刚入门、想少走弯路的人
不要求你先会 R，也不要求你先懂统计，只要求你愿意按步骤跑通一套完整案例。
先全局，再细节；先成品，再原理
先知道结果该长什么样，再去理解为什么这样做，学习效率会高很多。
能独立讲清一套分析故事
不仅能跑代码，还能解释候选基因、通路、免疫浸润和预后之间的关系。
Chapter 01 / 概览
建立认知地图
在真正开始敲代码之前，先把生信分析里的“黑话”看懂。这个阶段最重要的不是记住每个参数，而是知道整个流程大概会经过哪些环节。
差异分析
寻找疾病与正常样本之间基因表达的显著差异，筛出值得继续追踪的候选基因。
TCGA
癌症基因组图谱数据库，样本量大、临床信息丰富，是癌症方向最常见的数据起点之一。
富集分析
把一组差异基因放回生物学背景中，看看它们共同关联的通路、功能和细胞过程。
免疫浸润
分析肿瘤微环境中不同免疫细胞的比例和构成，理解基因表达与免疫状态之间的关系。
数据预处理
包括质控、归一化、批次效应检查等，是避免“代码跑通但结果错误”的第一道防线。
可视化
火山图、热图、生存曲线、UMAP 这些图不是装饰，而是你解释结果逻辑的核心语言。
学习目标：先消除陌生感，再建立全局感。就像学武功先看整套招式长什么样，而不是一开始就纠结每根手指怎么发力。很多人上来就啃代码，最后只会感觉处处都难。
Starter Kit
推荐起步材料
先建立“套路感”和“案例感”，等你看得出套路了，再去学代码和原理，理解会顺很多。
B 站《15天入门生物信息》
适合快速建立基础框架，先知道完整流程有哪些常见模块。
打开 Bilibili生信技能树案例库
重点不是记住每个命令，而是看清：数据怎么来、图怎么出、故事怎么讲。
查看案例站点在线分析平台与教学案例
适合作为“辅助驾驶”，先把一条标准路径走通，再回头理解代码与统计学逻辑。
打开在线平台
Chapter 01.5 / 数据资源
数据资源地图
知道去哪里“挖矿”，决定了你能不能快速起步。公共数据库并不是越多越好，而是要知道每个库分别适合做什么。
| 数据库 | 类型 | 特点 | 适用场景 |
|---|---|---|---|
| TCGA | 肿瘤多组学 | 样本量大，配套临床信息齐全 | 癌症研究、生存分析、候选基因故事构建 |
| GEO | 综合性数据库 | 数据类型最丰富，适合练手与快速验证 | 小规模项目起步、方法学习、交叉验证 |
| GTEx | 正常组织数据库 | 正常组织对照的金标准 | 癌症 vs 正常对照、组织表达背景分析 |
| ArrayExpress | 综合性数据库 | 欧洲数据库，能补 GEO 不足 | GEO 检索不到时的补充方案 |
Specialty
新兴数据库方向
如果你准备继续深入，可以按研究方向去补充专题数据库，而不是一股脑全学。
单细胞专项
Human Cell Atlas / Tabula Sapiens
适合做细胞类型注释、正常组织参考和单细胞表达背景比对。
查看官网空间转录组
10x Visium 数据与 SpatialDB
适合做空间表达模式、组织区域分型和空间差异分析。
查看官网蛋白组
CPTAC
和 TCGA 一起使用时价值很高，适合做转录组与蛋白组交叉验证。
查看官网表观遗传
ENCODE / Roadmap Epigenomics
适合做染色质开放性、表观修饰和调控元件背景支持。
查看官网代谢组
HMDB / MetaboLights
适合往代谢通路与代谢物注释方向扩展分析故事。
查看官网微生物组
肠道菌群与人类微生物组数据库
适合拓展疾病与菌群组成、代谢和宿主相互作用的研究。
查看官网使用原则：先用 GEO 小数据集练手，再上 TCGA 做大故事。GTEx 的价值在于它提供了高质量正常对照；没有正常对照的癌症分析，就像缺了阴性对照的实验。
Chapter 03 / 方法论
关键转折点：工具先行，代码后置
这是最反直觉但也最有效的一步。先用工具理解一套分析是怎样从数据变成 Figure，再去学代码为什么这么写，你会明显更快进入状态。
操作路径
获取可用的平台或案例资源，选定一个疾病方向或基因，然后按一套完整教程复现分析流程。
量化目标
至少完整复刻 2-3 个基因或课题案例，做到“看懂每一步在解决什么问题”。
预期效果
你会得到一次明显的“顿悟时刻”——突然理解生信分析到底在围绕什么展开。
先理解数据怎样一步步变成 Figure 1/2/3，而不是被零散命令牵着走。
在复现过程中自然会冒出“为什么要归一化”“为什么先做 PCA”这类关键问题。
你会先知道“正确结果长什么样”，以后遇到异常结果更容易判断哪里出了问题。
重要提示：不要泛泛地跑示例数据，一定要带着一个选题去复现。比如选定一个基因，从数据下载、差异分析、生存分析、免疫浸润一路跑到可视化。跑通 2-3 遍之后，很多此前抽象的概念会突然变得非常具体。
Chapter 03.5 / 实战
三级实战项目清单
最有效的学习方式不是“再看一遍教程”，而是做完一套、再做一套。项目难度要递进，每一级都要有明确产出。
入门级
预计 1 周- 数据下载与预处理
- 差异分析，找到 DEGs
- 火山图与热图可视化
- GO / KEGG 富集分析
预期产出：一套完整的 Figure 1，至少包括 4-6 张子图。
进阶级
预计 2 周- 差异分析与候选基因筛选
- 生存分析：KM 曲线与 Cox 回归
- 免疫浸润：CIBERSORT / xCell
- 候选基因验证与相关性分析
预期产出：Figure 1 + Figure 2，已经能够讲出一条相对完整的生物学故事线。
挑战级
预计 3 周- 质控、过滤和基本预处理
- 降维：PCA 到 UMAP / t-SNE
- 聚类与细胞类型注释
- 标记基因鉴定与可视化
预期产出：标准单细胞 Figure，包括 UMAP、热图以及关键 cluster 标记。
学习原则：把简单的做熟练，比把复杂的做半吊子更有价值。每完成一个项目，就尝试写一段 Methods。如果你写不出来，说明你还没有真正理解这套分析。
Chapter 04 / 代码基础
R 语言基础攻坚
到这一步，你已经知道“要做什么”，接下来才开始补“怎么做”。带着具体问题学 R，效率远高于纯语法式学习。
1. 核心内容
基础语法、数据框操作、向量和列表，以及 ggplot2 的基本绘图思路。
2. 效率工具
把 AI 当成解释器和陪练，而不是代写工具：用来解释报错、拆解代码和举例练习。
3. 学习目标
先做到“有印象、能查到、会改”，暂时不要追求一次学到精通。
4. 学习路径
先看教程理解概念，再亲手写代码，最后回到真实分析问题里应用。
5. 推荐资源
R for Data Science、R 语言实战以及具体分析包的官方文档。
6. 记住结论
遇到报错先看提示，再查文档和社区。会定位问题，比会背语法更重要。
环境配置清单
R (>= 4.2.0)
RStudio Desktop
tidyverse
DESeq2
limma
clusterProfiler
Seurat（单细胞方向）
scRNA-seq 相关扩展包
AI 使用建议：这一步的 AI 最适合做“超级助教”。例如你在案例里看到一个好看的箱线图，现在就可以问：“用 ggplot2 画分组箱线图并做统计检验”。前提是你已经知道自己想问什么、想得到什么。
Chapter 05 / 技术选型
为什么推荐先学 R 语言
不是说 Python 不重要，而是对于大多数常规生信分析任务，R 的生态、成熟度和图形能力更适合作为起点。
| 维度 | R 语言 | Python |
|---|---|---|
| 生信生态 | Bioconductor 积累深，包成熟且经过长期验证 | 新兴工具多，但传统生信专用包分布更零散 |
| 学习曲线 | 统计分析思路与代码表达更贴近 | 需要更多通用编程基础与工程化思维 |
| 可视化 | ggplot2 高度成熟，图形表达非常稳定 | matplotlib / seaborn 灵活，但常需要更多调参 |
| 适用场景 | 转录组、基因组、单细胞标准流程 | 机器学习、深度学习、多组学整合与工程化 |
结论：如果你当前的目标是差异分析、GSEA、免疫浸润、生存分析这些标准任务，先把 R 语言这条主线走熟，再扩展 Python，会更稳也更高效。
Chapter 06 / 风险控制
避坑指南
生信分析最危险的地方在于：代码能跑通，并不等于结论可信。统计学、数据质量和验证意识，决定了你最终能不能做出靠谱结果。
| 陷阱 | 后果 | 避坑建议 |
|---|---|---|
| 批次效应未校正 | 假阳性和假阴性一起泛滥 | 数据合并前必须先做 PCA / 聚类检查 |
| 混淆 p-value 与 FDR | 把大量假阳性当作真实结果 | 差异分析优先看 adjusted p-value |
| 样本量过小 | 检验结果不稳定，无法支撑故事 | n < 3 不做差异分析，n < 10 谨慎解读 |
| 数据泄露 | 模型和生存分析指标虚高 | 特征选择不能在划分训练 / 测试之前做 |
AI Boundary
AI 辅助的边界
AI 很强，但它最容易放大初学者对“结果可靠性”的误判。你不理解标准流程时，AI 给你的加速，很可能是在加速犯错。
信任危机
AI 写的代码可能看起来很完整，但小白往往无法判断统计学逻辑是否正确。
学术诚信风险
如果方法和参数都不理解，直接跑 AI 生成流程，很容易写出结论漂亮但站不住的文章。
能力陷阱
绕过基础去“复制结果”，一旦报错或结果异常，基本无从修正，也无法解释给别人听。
确认偏误
AI 会很配合地帮你圆故事，如果你没有验证意识，很容易只看见自己想看见的结果。
Correct Use
正确姿势
把 AI 放在正确的位置，它会非常强；放在错误的位置，它只会让你更快偏离正轨。
先掌握基础
先知道什么是标准流程，什么样的结果才算合理。
再用 AI 提效
让 AI 负责解释、提速、生成模板，而不是替你做关键判断。
始终验证
关键结果必须与文献、数据库或独立队列互相印证。
核心原则：只有当你已经看懂标准流程时，AI 才是加速器；如果你还没形成判断标准，它就会成为一个非常擅长“把错误说得像对的”工具。
Chapter 07 / 解读能力
从分析到故事：结果解读能力
分析不是终点。审稿人真正关心的，是你通过这些分析说明了什么生物学问题、提出了什么可解释的发现。
差异基因 → 候选基因筛选
先设定基本筛选标准，如 log2FC 与 FDR，再结合癌基因 / 抑癌基因背景做优先级排序。
富集分析 → 生物学功能关联
从 GO 和 KEGG 里判断这组基因更像在推动炎症、代谢、细胞周期还是免疫逃逸。
诊断模型 → 疾病识别能力
如果做 ROC，就要能解释 AUC 的意义、敏感性和特异性的平衡，而不只是“这个值高”。
预后分析 → 生存与风险
先看高低表达组是否分层，再判断它是不是独立预后因子，避免过度解读相关性。
免疫浸润 → 肿瘤微环境
观察免疫细胞比例变化和候选基因的相关性，判断是否具备免疫治疗或微环境解释价值。
整合 → 讲出完整故事
最后把表达、通路、免疫和预后串成一句话：这个基因在这个疾病中可能通过什么路径影响了什么结果。
Chapter 08 / 进阶方向
前沿趋势与进阶路径
入门之后真正的问题不是“再多学一点”，而是“该往哪条线深入”。先把 bulk RNA-seq 吃透，再决定是不是进入单细胞、空间组学或 AI for Bio。
| 领域 | 特点 | 入门难度 | 发文热度 |
|---|---|---|---|
| 单细胞测序 | 细胞级分辨率，适合做群体异质性分析 | ★★★★ | 🔥🔥🔥🔥🔥 |
| 空间转录组 | 保留空间位置信息，适合组织微环境研究 | ★★★★★ | 🔥🔥🔥🔥 |
| 多组学整合 | 把转录组、蛋白组、代谢组放到一起看 | ★★★★ | 🔥🔥🔥 |
| AI for Bio | 结构预测、药物设计、深度学习模型 | ★★★★★ | 🔥🔥🔥🔥🔥 |
- 第 1 阶段：掌握 bulk RNA-seq
- 第 2 阶段：单细胞基础分析
- 第 3 阶段：空间转录组 / 多组学
- 第 4 阶段：深挖一个方向
bioRxiv
新方法通常先在这里出现，适合跟踪热点方向和工具更新。
查看最新预印本GitHub / Stack Overflow / Biostars
排查报错、读源码、找 issue 和学习实际项目结构的最佳入口。
进入开发社区Coursera / edX 生信课程
适合系统补课，尤其是算法基础、统计学和多组学方向。
进入课程平台生信技能树等中文内容源
适合跟进中文案例、分析套路和国内研究者的实践经验。
进入中文站点进阶建议：单细胞和空间转录组确实是热点，但不要一上来就啃。先把 bulk RNA-seq 的差异分析、富集分析和结果解读做扎实，再上更复杂的层级，你会稳很多。
生信入门最大的误区，不是不会代码，而是顺序错了。
正确路径不是“先把所有语法学完”，而是先看见终点，再走路径；先复现，再创新；先理解，再编程。记住：代码能跑通，不等于结果正确。
看套路
建地图
先跑工具
做项目
补 R 语言
避陷阱
会讲故事
再看前沿
Appendix / 速查
附录：必装包与常用数据库
最后把最常用的安装命令和数据库入口收在一起，方便你开始第一个项目时直接回查。
必装 R 包速查
# 基础数据操作
install.packages("tidyverse")
# 差异分析三剑客
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(c("DESeq2", "limma", "edgeR"))
# 富集分析
BiocManager::install("clusterProfiler")
# 单细胞分析
BiocManager::install("Seurat")
# 免疫浸润
install.packages("IOBR")