生物信息研发工程师培训

百度百科就有

首先你得思路清晰其次你得会各种软件和数据库查找，例如Perl、Python等如果都不会，又想做这行，要么回炉重造，要么找个靠谱的培训班学习学习，实在都不行，劝你不要跳坑了，把自己会的变成自己喜欢的，继续奋斗

1.编程

Linux：会用Editor(. VIM) 和 Shell Script (. bash)；推荐《鸟哥的Linux私房菜-基础学习篇》

Python/Perl：《Python编程入门（第3版）》，Perl推荐小骆驼

R/MATLAB：《R语言实战（R in action）》

如果做数据库或者server，推荐再学PHP，MySQL，JavaScript

2.课程

Bioinformatics： 生物信息导论和方法（北大高歌老师的课程，讲解逻辑清晰，由浅入深），MOOC。

因为生信有好多分支，如对基因组、蛋白质组学数据分析并给出生物学解释；在研究算法方面，如利用机器学习的各种原理来解决生物学问题（对基因序列原件的注释，如对TSS，splicing sites，promoters，enhancers，positioned nucleosomes等功能区域的注释；通过对RNA-seq，microarray，ChIP-seq等数据的分析，区分不同的疾病类型或疾病的分子标志物（biomarkers）；对基因功能的注释，如Gene Ontology term；以及基因间互作调控网络的分析）；比如运用统计学知识改进已有的生信软件的算法，等等。可以根据将来要做什么继续补充知识，比如看一下斯坦福大学的Andrew Ng在coursera的机器课程呀 ，看一下统计学原理呀之类的。

3.文献和实战练习

如果是做基因组学的生信公司

RNA数据分析流程

RNA-seq：可以重复一下文章中的分析Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks当然入门之后可以更多了解相关软件啦，比如STAR，feature counts, Gfold, EdgeR, DESeq2,DESeq等。

找lncRNA：Recurrently deregulated lncRNAs in hepatocellular carcinoma. 这篇文章中有如何找新lncRNA的流程，可以根据文章提供的方法重复一下。

DNA数据分析流程

GATK那一套流程检测

同时variant与疾病、eQTL等关联分析的话，可以了解一下STATA

结合机器学习和基因组学的话，可以看一下以下文献：

DeepVariant：由谷歌Deep mind公司研发，利用卷积神经网络（convolutional neural network, CNN）检测基因组上单碱基突变（SNP）和小的插入缺失（Indel），比现有的GATK软件有更高的精确度。

DeepWAS：根据功能单元选择出一组SNP的集合，与现有的基因组关联分析（GWAS）检测基因组上一个SNP与疾病的关系相比，DeepWAS能够更综合地分析致病基因突变，在寻找调控区域的基因突变也更为直接。DeepSEA：预测人类基因组非编码区有功能的变异。

DeepBind：预测DNA，RNA结合蛋白的序列特征，并能识别有害的基因突变。

DeepCpG：在表观遗传学层面上，应用深度神经网络算法，研发了通过单细胞测序的DNA序列和不完整的甲基化修饰数据的，用来预测细胞细胞层面是否会发生甲基化，其效果优于现有软件。