浙江省生物信息学学会“生信数据分析与可视化培训班”实录-Part1
西湖美景三月天，来自全国的生物信息学研究人员在小长假齐聚美丽杭州，于浙江大学紫金港校区生命科学学院生物信息学实验室，开展本年度浙江省生物信息学学会“生信研习班”系列科普培训活动。本次活动主题为“生物信息数据分析与可视化”，主讲人为浙江大学陈铭教授及其博士团队，以及南京大学陈迪俊副教授及其博士团队。
- 前言——组学研究概述
在研习班开课阶段，陈铭教授介绍了生物信息学在后基因组时代面临的挑战，以及蓬勃发展的测序技术如何应用到科学研究中，同时介绍了在生物数据量持续膨胀的今天，生信分析能为科学研究带来哪些结果等。
陈铭教授在授课过程中，反复将生物信息学比作"大象"，他表示，未来的研究中，哪怕是极小的分支，都要把它当作大象来看，不能片面对待。因为在生物信息领域，任何一个事物都不能仅仅从一个角度去看，需要各个组学整合地去研究。陈铭教授同时指出，目前生物信息学领域中，仍存在以下误差：目前常用的数据库较多，但受限于实验的方式，存在大量垃圾数据；常用的方法被当作经典方法，而方法本身可能并不合适；常常将假设信息当作已验证的信息进行分析，而假设的信息并非绝对正确。因此，陈铭教授提出整合生物信息学的概念，即用整合的信息进行分析，事实证明，整合的方法能够取得更好的结果。
随着科学研究的进展，人们发现单纯研究某一方向无法解释全部生物医学问题，科学家就提出从整体的角度出发去研究人类组织细胞结构、基因、蛋白及其分子间相互的作用，通过整体分析反映人体组织器官功能和代谢的状态，为探索人类疾病的发病机制提供新的思路。组学是一项至关重要的生物科学研究分析方法。研习班主要进行四种组学的介绍，分别为转录组学、表观基因组学、单细胞转录组学、空间转录组学。
在生物大数据时代，精准医学是生物信息学的基本目标，也可以说是基因组学的商业化应用。随着生物信息学的进步与发展，我们有望摆脱传统医学回顾式、经验式、封闭式、不确定式的弊端，实现精准筛查与诊断，最终实现包括私人健康管理、智慧医疗在内的全民精准医疗。
组学数据分析需要运用编程语言处理，因此，研习班首先介绍了编程环境的安装，然后进行Linux命令的教学。
2. 环境安装
为了后续实操的顺利进行，搭建属于自己的生信分析环境，照顾到非计算机背景的研究人员，研习班首先进行了环境安装的教学。主要包括部署Linux环境、RStudio环境以及后续用到的诸多软件等。具体内容如下：
1）部署Linux：研习班教学的Linux部署方式较为简单：首先打开Win10系统自带的 应用商店程序，搜索Ubuntu进行下载。下载后，进行Ubuntu的初始化，设置账号与密码，完成Linux的安装与部署。
2）R环境安装：R语言安装同样较为简单，可直接在官网下载，且直接安装在Windows环境即可；同时，需要下载RStudio，它和R一样，都安装在Windows环境，且尽量和R安装在相同的文件夹下，方便管理。
3）部署conda环境：研习班安装的conda环境为miniconda，其需要安装在Linux环境中，首先，在Linux中使用wget命令下载适合系统的Miniconda安装包；然后，使用bash命令运行安装程序，并按照提示完成安装。
4）安装后续所需的生信分析软件：使用conda install 命令下载所需的软件包。可以在以下地址搜索所需软件：https://anaconda.org/bioconda，其提供了最多的生信领域的常用工具包。
3. Linux语言教学：
Linux在数据分析中非常重要，作为一个开源的操作系统，Linux在数据分析领域具有非常重要的地位，它提供了高度可定制和灵活的环境，强大的命令行工具和安全性，这些特点使得数据分析人员能够更高效地完成他们的任务。
在这次授课中，老师重点带领大家熟悉Linux操作系统，以掌握生信分析中所需的命令。首先，老师介绍了生信领域中常用的Linux基础命令，如：cd、ls、pwd、cp、ln、mv、rm、vim、mkdir、cat、less、head、wc、sort、uniq等。此外，为了更方便与高效的应用，老师也介绍了Linux进阶命令，包括“三剑客”与管道符的用法，即sed 、awk 、grep和“|”的使用技巧。
总体而言，Linux的命令是应知应会的基础知识，但由于涉及的命令较多，需要时常回顾其定义与用法，常看常新。