主要歸功於測序技術的飛速迭代。 早期人類基因組計劃 1 個堿基對測序的價格在 1 美元，全基因組測下來 30 億美元。 而如今，基因組已經進入了千元時代，人人都可以想做就做，因而產生了大量的有待分析數據。 生物信息學的基本功能了解了什麼是生物信息學，下一步就是要知道怎麼利用它來解決實際問題，包括指導基礎實驗方向或結合臨床數據解決實際問題等。 這裏就回到一開始的問題：「用生信手段輔助自己課題進展，一定要會寫代碼，會複雜的 R 語言並掌握大量的數學、統計知識才能開始嗎？」答案是否定的。 上面提到的知識都懂當然最好，但作為一個臨床醫生或醫學生，顯然是不現實的，不然計算機或統計學專業的人早該下崗了。 幸運的是，計算機高手們理解我們的需求並已經幫我們解決了相當一部分問題。 諸多在線工具，簡單幾步操作便能高效產出自己想要的效果。 不信我們來試一試。 現在，就讓我們看看如何用在線工具——「GEO2R」畫一張漂亮又高大上的差異基因表達 Differentially Expressed Genes（DEGs）火山圖，並理解其基本含義及價值。 生信的最基本步驟是對從數據庫檢索出的數據進行 「差異基因篩選」。 我們就以此為例，看看統計學家和計算機學家有多貼心。 圖片來源：網頁截圖這裏我們選用 GEO 數據庫，GEO 數據庫全稱為（GENE EXPRESSION OMNIBUS），感興趣的可以去了解下，儲存了大量腫瘤跟非腫瘤的數據。 首先進入 PubMed，選擇 GEO DateSets，在此以「lung cancer」檢索出的第一個數據為例。 點擊打開後，我們會看到對這個數據集的簡單介紹，類似文章的摘要，介紹作者用的什麼芯片，有多少例病人，以及如何分組等。 我們直接點擊「Analyze with GEO2R」試試。 圖片來源：網頁截圖根據作者定義的「Source name」我們可以點擊「Define groups」進行待分析組別的定義。 然後，左鍵點擊勾選，得到如下圖。 圖片來源：網頁截圖這時候我們把需要分析的數據都選上了，直接拉到底部點擊「Analyze」開始分析。 圖片來源：網頁截圖短暫的等待，神奇的事情就發生啦，我們會得到如下界面，圖可以直接保存，數據可以下載！圖片來源：網頁截圖有沒有上面覺得很漂亮，很棒！我們暫時不展開解釋這些圖的意義，而是來看看統計學家和計算機大神們有多貼心。 剛剛我們直接選擇了「Analyze」，會用鼠標，一鍵點擊就能出圖。 我們再回過頭來「GEO2R」旁邊的「Options」，你會看到這個在線工具選用了什麼統計方法。 比如這裏用的「Benjamini & Hochberg」以及後面幾欄內容，相信大多數臨床醫生是看不懂的。 但沒關系，工具就是這麼傻瓜式，選默認值就可以！圖片來源：網頁截圖這些漂亮的圖通過 R 語言進行可視化的，不知不覺中你已經用到 R 語言了，是不是自己都沒注意到？點擊第四欄「R script」，鼠標滾動一下就能看到密密麻麻的代碼。 學過編程的都知道，一個空格敲錯電腦都會報錯，代碼別人已經幫你寫好了，很幸福有沒有！圖片來源：網頁截圖怎麼樣，到這裏學生信是不是有點信心了？今天，我們只展示了差異基因篩選的在線插件使用。 生信後續的數據處理其實類似，你懂 R 語言最好，但很多時候是可以借助一些公認可以使用的工具跳過的。 具體如何使用有機會後續再交流，總之，生信可以學，要有信心！
第頁完，請繼續朗讀下一頁。喜歡 小編的世界，請記得按讚、收藏及分享

Ms六先生

教育達人

圖片來源：文獻截圖

但實際上不用怕的，阿 Q 一點你甚至可以這麼想「如果我學會了，是不是很牛逼？」

生信表面上看起來難，但我自己學習時的理念一直都是：生信是生物學和計算機的交叉學科，計算機大神多，很多技術上的難題都已經幫我們解決，跟著大神的腳步走就可以了。

今天，想跟大家簡單介紹下生信的前世今生，並通過一個小例子告訴大家，生信並不可怕，生信可以學！

個人十分推薦學新東西的時候花點時間了解它的歷史，了解它在什麼背景下為解決什麼問題而出現，目前進展到什麼程度，將來又將去往何方。

如果你想了解一個疾病或一個分子，一份高質量的 Review 是很不錯的選擇。但對於一項新技術，百度百科或維基百科就夠了。

圖片來源：文獻截圖

如維基百科百度百科的介紹：「Bioinformatics」是 Biology（生物學）+information（信息學）+omics（組學）以及數學和統計學組成的新興交叉學科。

它伴隨著上個世紀八九十年代人類基因組計劃的誕生而出現。

「人類基因組計劃其宗旨在於測定組成人類染色體（指單倍體）中所包含的 30 億個堿基對組成的核苷酸序列，從而繪制人類基因組圖譜，並且辨識其載有的基因及其序列，達到破譯人類遺傳信息的最終目的（百度百科）」。

30 億個堿基對這麼龐大的數據，做過實驗的大家都知道這個叫「原始數據」，本身並沒有什麼意義，就是些數值而已。得到這些數據後如何處理、分析，以解決現實生活中的問題，是科學家們進一步思考的問題。

由於傳統的生物學方法無法處理這麼龐大的數據量，利用計算機強大的計算能力，生物信息學運應而生。

這就是生物信息學誕生最初的背景。

近年來的蓬勃發展，主要歸功於測序技術的飛速迭代。早期人類基因組計劃 1 個堿基對測序的價格在 1 美元，全基因組測下來 30 億美元。

而如今，基因組已經進入了千元時代，人人都可以想做就做，因而產生了大量的有待分析數據。

生物信息學的基本功能

了解了什麼是生物信息學，下一步就是要知道怎麼利用它來解決實際問題，包括指導基礎實驗方向或結合臨床數據解決實際問題等。

這裏就回到一開始的問題：

「用生信手段輔助自己課題進展，一定要會寫代碼，會複雜的 R 語言並掌握大量的數學、統計知識才能開始嗎？」

答案是否定的。

上面提到的知識都懂當然最好，但作為一個臨床醫生或醫學生，顯然是不現實的，不然計算機或統計學專業的人早該下崗了。

幸運的是，計算機高手們理解我們的需求並已經幫我們解決了相當一部分問題。諸多在線工具，簡單幾步操作便能高效產出自己想要的效果。

不信我們來試一試。

現在，就讓我們看看如何用在線工具——「GEO2R」畫一張漂亮又高大上的差異基因表達 Differentially Expressed Genes（DEGs）火山圖，並理解其基本含義及價值。

生信的最基本步驟是對從數據庫檢索出的數據進行「差異基因篩選」。

我們就以此為例，看看統計學家和計算機學家有多貼心。

圖片來源：網頁截圖

這裏我們選用 GEO 數據庫，GEO 數據庫全稱為（GENE EXPRESSION OMNIBUS），感興趣的可以去了解下，儲存了大量腫瘤跟非腫瘤的數據。

首先進入 PubMed，選擇 GEO DateSets，在此以「lung cancer」檢索出的第一個數據為例。

點擊打開後，我們會看到對這個數據集的簡單介紹，類似文章的摘要，介紹作者用的什麼芯片，有多少例病人，以及如何分組等。

我們直接點擊「Analyze with GEO2R」試試。

圖片來源：網頁截圖

根據作者定義的「Source name」我們可以點擊「Define groups」進行待分析組別的定義。然後，左鍵點擊勾選，得到如下圖。

圖片來源：網頁截圖

這時候我們把需要分析的數據都選上了，直接拉到底部點擊「Analyze」開始分析。

圖片來源：網頁截圖

短暫的等待，神奇的事情就發生啦，我們會得到如下界面，圖可以直接保存，數據可以下載！

圖片來源：網頁截圖

有沒有上面覺得很漂亮，很棒！我們暫時不展開解釋這些圖的意義，而是來看看統計學家和計算機大神們有多貼心。

剛剛我們直接選擇了「Analyze」，會用鼠標，一鍵點擊就能出圖。

我們再回過頭來「GEO2R」旁邊的「Options」，你會看到這個在線工具選用了什麼統計方法。

比如這裏用的「Benjamini & Hochberg」以及後面幾欄內容，相信大多數臨床醫生是看不懂的。但沒關系，工具就是這麼傻瓜式，選默認值就可以！

圖片來源：網頁截圖

這些漂亮的圖通過 R 語言進行可視化的，不知不覺中你已經用到 R 語言了，是不是自己都沒注意到？

點擊第四欄「R script」，鼠標滾動一下就能看到密密麻麻的代碼。學過編程的都知道，一個空格敲錯電腦都會報錯，代碼別人已經幫你寫好了，很幸福有沒有！

圖片來源：網頁截圖

怎麼樣，到這裏學生信是不是有點信心了？

今天，我們只展示了差異基因篩選的在線插件使用。生信後續的數據處理其實類似，你懂 R 語言最好，但很多時候是可以借助一些公認可以使用的工具跳過的。

具體如何使用有機會後續再交流，總之，生信可以學，要有信心！