Gửi bởi Show Tiến sĩ | Sinh viên 8 năm trước Gần đây tôi đã bắt đầu với một số chương trình thao tác văn bản công nghệ thấp trong Python bằng cách sử dụng một hướng dẫn trực tuyến, nhưng tôi dễ dàng bị nhầm lẫn bởi các hướng dẫn trực tuyến khác nhau không phải lúc nào cũng có một dòng màu đỏ rõ ràng. Giáo sư của tôi kêu gọi tôi mua một cuốn sách thực sự - bất kỳ đề xuất nào ?? cấp độ 1 Tôi thực sự khuyên bạn nên học Python thông qua Codecademy. Cho đến nay, việc học tương tác và thực hành tốt nhất mà tôi đã thấy. Nói chung, với lập trình, đọc một cuốn sách không quá hữu ích. Cách tốt nhất để học là thông qua thực hành. Chúc may mắn! cấp độ 2 Học Python là tuyệt vời nếu bạn đã biết một ngôn ngữ khác, đặc biệt là C. Học ngôn ngữ đồng thời học cách lập trình nói chung là một nhiệm vụ khá khác biệt; Tôi đã nghe thấy Python một cách khó khăn được khuyến nghị cho điều đó, nhưng cũng làm thế nào để nghĩ như một nhà khoa học máy tính. cấp độ 1 Tôi thực sự khuyên bạn nên học Python thông qua Codecademy. Cho đến nay, việc học tương tác và thực hành tốt nhất mà tôi đã thấy. Nhập các ký tự bạn thấy bên dướiXin lỗi, chúng tôi chỉ cần đảm bảo rằng bạn không phải là một robot. Để có kết quả tốt nhất, vui lòng đảm bảo trình duyệt của bạn đang chấp nhận cookie. Nhập các ký tự bạn nhìn thấy trong hình ảnh này:Hãy thử hình ảnh khác nhau Điều kiện sử dụng Chính sách bảo mật Privacy Policy © 1996-2014, Amazon.com, Inc. hoặc các chi nhánh của nó Nhập các ký tự bạn thấy bên dướiXin lỗi, chúng tôi chỉ cần đảm bảo rằng bạn không phải là một robot. Để có kết quả tốt nhất, vui lòng đảm bảo trình duyệt của bạn đang chấp nhận cookie. Nhập các ký tự bạn nhìn thấy trong hình ảnh này:Hãy thử hình ảnh khác nhau Điều kiện sử dụng Chính sách bảo mật Privacy Policy © 1996-2014, Amazon.com, Inc. hoặc các chi nhánh của nó Diễn đàn: Đề xuất sách tin sinh học yêu thích của bạn
Tôi đang tìm kiếm kinh nghiệm cá nhân và ý kiến ngắn gọn về sách tin sinh học. Cho đến nay tôi đã nhận thấy xu hướng sau: Nhiều cuốn sách có tiêu đề Tin sinh học với Perl/Python/Java/r, v.v. Giúp chúng tôi tìm một số cuốn sách hay! PS. Nếu bạn sẵn sàng viết một bài đánh giá sách độc lập thậm chí còn tốt hơn. Vui lòng làm như vậy bằng cách tạo một câu hỏi mới có tiêu đề: "Đánh giá sách cho X" sau đó trả lời nó với đánh giá của riêng bạn. Sách giáo dục • Quan điểm 55K
Tôi muốn giới thiệu những cuốn sách sau đây cho bất kỳ ai quan tâm đến thông tin sinh học (không theo thứ tự):
PS. Tôi có một vài người giống như phân tích bộ gen tính toán, lập trình trí thông minh tập thể, v.v. nhưng chúng có nhiều chuyên ngành hơn đối với các miền phụ khác nhau của tin sinh học.
Tôi đã thực hiện tin sinh học trong 10 năm hoặc lâu hơn và chưa bao giờ đọc một cuốn sách về chủ đề này. Tôi đã học (và vẫn học, mỗi ngày) trong công việc, gần như hoàn toàn từ các tài nguyên trực tuyến. Tôi nghĩ rằng nhiều nhà sinh học trong một "độ tuổi nhất định" đã học theo cách này: họ thường là các nhà sinh vật học băng ghế dự bị đã từ bỏ công việc phòng thí nghiệm và tự dạy mình. Ngày nay, có các khóa học đại học (!), Vì vậy tôi tưởng tượng nhiều người sử dụng sách giáo khoa. Chỉ là tôi không biết về bất kỳ, tôi cũng không cần phải sử dụng một cái.
Hầu hết kinh nghiệm thưa thớt của tôi với tin sinh học đều cần phải trích xuất một số số liệu thống kê từ dữ liệu trình tự. Vì vậy, hầu hết các cuốn sách tôi có thể đề xuất đối phó với các phương pháp thống kê và thuật toán đối với dữ liệu sinh học.
Jones và Pavel là những nhà toán học và nhà sinh học hoàn thành. Công việc của họ với lặp lại là phải có tài liệu tham khảo. Cuốn sách của Ewens sẽ trở thành một tác phẩm kinh điển. Ông đã là một nhân vật quan trọng nhất trong di truyền dân số, cả về lý thuyết và thí nghiệm. Cuốn sách của Sankoff vẫn là tài liệu tham khảo quan trọng nhất trong ALIGMENT. Thật không may, những cuốn sách này có phần uốn cong tâm trí. Họ phụ thuộc rất nhiều vào các khái niệm toán học. Nhưng, theo như tôi biết, lý thuyết tin sinh học thực sự là thách thức về mặt toán học và thuật toán. Và cuốn sách cuối cùng là một giới thiệu thực tế rất rộng về tin sinh học của dữ liệu mảng. Tốt để thư giãn. . . Chúc mừng!
Durbin, R. et al. (1998). Phân tích trình tự sinh học: Các mô hình xác suất của protein và axit nucleic. Nhà xuất bản Đại học Cambridge. Một số ít đã đề cập đến cuốn sách này, nhưng tôi vẫn muốn nhấn mạnh nó nhiều hơn trong một câu trả lời riêng. Cuốn sách này bao gồm rất nhiều chủ đề và trên mỗi chủ đề, nó đưa ra đánh giá rất toàn diện và chuyên sâu. Sau 10 năm, tôi vẫn được hưởng lợi từ cuốn sách này, tìm thấy những chi tiết tỉ mỉ nhưng vô giá mà tôi đã bỏ qua. Đây là đặc biệt trong số các sách giáo khoa chung về tin sinh học. Một số người có thể cho rằng cuốn sách quá cũ, nhưng thật thú vị, khi bạn đọc cuốn sách, bạn sẽ thấy rằng không có quá nhiều đột phá trong tin sinh học trong 12 năm qua - nhiều kỹ thuật cũ vẫn còn hữu ích cho đến nay. Có những cuốn sách giáo khoa tuyệt vời khác trong các trường con. Những cái tôi đã đọc và nghĩ rằng đáng để mua là:
Một lần nữa, tôi có lợi cho những cuốn sách này trong nhiều năm, không chỉ là lần tôi đọc chúng. Tôi gần như không bao giờ đọc một cách có hệ thống một cuốn sách về lập trình hoặc ngôn ngữ lập trình. Như những người khác đã đề xuất, đối với những điều này, cách tốt nhất là thực hành và học hỏi từ web.
Được rồi, tôi nghĩ rằng tôi sẽ chỉ gắn bó với r bây giờ. Tôi làm một số công việc với Bioconductor và có các văn bản sau trên bàn của tôi: Tin sinh học và giải pháp sinh học tính toán sử dụng R và Bioconductor (http://www.bioconductor.org/docs/mogr/) là một văn bản tốt để nắm bắt các nhiệm vụ xử lý dữ liệu phổ biến cho phân tích microarray và proteomics bao gồm QC, một người bình thường hóa, một người bình thường, một và hai dữ liệu mảng màu và phân tích dữ liệu xuôi dòng. Nó cần một bản cập nhật, một số mã ví dụ không hoạt động với các bản phát hành sinh học hiện đại hơn nhưng nó vẫn là một tài nguyên hữu ích. Nghiên cứu trường hợp Bioconductor (http://www.bioconductor.org/pub/biocase/) tập trung ít hơn vào các chi tiết cụ thể của các gói và nhiều hơn vào các quy trình công việc của các phân tích tin sinh học phổ biến, bao gồm GSEA, học máy, rút dữ liệu từ các tài nguyên từ xa, thống kê thống kê, Mô hình hóa và trực quan hóa. Nó cũng được hưởng lợi từ việc phát hành gần đây hơn so với đối tác ở trên. Cả hai cuốn sách này sẽ dạy bạn r. Tài liệu tham khảo lập trình R chung của tôi là: R Lập trình cho Tin sinh học (http://www.bioconductor.org/pub/rbioinf/) cho bạn biết nhiều hơn về r hơn bạn có thể muốn (hoặc quan tâm) để biết. Trong khi nó nhắm đến đối tượng tin sinh học, nó không bỏ qua vai trò của nó như một văn bản chủ yếu để dạy bạn cách lập trình trong R. Nếu bạn đang tìm kiếm một cuốn sách mang lại số liệu thống kê của bạn để tăng tốc độ trong khung R thì từ lâu tôi đã có một bản sao thống kê giới thiệu với R (http://www.amazon.co.uk/dp/0387790535/?tag= Sollc-GB-20) Đó không phải là một cuốn sách dài bằng bất kỳ phương tiện nào nhưng sẽ giúp bạn quen với việc xử lý dữ liệu và áp dụng các bài kiểm tra thống kê trong R.
Tôi chưa bao giờ tìm thấy một cuốn sách tin sinh học tốt. Tất cả những cuốn sách tôi đã liếc nhìn:
Cuối cùng, tôi đã học được nhiều hơn trong việc đọc các blog và các trang web CNTT.
Tôi nghĩ rằng bạn đang chú ý đến việc quan sát của bạn. Vì một số lý do, hầu hết các cuốn sách tin sinh học gần đây, đặc biệt là những cuốn bìa cứng đắt tiền từ CRC và Springer, được viết bởi những người không thực hiện. Bởi những người không thực hành, tôi có nghĩa là các giáo sư dạy thống kê, khoa học sinh học hoặc khoa học máy tính, trái ngược với các nhà phát triển phần mềm làm việc trong lĩnh vực tin sinh học. Kết quả đã được đọc giống như một mặt cắt ngang của sách giáo khoa và bài báo nghiên cứu, với rất ít theo cách của mã thực tế hoặc chiến lược phân tích. Những người khác, như bạn đề cập, là những lời giới thiệu "có hương vị sinh học nhẹ" về ngôn ngữ lập trình. Tôi yêu sách kỹ thuật nhưng với một vài trường hợp ngoại lệ (bắt đầu cho tin sinh học), tôi chưa bao giờ cảm thấy sách tin sinh học đáng giá tiền. Tôi mong muốn được đọc chương trình tin sinh học bằng Python. Tôi nghĩ rằng nó sẽ là một trong những tốt. Đánh giá của tôi:
Một số sách giáo khoa tôi đã thấy hữu ích cho nghiên cứu, giảng dạy và giám sát dự án trong tin sinh học là:
Tôi sẽ kể một acedote về cuốn sách giới thiệu cho tôi về tin sinh học. Hãy để tôi mở đầu rằng tôi có ba lợi ích lớn trong cuộc sống của mình: sinh học, khoa học máy tính và chèo thuyền. Năm đó là vào khoảng năm 2000, và tôi đã tìm thấy cuốn sách mới: một câu chuyện ở Thung lũng Silicon của Michael M. Lewis. Đó là về hai sở thích của tôi: Khoa học máy tính và Thuyền buồm. Đây là tiểu sử của Jim Clark, một doanh nhân công nghệ sắp tạo ra công ty thứ ba, riêng biệt, tỷ đô: đồ họa Silicon đầu tiên, sau đó trên đầu của nó. Nhưng sau khi đưa ra ý tưởng cơ bản cho Healtheon, đảm bảo tiền hạt giống ban đầu và thuê người dân để thực hiện, Clark tập trung vào việc xây dựng Hyperion, một chiếc thuyền buồm với cột buồm 197 feet (tại thời điểm cô ra mắt, Cô là khẩu hiệu lớn nhất từng được xây dựng và cột buồm cao nhất từng được xây dựng), có chức năng được điều khiển bởi 25 máy trạm SGI. Đúng như tiêu đề, Jim Clark là một người đàn ông không ngừng nghỉ, người luôn tìm kiếm điều mới mới, bước đột phá lớn tiếp theo. Gần cuối cuốn sách Michael Lewis kể về một trong những điều mới của Jim Clarks Radar, một lĩnh vực mới nổi mới có tên là tin sinh học. Tôi nhớ ngồi đó trên ghế, nhìn chằm chằm vào câu đó và nghĩ "Cái gì! Tôi có thể kết hợp cả sinh học và khoa học máy tính!" Từ lúc đó, tôi đã bị cuốn hút. . Chiếc thuyền buồm 95 feet cá nhân của ông có tên là Sorcerer II. Cuộc thám hiểm lấy mẫu nước từ Halifax, Nova Scotia đến vùng nhiệt đới phía đông Thái Bình Dương trong khi thực hiện một vòng quanh hai năm. Số lượng trình tự di truyền có sẵn cho đến thời điểm đó.)
Tôi đã học được khá nhiều thứ từ việc làm, tức là lập trình và phụ thuộc rất nhiều vào các tài nguyên trực tuyến. Đã có những cuốn sách lập trình thỉnh thoảng mà tôi đã sử dụng để bootstrap học về một ngôn ngữ (đặc biệt nếu đó là một bước nhảy vọt lớn, nói từ các ngôn ngữ theo thủ tục đến hướng đối tượng hoặc từ lập trình ứng dụng độc lập đến kịch bản web). Trong số các cuốn sách tin sinh học được đề cập cho đến nay, Durbin và cộng sự, phân tích trình tự sinh học là cuốn sách tôi có nhiều nhất, đặc biệt là phần về cấu trúc thứ cấp RNA, mà tôi bị ám ảnh trong một thời gian. Mô tả tốt về vấn đề, các thuật toán được giải thích rõ ràng và mã giả. Công cụ tuyệt vời. Có lẽ lạc đề, nhưng những cuốn sách tôi thấy thú vị và truyền cảm hứng nhất để đọc là những cuốn sách định hướng web tổng quát hơn như khả năng tìm thấy xung quanh: những gì chúng ta tìm thấy những thay đổi mà chúng ta trở thành.
Đây là những cuốn sách yêu thích của tôi mà tôi đã theo dõi
Và gần đây tôi đang trải qua các phương pháp tính toán cho các proteomics phổ khối -ingvar Eidhammer, Kristian Flikka, Lennart Martens, Svein -Ole MikalsenComputational Methods for Mass Spectrometry Proteomics -Ingvar Eidhammer, Kristian Flikka, Lennart Martens, Svein-Ole Mikalsen
Đây là một cách khác cho câu hỏi này. Cuốn sách yêu thích của tôi là cuốn sách mà tôi có thể viết - hoặc cuốn sách mà Ewan Birney hoặc Lincoln Stein có thể viết (không phải tôi đang ở trong công ty của họ). Nói một cách nghiêm túc, những gì tôi đang nhận được là một cuộc phỏng vấn không phải là một con đường tiêu hóa mà giống như đây là những gì tôi đã sử dụng và phát triển trong lĩnh vực tin sinh học để đối phó với những thách thức này (với chi tiết) và ở đây là nơi tôi yêu cầu hỗ trợ từ các đồng nghiệp là chuyên gia về X hoặc Y. Một cuốn sách như vậy chắc chắn sẽ ngồi trên kệ của tôi bên cạnh sinh học phân tử, hóa sinh và sách mã hóa perl/r/java.
(Xin lỗi, đây không phải là một bổ sung, ngay cả khi nó nghe như ...) Cuốn sách tin sinh học yêu thích của tôi là một cuốn sách sinh học Lewin's Genes X. Tất nhiên nó không phải là một cuốn sách tin sinh học, nhưng rất tốt để có được sự hiểu biết tốt về sinh học. Tin sinh học là một lĩnh vực liên ngành và đối với tôi, đó là niềm đam mê của các di truyền liên quan thúc đẩy tôi phân tích nó. Tôi thấy khoa học máy tính là một phương tiện để hiểu rõ hơn về di truyền học. Cuốn sách này có thể cung cấp cái nhìn sâu sắc cần thiết về di truyền cần thiết cho tin sinh học tốt. Tôi không thể đọc điều này từ trang bìa này sang trang bìa khác, nó chỉ là quá nhiều thông tin, nhưng nó cung cấp các mức độ chi tiết khác nhau. Ngay cả khi chỉ đọc các tiêu đề, người ta có thể học được điều gì đó mới. Có lẽ không rất phù hợp cho người mới bắt đầu tuyệt đối trong di truyền học, và một số nhà sinh học nói rằng nó đôi khi là hời hợt. Có thể là, nhưng tôi không thể đánh giá, tôi chỉ tìm thấy những phần tôi đọc tốt. Tất nhiên có rất nhiều tài liệu tham khảo (thay vì nhiều "ô").
Đây là những cuốn sách soem tôi rất thích, mặc dù không theo thứ tự ưu tiên
Tôi nghĩ rằng một cuốn sách mà một người phải có ngoài các tiết mục lớn của các tài nguyên được đề cập ở trên (để duy trì hoạt động trong tin sinh học) là phiên bản ba tháng của Wiley "các giao thức hiện tại trong tin sinh học".
Một danh sách tuyệt vời của những cuốn sách cho đến nay, một số mà tôi chưa từng nghe. Một cuốn sách tôi không thấy được đề cập là "suy luận phylogenies" của Felsenstein. Mặc dù không phải là một cuốn sách tin sinh học nói chung, đó là một nguồn tài nguyên tuyệt vời nếu người ta muốn tìm hiểu về phân tích phát sinh gen.
Cuốn sách hay nhất cho người mới Tin sinh học - Hướng dẫn thực tế để phân tích gen và protein -Andreas Baxevanis & B.F.Francis Ouellette Trình tự tin sinh học và phân tích bộ gen, phiên bản thứ hai - David W. Mount
Tôi muốn giới thiệu các cuốn sách sau đây giới thiệu về Tin sinh học Phiên bản thứ 3. Đây là một hướng dẫn tuyệt vời cho người mới đến thế giới của dữ liệu bộ gen quy mô lớn. Theo ý kiến của tôi, bạn có thể kết thúc việc tìm kiếm của mình ở đây cho một điểm nhập cảnh vào lĩnh vực hiện đại của tin sinh học. Nó được tổ chức xung quanh các công cụ của thương mại chứ không phải lý thuyết hoành tráng (các cuộc thảo luận sinh học hệ thống đã rời khỏi chương cuối), và sẽ phục vụ tốt hơn như một phần giới thiệu cho sinh viên đại học hoặc nhà nghiên cứu mới tham gia lĩnh vực này hơn là một cuốn sách tham khảo cho các chuyên gia. Đó là lợi ích lớn nhất là sự sáng suốt của thảo luận và dễ đọc. Introduction to Bioinformatics 3rd Edition . It is an excellent guide for the newcomer to the world of large-scale genomic data. It is my opinion that you can end your search here for an entry point to the modern field of bioinformatics. It's organized around tools of the trade rather than grandiose theory (systems biology discussions left off till the last chapter), and will serve better as a introduction for undergraduates or researchers new to the field than a reference book for experts. It's biggest perk is the lucidness of discussion and readability.
Đây là cuốn sách yêu thích của tôi. Đó là một điểm khởi đầu rất tốt cho sinh viên mới trong tin sinh học. Đăng nhập trước khi thêm câu trả lời của bạn. Python có hữu ích cho tin sinh học không?Sự cần thiết ngày càng tăng để xử lý dữ liệu lớn và phát triển các thuật toán trong tất cả các lĩnh vực khoa học có nghĩa là lập trình đang trở thành một kỹ năng thiết yếu cho các nhà khoa học, với Python ngôn ngữ được lựa chọn cho phần lớn các nhà sinh học.Python the language of choice for the majority of bioinformaticians.
R hay Python có tốt hơn cho tin sinh học không?Mặc dù cả R và Python đều có thể tiêu thụ nhiều dữ liệu và xử lý nó, thì lợi thế phải được trao cho Python. R có thể tiêu thụ một lượng lớn thông tin, nhưng với sự ra đời của việc xử lý tế bào đơn, các gói R đã giảm so với các đối tác Python của họ trong việc giữ mức tiêu thụ RAM thấp.the advantage has to be given to Python. R is able to consume large amount of information, but with the advent of Single Cell processing, R packages have fallen short to their Python counterparts in keeping RAM consumption low.
Cuốn sách nào tốt nhất để học Python hoàn toàn?Sách Python tốt nhất cho người mới bắt đầu.. Python Crash Course: Một phần giới thiệu thực hành, dựa trên dự án về lập trình (phiên bản thứ 2) Tác giả: Eric Matthes..... Python đầu tiên: Hướng dẫn thân thiện với não (Phiên bản thứ 2) .... Tìm hiểu Python một cách khó khăn: Phiên bản thứ 3..... Lập trình Python: Giới thiệu về Khoa học Máy tính (Ấn bản thứ 3). Mất bao lâu để học Python cho tin sinh học?Nhìn chung, phải mất khoảng hai đến sáu tháng để tìm hiểu các nguyên tắc cơ bản của Python.Nhưng bạn có thể học đủ để viết chương trình ngắn đầu tiên của mình trong vài phút.Phát triển việc làm chủ các thư viện khổng lồ của Python có thể mất nhiều tháng hoặc nhiều năm.two to six months to learn the fundamentals of Python. But you can learn enough to write your first short program in a matter of minutes. Developing mastery of Python's vast array of libraries can take months or years. |