资源

组学科研学习

• 提问：形成自己感兴趣的科研方向，通过搜索阅读文献和听报告，了解这个方向的前沿进展，关注没有回答清楚的问题。对这些问题，你可以提出哪些新的生物假说或模型？

• 研究方案：将研究问题分解为子问题，寻找合作者，设计研究方案，包括使用或开发前沿组学技术产生数据、整合公共组学数据（如GEO、TCGA数据、Allen Brain Atlas）、开发生信方法。

• 回答：实施和推进研究方案，获得并质控组学数据。 定期总结和讨论课题进展、难点、未来计划，从而回答、调整研究问题或提出新问题。

学习资源

• 【张超】Gene-associated domain (GAD)计算和作图代码
  • 相关文献：Cell Rep 2020
  • 基于Straw计算基因内部相互作用、R-ggplot2作图

• 【刘玉婷】GitHub主页，包括ChIP-seq/RNA-seq/Hi-C数据处理的脚本
  • 单细胞多组学分析：流程与R代码，包括预处理、可视化、pseudobulk expression、gene signature、DEG、Monocle2、SCENIC
  • 推荐：一个Harvard 课程，包括生物数据中常用的统计分析原理和软件，还有编程基础教学，适合刚入门的同学学习。包括视频和课件。
    
• 【吕钰麟】一套用于生成ChIP-seq预处理流程脚本的代码

文献复现

从感兴趣的研究方向中搜索前沿文献。选择一篇分析方法有代表性、原始数据可下载的论文（文献选择见下，也可在GEO数据库中用关键词搜索）：

• Cell. 2021. 184(3):723-740.e21.（中文介绍）
• Cell Rep. 2020. 32(13):108206.（中文介绍）
• Cell Res. 2022a. 32(1):38-53.（中文介绍，一作历程）

仔细阅读这篇论文的方法和补充材料中的分析方法，从尽可能原始的数据开始做数据处理、分析和做图。目标是自己做出论文中的大部分图表并与它们比较（例子见下图）。