生信分析python医学

A. 生物信息分析师都需要具备哪些技能

1. 计算生物学、统计学、机器学习、生物信息学等相关专业
2. 国内毕业者需硕士学位或以上 （或国内本科及两年以上相关工作经验） / 海归人员需国外的本科学位或以上
3. 熟悉Linux/Unix操作系统，有HPC环境背景优先考虑
4. 熟悉生信流程创建
5. 精通PerI、R （如会Matlab、python、C/C++中两种以上编程语言可加分）
6. 具备较强的中英文文献查询与阅读能力，并做英文书面报告
7. 精通单细胞、高通量测序数据的分析全流程者优先考虑

B. 想入生物信息学这个行业，python学习要达到什么程度

我以自己的3年的自学经历，给跟着我学习生物信息的小伙伴亲自出了13到题目，并邀请前辈录制了视频，分别是：
生信编程贴
01.生信编程很简单 | 02.人类基因组的外显子区域到底有多长
03.探索人类基因组序列 | 04.探索人类基因组注释文件
05.多个同样的行列式文件合并 | 06.根据GTF画基因的多个转录本结构
07.下载最新版的KEGG信息并且解析 | 08.写超几何分布检验！
09.根据指定染色体及坐标得到参考碱基 | 10.根据指定染色体及坐标得到位置信息
11.把文件内容按照染色体分开写出 | 12.json格式数据的格式化
生物信息Python从入门到精通
我觉得你能把这些题目独立完成，就说明在生物信息领域，你的编程能力大致是足够来工作了。
当然，去做科研算法还是不够的。

C. 常用的生物信息学python库有哪些

常用的生物信息学python库：
Tkinter
Python默认的图形界面接口。Tkinter是一个和Tk接口的Python模块，Tkinter库提供了对Tk API的接口，它属于Tcl/Tk的GUI工具组。
PyGTK
用于python GUI程序开发的GTK+库。GTK就是用来实现GIMP和Gnome的库。
PyQt
用于python的Qt开发库。QT就是实现了KDE环境的那个库，由一系列的模块组成，有qt, qtcanvas, qtgl, qtnetwork, qtsql, qttable, qtui and qtxml，包含有300个类和超过5750个的函数和方法。PyQt还支持一个叫qtext的模块，它包含一个QScintilla库。该库是Scintillar编辑器类的Qt接口。
wxPython
GUI编程框架，熟悉MFC的人会非常喜欢，简直是同一架构（对于初学者或者对设计要求不高的用户来说，使用Boa Constructor可以方便迅速的进行wxPython的开发）
PIL
python提供强大的图形处理的能力，并提供广泛的图形文件格式支持，该库能进行图形格式的转换、打印和显示。还能进行一些图形效果的处理，如图形的放大、缩小和旋转等。是Python用户进行图象处理的强有力工具。
Psyco
一个Python代码加速度器，可使Python代码的执行速度提高到与编译语言一样的水平。
xmpppy
Jabber服务器采用开发的XMPP协议，Google Talk也是采用XMPP协议的IM系统。在Python中有一个xmpppy模块支持该协议。也就是说，我们可以通过该模块与Jabber服务器通信，是不是很Cool。
PyMedia
用于多媒体操作的python模块。它提供了丰富而简单的接口用于多媒体处理(wav, mp3, ogg, avi, divx, dvd, cdda etc)。可在Windows和Linux平台下使用。
Pmw
Python megawidgets，Python超级GUI组件集，一个在python中利用Tkinter模块构建的高级GUI组件，每个Pmw都合并了一个或多个Tkinter组件，以实现更有用和更复杂的功能。
PyXML
用Python解析和处理XML文档的工具包，包中的4DOM是完全相容于W3C DOM规范的。它包含以下内容：
xmlproc: 一个符合规范的XML解析器。Expat: 一个快速的，非验证的XML解析器。还有其他和他同级别的还有 PyHtml PySGML。
PyGame
用于多媒体开发和游戏软件开发的模块。
PyOpenGL
模块封装了“OpenGL应用程序编程接口”，通过该模块python程序员可在程序中集成2D和3D的图形。
NumPy、NumArray、SAGE
NumArray是Python的一个扩展库，主要用于处理任意维数的固定类型数组，简单说就是一个矩阵库。它的底层代码使用C来编写，所以速度的优势很明显。SAGE是基于NumPy和其他几个工具所整合成的数学软件包，目标是取代Magma, Maple, Mathematica和Matlab 这类工具。
MySQLdb
用于连接MySQL数据库。还有用于zope的ZMySQLDA模块，通过它就可在zope中连接mysql数据库。
Sqlite3
用于连接sqlite数据库。

Python-ldap
提供一组面向对象的API，可方便地在python中访问ldap目录服务，它基于OpenLDAP2.x。
smtplib
发送电子邮件。
ftplib
定义了FTP类和一些方法，用以进行客户端的ftp编程。如果想了解ftp协议的详细内容，请参考RFC959。
PyOpenCL
OpenCL的Python接口，通过该模块可以使用GPU实现并行计算。

D. 生物信息学就业方向和前景分别怎么样

就业方向生化、科研类单位：生物研究、基因组学研究、蛋白质组学研究； 医药类企业：生物工程、生物技术、生物制药、药品研发、药品销售。

就业前景广阔，可以从事研究开发和 销售。

考研方向生物学、生物化学与分子生物学、生物医学工程、生物工程。

生物信息学的学科特点

生物信息学将生物与数学、计算机进行了有效结合，主要通过综合运用数学和信息科学等多领域的方法和工具对生物信息进行获取、加工、存储、分析和解释，来阐明大量生物数据所包含的生物学意义，研究重点主要体现在基因组学和蛋白质组学两方面。

课程体系

《生物信息学》、《普通生物学》、《生物化学》、《分子生物学》、《遗传学》、《计算生物学》、《基因组学》、《生物芯片原理与技术》、《蛋白质组学》、《Perl/Python语言编程》。

E. 生物信息学编程，选Python语言可行吗

python对于业余人士，特别是科研人员来说，非常好。目前看来，几乎是最好的语言。

不过，这个要看你们学校里，或者是科研单位上用什么语言。

比如你们学校里流行java或者是C语言，那么你用python编程可能就有不合群的感觉。

不过国外的大学里，大部分都将python作为一个基本工具来用的。几乎每个教授都在用它做教学科研。

F. Perl，R，Python在生物信息学中是怎样的角色

应该说Python/Perl是相互替代的脚本语言，但个人推荐用Python, 虽然很多老的生物信息软件是用Perl,Python学习曲线好，功能也更强大，是发展趋势。这两个语言主要是做数据预处理、文本处理和格式转换、对算法效率要求不高的分析软件开发，系统管理和pipeline搭建等工作。R语言主要的优势是大量的统计包的支持，数据统计分析中非常常用。Python和R有良好的接口。关于绘图很多人用R,其实Python的Matplotlib的绘图效果比它漂亮很多，也更强大。对pipeline的搭建shell编程更适合，是一个不可缺少的技能。与数据库相关的工作需要用到SQL， Linux : 操作系统，是基础。 生物信息对Linux的要求其实并不高，并不是要做系统开发者或管理员，只需要会用就行。复制粘贴、处理数据、安装软件等。生物信息软件：标准数据分析。 生物信息学的数据格式已经基本标准化，大部分工作可以直接用软件完成。Perl和Python：处理个性化问题、软件之间的对接。 这两门语言至少应该熟练掌握一门自己写程序用，另外一门要能看得懂。 写点小脚本感觉差别不大，但是perl写大程序不合适。 很多人认为python是趋势，但至少截止目前更多生信软件是用perl写的。 所以，如果刚开始学，建议主打python, 看懂perl。R ：数据处理、统计、绘图、数据分析。 R语言的数据结构跟其他语言差异较大、而且总感觉语法比较散，不好记。但是R的软件包却异常强大。数据处理的reshape2, dplyr；绘图的ggplot2；还有Bioconctor里的几千个包。不得不会。

G. 如何用Python写生物信息学软件

表现方式：
1）时间戳(用秒来表示)
2）格式化的时间字符串
3）元组（struct_time）共九个元素。

H. 生物信息在国内前景究竟如何

实际上生信的壁垒在于计算机水平，一个有cs基础的人转行生信的难度，明显低于一个纯生命科学专业转行生信。故如果转行cs再回到生信需要的缓冲期很短，而生信再转行深度学习，需要的缓冲长一些，但是因人而异，因为已经有python和基本的数据库，相比纯生物学优势很大。如果想要在生信上进一步做科研，目前来看前景（短期）还是很积极的，无论是施一公领衔的结构生物学（更重要的是设备，但也有分析），还是华大领衔的基因组学，以及目前非常火热的精准医疗都与生信有密切联系。随着深度学习的发展，以各类数据库为基础的智能诊断也与生信有关。从另一个侧面看，生物专业未来的需求应该是多面的，未来做生物学研究（或者说基础医学研究），需要计算机、数学等等方面的人才会很多（例如计量生物学）。很多实验（基本的养细胞，跑胶）可能在未来的效率会大幅提升，纯实验所需人手可能在饱和，照目前美国技术迭代的速度，几乎所有科技行业每半年都需要进修与学习，相对于生命科学来说，有生信基础的人会面临小一些的压力。（但是只是相对大部分生命科学学生）必须承认金融与cs未来还会是最具吸引力的行业，但是如果可以在生信上做好，那么掌握医学统计学；统计学，python和组学知识的人才无须担心前景，但是读PhD期间，可能很多人会因为枯燥的湿实验，大量重复性的工作而失去耐心，故仍旧要考虑自己的情况。