bioinfo-notes

个人网页：生物信息学笔记与学习计划

致理书院 郭智健

第一周笔记：算法与模型 2025/2/24

1️⃣ 算法（Algorithm）

• 算法（algorithm）是一种 包含一系列定义清晰的指令的有效方法，计算机可通过执行其指示来应对或解决问题。算法的核心是 建立问题抽象的模型，明确求解目标。
• 例子：
  1. 线性回归
  2. K-近邻算法
  3. K-均值算法

2️⃣ 模型（Model）

• 模型是 运行在数据上的机器学习算法的输出，或者说，是用于捕捉系统行为的一组算法和等式。模型 表示机器学习 算法 所学到的内容。
• 例子：
  1. 线性回归算法的结果是一个由具有特定值的稀疏向量组成的模型。
  2. 决策树算法的结果是一个由具有特定值的if-then语句树组成的模型。

3️⃣ 算法和模型的区别

• 对数据运行 算法 来创建 模型。 或者说，模型等于数据+算法，算法作为一种优化程序，在训练数据集上使模型的误差最小化。

---

生物信息学学习计划

1. 学习基础操作

计划完成时间：前八周

• 熟悉常用Linux 命令
• 尝试用Github管理自己的项目
• 学习使用Docker
• 了解基本的R 语言和 Python
• 学习集群的基本操作

2. 了解常用生信工具原理与操作流程

计划完成时间：结课时

• 使用 FASTQC 进行测序数据质量控制
• 学习RNA-seq流程，使用fastqc trim_galore hisat2 samtools等工具处理数据
• 学习差异分析，使用DESeq2 cuffdiff edgeR等工具
• 学习画火山图、热图等常用图表
• 学习GO分析、GSEA分析、GSVA分析等
• 学习ChIP-seq流程，会用MACS2来call peak，会注释peak、做ChIP-seq差异分析、motif分析
• 学习RNA与可变剪接分析方法
• 学习转座子分析方法

3. 能够分析实验室真实数据

计划完成时间：自习得至此后的科研生活

• 能够为实验室分析RNA-seq、ChIP-seq数据
• 能够自主分析数据库中的数据，并尝试寻找课题

---

如何访问我的网页

👉 点击这里访问我的 GitHub Pages