近年来，人工智能，尤其是大语言模型，正在快速进入生命科学研究。它可以帮助我们写代码、搭建分析流程、总结文献、生成图注，甚至辅助提出科学假设。因此，一个越来越常见的问题是：如果 AI 已经能够完成 RNA-seq 分析、GWAS 脚本、变异注释和差异表达解释，那么生物信息学专家还重要吗？

近期发表在 npj Digita

生效日期：2025年11月18日     版本号：V1.0

负责人：孙彩依、赵虎

为确保温室（K103、K106）科研资源的有序、高效利用，保障全体使用者的科研工作顺利进行，特制定本管理规定。所有进入温室的人员均须严格遵守。

一、总则与准入

1. 使用许可：使用温室必须首先征得导师（老师）同意。

2. 权限管理：管理员

作者：魏雨城

魏雨城同学最近正在系统学习生物信息分析，并整理了一份关于GEO数据库转录组数据挖掘与分析的详细笔记。希望可以分享出来，帮助到正在学习相关内容的同学。

本篇笔记以一个来自GEO数据库的肺鳞癌真实数据集（GSE3268）为例，使用R语言，从头到尾完整地展示了一套标准的转录组数据分析流程。内容涵盖：

• 数据获

https://zh.d2l.ai/index.html

PDF为PyTorch版本

简要目录

第一章 生物信息学通论

第二章 分子数据库

第三章 序列分析与比较

第四章 基因组测序与分析

第五章 分子进化

第六章 蛋白质结构与功能预测

第七章 内源非编码小RNA分析

第八章 遗传多态性及正向选择检测

附录：

生物信息学主要英文术语及释义

与核苷酸和蛋白质序列相关的特征关键词表

核苷酸和氨基酸代码

Vince Buffalo编写出版的《Bioinformatics Data skills》是一本针对生信求学者的入门秘籍，深入浅出地介绍了入门基础知识，包含Linux系统、Git、R、Bash脚本等内容。

主要内容包括：

• 良好的分析习惯【第一章】

• 操作系统(linux)、编程语言(shell，R)和常用

深度学习与计算生物学入门指南

1. 动手学深度学习系列

课程链接: Bilibili
参考资料: D2L

由MXNet作者李沐主讲，该系列课程以实践为主，适合初学者快速入门。

学习建议：

1. 从基础开始: 先掌握数学基础（线性代数、概率统计、微积分）。
2. 编程准备: 熟悉Python，掌握Numpy、Pandas等科学计