本次Topic重点关注表观遗传大数据分析以及表观遗传和遗传数据的整合分析。如果你还不是很了解多组学数据分析,建议看看生信技能树的B站系列免费教学视频哈,见:
- 免费视频课程《RNA-seq数据分析》
- 免费视频课程《WES数据分析》
- 免费视频课程《ChIP-seq数据分析》
- 免费视频课程《ATAC-seq数据分析》
- 免费视频课程《甲基化芯片数据分析》
去年,我们的Volume I成功发表40篇论文,获得60000多次阅读和下载量,效果良好,所以Frontier出版社主动联系我们积极筹办Volume II,现已开放在线投稿,欢迎赐稿主题为“计算表观遗传学”,与细胞重编程,人类疾病,细胞分化相关的计算表观遗传学方向的研究者不要错失良机。
研究领域包括但不限于: - 整合多组学的统计方法,机器学习和其他算法
- 鉴定用于疾病诊断和预后的表观遗传生物标志物
- 在细胞命运和人类疾病中的单细胞表观组学分析
- 在细胞重编程和胚胎发育过程中的表观组学算法
- 表观遗传数据的Web服务器和数据库
投稿期刊: - Frontiers in Cell and Developmental Biology (IF:5.201) :主题为 Epigenomics and Epigenetics
- Frontiers in Plant Science (IF:4.402) :主题为 Computational Genomics
- Frontiers in GENETICS (IF:3.258):主题为 Computational Genomics 和Epigenomics and Epigenetics
截止日期:
提交摘要:2020年9月22日
提交手稿:2021年1月20日
特刊地址:
大家如果有投稿意愿的话,点击下面的阅读原文,了解特刊征稿详情
https://www.frontiersin.org/research-topics/15576/volume-ii-computational-epigenetics-in-human-diseases-cell-differentiation-and-cell-reprogramming生命科学领域的研究都离不开数据分析
再怎么强调生物信息学数据分析学习过程的计算机基础知识的打磨都不为过,我把它粗略的分成基于R语言的统计可视化,以及基于Linux的NGS数据处理:
- 《生信分析人员如何系统入门R(2019更新版)》
- 《生信分析人员如何系统入门Linux(2019更新版)》
把R的知识点路线图搞定,如下: - 了解常量和变量概念
- 加减乘除等运算(计算器)
- 多种数据类型(数值,字符,逻辑,因子)
- 多种数据结构(向量,矩阵,数组,数据框,列表)
- 文件读取和写出
- 简单统计可视化
- 无限量函数学习
Linux的6个阶段也跨越过去 ,一般来说,每个阶段都需要至少一天以上的学习: - 第1阶段:把linux系统玩得跟Windows或者MacOS那样的桌面操作系统一样顺畅,主要目的就是去可视化,熟悉黑白命令行界面,可以仅仅以键盘交互模式完成常规文件夹及文件管理工作。
- 第2阶段:做到文本文件的表格化处理,类似于以键盘交互模式完成Excel表格的排序、计数、筛选、去冗余,查找,切割,替换,合并,补齐,熟练掌握awk,sed,grep这文本处理的三驾马车。
- 第3阶段:元字符,通配符及shell中的各种扩展,从此linux操作不再神秘!
- 第4阶段:高级目录管理:软硬链接,绝对路径和相对路径,环境变量。
- 第5阶段:任务提交及批处理,脚本编写解放你的双手。
- 第6阶段:软件安装及conda管理,让linux系统实用性放飞自我。
祝愿大家都早日把生物信息学这个神器用起来,用好,助力自己的生命科学领域研究。文末友情推荐
要想真正入门生物信息学建议务必购买全套书籍,一点一滴攻克计算机基础知识,书单在:什么,生信入门全套书籍仅需160 。
如果大家没有时间自行慢慢摸索着学习,可以考虑我们生信技能树官方举办的学习班: - 数据挖掘学习班第5期(线上直播3周,马拉松式陪伴,带你入门),原价4800的数据挖掘全套课程, 疫情期间半价即可抢购。
- 生信爆款入门-第7期(线上直播4周,马拉松式陪伴,带你入门),原价9600的生信入门全套课程,疫情期间3.3折即可抢购。
如果你课题涉及到转录组,欢迎添加一对一客服:详见:你还在花三五万做一个单细胞转录组吗?
号外:生信技能树知识整理实习生招募,长期招募,也可以简单参与软件测评笔记撰写,开启你的分享人生!另外,:绝大部分生信技能树粉丝都没有机会加我微信,已经多次满了5000好友,所以我开通了一个微信好友,前100名添加我,仅需150元即可,3折优惠期机会不容错过哈。我的微信小号二维码在:0元,10小时教学视频直播《跟着百度李彦宏学习肿瘤基因组测序数据分析》