Guideline-for-Computational-Biology-and-Bioinformatics

Fig from Bioinformatics Curriculum Guidelines: Toward a Definition of Core Competencies, 2014, Plos Compbio

目的: 在原来的 GCCS2019 基础上对组内培养方案更具体的完善，大概会包括如何达到 GCCS2019 中的要求中的basic，advanced skills。

Ps. 对于一开始进组开始 intern 的同学建议全部掌握 Basic skills 且最好掌握部分 Advanced skills，basic skills 是能开始工作的基础，Advanced skills 是能做出原创性工作的前提。

Guideline-for-Computational-Biology-and-Bioinformatics

Basic Skills

这部分是能够开展工作的基础，至少需要了解的部分。

Linux Foundation

对于 Linux 需要掌握一些最基础的基本操作，以及关于服务器的一些基本的常识。

Linux basic 和 linux shortenned 都是基本的 Linux 知识，建议快速的看一遍，然后上手试一试，北大未名有免费的学生账号，可以申请

Python

Basic 的 Python ，只需要掌握基本的语法，以及常见的 package 比如 numpy, pandas 的基础用法即可。

Basic Python 中文版本 [link]
Python 100 days 已经是很完整的 Python 的资料了，包括的内容非常多，basic 的话不需要全部掌握。
Think python，另外也有中文版，自行搜索就能找到。
Python 进阶看起来很快，发现basic的不太够之后去看的 original English version

R

R for beginners 适合初学者入门。

Writing

Markdown/Rmarkdown Markdown 感觉是轻量级 LaTeX，最主要的就是也能支持数学公式。推荐 typora！来写 Markdown。
LaTeX LaTeX 基础的话推荐 Basic latex 看完这个，LaTeX 的基本的使用不成问题！如果想要尝试的话可以推荐使用 Overleaf，上面有很多的 template 可以直接用。

Basic Math

高等数学
线性代数
概率论与数理统计

Advanced skill

Advanced skill 是在 Basic skill 的基础上的进阶，包括机器学习，统计学习，深度学习，贝叶斯理论，概率图模型，同学们按照自己的兴趣挑选学习即可。

ps. 如何做出有价值的，其他人没想到的工作呢 1.你比人家聪明，2.你比人家知道的多。相比第一条，第二条是更容易实现的

Machine Learning

使用机器学习/统计学习方法挖掘组学数据其实就是生物信息做的事情，所以machine learning某种程度上也是 basic skill! 这部分资料其实非常多，Google 随便搜索一下就能找到很多，下面简单的罗列一下我知道的，或者我看过觉得不错的的资料。

Mooc
- Coursera 上 Andrew Ng 的 Machine learning，深入浅出相当不错，建议快速刷完。machine learning ，另外国内网易云上，bilibili上都有搬运的资料。
- machine-learning-notes 只要是里面有视频的部分讲的都非常清楚(Variational Inference, MC等)！而且中文格外亲切。
Book
- Pattern recognition and machine learning(PRML)

Statistical Learning

统计学习和机器学习其实没什么区别吧.

李航的统计学习，短小精悍！建议专心读几天，一口气读完。
Statistical Rethinking: A Bayesian Course Using R and Stan这其中包括 slides, videos, homework(solution)。
Introduction to Statistical Learning with R 这本比较简单，也有中文翻译版本，也是某种意义上李程老师的基因组数据分析所用的教材。
The Element of Statistical Learning 这本书比 ISL 更难，有更多的数学，而且中文版感觉翻译的不是很好，另外也是林伟老师的统计学习的教材.

Deep Learning

Coursera 上面的 Deep Learning, Andrew Ng 讲的还是非常好的，另外 bilibili 上也有搬运的。另外网易云上应该也有。
李沐的动手学深度学习,框架使用的是MXNET，所以可能这部分借鉴意义不大，但是本身来说写的还是不错的，比那本非常有名的 deep learning 更适合学习。Pytorch version 毕竟Pytorch 还是比 MXNET 要更流行一些,建议直接看pytorch 版）
Solution of Deep-Learning-Coursera
Awesome - Most Cited Deep Learning Papers Deep learning 中经典的论文

Bayes

贝叶斯学派和频率学派的本质区别就是认为 parameter 没有确定的值，有的是分布。

Bayesian Data Analysis 这本书内容比较多，是席瑞斌老师的贝叶斯的参考书。
Awesome Bayes 里面包括非常多的关于贝叶斯的资源
Think 系列中的 Think Bayes

Reinforce Learning

Stanford Reinforce Learning

Bioinformatics Analysis

Single Cell Analysis
Others
- awesome multi omics
- A great repo about ChIP-seq-analysis by Ming Tang

Some Courses

Computational Biology Courses
- MIT Deep Learning in Genomics 最新的MOOC！，B站上也有搬运，强推，非常广，虽然我觉得这个deep learning 改成 machine learning比较好。
- MIT Computational Biology: Genomes, Networks, Evolution, Health Homepage, Lecture Manolis Kellis 19年的课，其实感觉和上面的2020fall的比较像，可以互补着看。
- MIT Foundations of computational and systems biology
- stanford Computational Biology in Four Dimensions Computational biology 的一些topic。
Courses at Peking University
- 北京大学基因组学、生物信息学课程 by 李程老师
- 基因组生物学技术
- 贝叶斯理论与算法
- 深度学习：算法与应用
- 生物信息中的数学模型与方法
- 基因组学数据分析
- 生物数学物理
- 统计学习
- 生物数学建模
- 生物信息学方法
- 生物统计

People

屠鑫明
陈子玉
曹智杰
丁阳

cquzys/Guideline-for-Computational-Biology-and-Bioinformatics