学AI+生信,选基因学苑

从2015年开始生物信息培训，目前已经走过10个年头，累计学员超过30万。从2021年推出《基因学苑生物信息VIP课程》以来，已有超过1000人学习过我们课程。2025年我们隆重推出《基因学苑VIP课程（2025版）》，本套课程是我们10年集大成制作，也是之前课程的全面升级版。新版本课程现已开售。

包含服务内容

1、1042集生物信息视频

2、6个月上机操作

3、赠送30万文字讲义

4、赠送课程配套PPT

5、赠送全部课程案例代码

6、微信答疑群

课程特色

1、2025最新视频

2、从零开始教学，适合小白

3、4K分辨率视频

4、加入AI辅助生物信息内容；

5、分成更多章节，结构清晰，方便碎片化时间学习

6、5年有效期；

7、包括6个月上机操作，全部案例亲自上手操作一遍；

8、包含课程配套30万字讲义，大量PPT，10000+案例代码；

9、微信答疑群；

10、可开具发票。

课程目录：

目录	课程名称	文件数量	主要文件内容
1	零基础生物信息入门	108	Linux基础、测序历史、软件安装、数据下载等
2	生物信息常用工具	43	Git/GitHub、VSCod、AI辅助工具等
3	测序原理	64	各平台测序技术、数据质控、建库原理等
4	基因组数据分析	85	基因组拼接、基因预测、功能注释等
5	宏基因组数据分析	100	物种分类、功能注释、拼接分析等
6	16S数据分析	50	扩增子分析、多样性分析、QIIME2等
7	人基因组数据分析	50	变异检测、比对分析、注释等
8	RNAseq数据分析	62	差异表达、功能富集、各种分析工具等
9	单细胞数据分析	52	10x Genomics、Seurat、细胞类型鉴定等
10	生物信息分析平台搭建	56	服务器配置、Linux系统、环境搭建等
11	R语言入门	100	R基础、数据处理、统计分析等
12	R语言科研绘图	75	基础绘图、ggplot2、各种图表类型等
13	Python数据分析	100	Python基础、数据处理、可视化等
14	Python机器学习	78	机器学习算法、深度学习、AI应用等
15	Python生物信息编程	81	Python编程、生物信息应用、AI编程等

上机操作

云服务器配置为128核心，1024G内存，1024G磁盘，里面包含全部课程案例代码，登录云服务器，可有对照视频完成全部案例课程代码。且配置有国际网络专线，没有网络限制，下载速度更快。

如何购买

1、渠道一：

添加下面微信，转账付款，发送下载地址，进行课程解锁，获取账号，开发票等事宜。

手机微信扫描下方二维码

2、渠道二：

淘宝付款购买：复制下面地址到浏览器中或者使用手机淘宝扫描二维码，付款完添加上面微信。

淘宝链接：https://item.taobao.com/item.htm?spm=a21dvs.23580594.0.0.6ffb645ea5q4SL&ft=t&id=619716421433

手机淘宝扫码二维码

常见问题：

1、上机操作服务器是什么？

我们生物信息培训理念一直是鼓励亲自上手操作，因此，课程都提供上机操作。上机操作为一个服务器账号，登录之后可以按照视频演示，在服务器中完成同样的操作，通过多反复练习来掌握生物信息。

2、课程是否适合零基础？

本课程完全从零基础开始，包含理论讲解与案例操作，是一套系统学习生物信息的优秀资料。里面包含了生物信息基础，Linux，常用工具，测序原理，生物软件管理，R，python等基础内容，还包括RNAseq，单细胞，宏基因组，16S，人基因组变异检测等应用内容。适合零基础从头开始学习。

3、是否能只购买课程一部分？

本课程为打包销售，不单独售卖。

4、想在多台设备播放怎么办？

课程为本地加密版本，只能在一台电脑设备上播放，windows系统和苹果系统均可，不支持手机端播放，也不支持录屏。因为视频内容很大且里面有很多操作演示，不适合手机端播放。默认只支持一台设备，如果想多台设备播放，每台加1000元。

5、课程可以看多久？

课程有效期到2030年12月31日。

6、如何进行解锁？

视频需要使用专用播放器进行播放，下载播放器，导入任何一个视频，将下图1所示的机器码发给我即可进行解锁，然后将解锁码填入图中2部分即可，一次解锁即可观看全部内容。

7、是否可以开发票

本教程提供发票，发票为电子发票，具体信息可添加上面微信进行咨询。

8、课程学习顺序

对于零基础用户，建议按照课程1-零基础生物信息入门，2-生物信息常用工具，3-测序原理这样的顺序学习，这部分为基础操作部分，同时配合操作。掌握基础之后后面可以按照需要的部分进行个性化针对性学习。

9、课程可以试看吗

下面地址提供课程试看部分，

链接: https://pan.baidu.com/s/19VsOzG6qcICeAH9SMXjb_A?pwd=emrj 提取码: emrj

课程详细目录

下面列出课程主要内容以及详细目录

1-零基础生物信息入门测序行业发展历史(2005-2024) Linux操作系统基础服务器使用和管理生物软件安装和管理数据下载方法容器技术
1-课程介绍	2-测序行业发展历史(2005-2008)	3-测序行业发展历史(2009-2010)
4-测序行业发展历史(2011-2013)	5-测序行业发展历史(2014)	6-测序行业发展历史(2015)
7-测序行业发展历史(2016-2017)	8-测序行业发展历史(2018-2020)	9-测序行业发展历史(2021-2024)
10-生物信息应用	11-学生物信息如何划拉钱	12-为什么生物信息比较难学
13-什么是服务器？	14-为什么做生物信息需要服务器？	15-熟悉Linux操作系统
16-登录服务器准备工作	17-安装termius软件	18-使用termius登录服务器
19-termius设置	20-通过网页登录服务器	21-传输文件
22-使用filezilla传输数据	23-使用vscode登录服务器	24-什么是命令行操作
25-命令行基本操作	26-命令行常用快捷键	27-选项参数
28-不同系统平台目录结构	29-使用cd和ls操作目录	30-必须用tab补齐
31-绝对目录与相对目录	32-Linux系统创建目录和文件	33-Linux系统复制文件操作
34-Linux系统创建快捷方式	35-Linux系统移动重命名和删除文件	36-Linux系统查看文件
37-使用head查看文件	38-Linux数据流	39-管道
40-文件压缩	41-多线程压缩	42-打包文件
43-多线程打包压缩	44-统计文件	45-Linux权限
46-修改权限	47-什么是脚本	48-使用vim编辑脚本
49-vim使用案例	50-预测基因案例	51-使用echo生成脚本
52-Linux进程管理	53-Linux前后台任务切换	54-Linux非挂起任务
55-tmux不间断会话	56-tmux使用案例	57-解决Linux报错信息
58-Linux环境配置	59-给命令行添加颜色	60-PATH变量
61-什么是生物软件？	62-生物软件如何发文章？	63-安装生物软件几种方法
64-如何查找生物软件	65-什么是分析流程？	66-如何编译软件
67-bioconda简介	68-不同的conda版本有什么区别？	69-下载bioconda
70-安装bioconda	71-使用bioconda安装生物软件	72-记录软件版本
73-使用bioconda管理生物软件	74-升级软件	75-bioconda常见问题
76-虚拟环境	77-使用虚拟环境安装软件	78-管理虚拟环境
79-安装rnaseq分析环境	80-使用管理员bioconda环境	81-导出软件配置
82-普通用户安装依赖环境	83-bioconda管理R分析环境	84-创建测试账户
85-服务器之间直接传输数据	86-迁移软件	87-使用命令行传输数据
88-使用condapack迁移环境	89-容器技术	90-容器生物软件的缺点
91-安装docker和apptainer	92-使用docker安装生物软件	93-使用apptainer安装生物软件
94-使用apptainer	95-在容器中安装软件	96-安装deepvariant
97-下载生物数据简介	98-生物数据下载方法大全	99-下载基因组序列
100-使用lftp命令下载数据	101-从nmdc下载数据	102-SRA数据库简介
103-下载测序数据	104-安装awscli	105-使用awscli下载测序数据
106-使用迅雷下载数据	107-使用for循环批量操作	108-使用while循环批量操作
0-linux.zip

2-生物信息常用工具 Git和GitHub版本控制 VSCode编辑器使用 AI辅助工具应用各种实用工具
1-git和github	2-安装和使用git	3-使用gitbash
4-通过终端使用git	5-配置git	6-如何使用git
7-git版本控制	8-github简介	9-为什么使用github
10-注册和使用github账号	11-提交github	12-fork项目
13-github设置	14-github其他功能	15-连接git与github
16-github密钥登录	17-服务器自动登录	18-vscode简介
19-安装和配置vscode	20-安装插件	21-vscode远程登录服务器
22-vscode自动登录	23-远程打开文件	24-vscode快捷键
25-vscode中使用sftp功能	26-vscode中使用git	27-什么是codespaces
28-创建codespaces	29-配置codespaces	30-codespaces作为测试服务器
31-利用AI辅助数据分析	32-豆包AI	33-使用TraeAI下载数据
34-安装TraeAI插件	35-使用TraeAI生成代码	36-使用TraeAI修改选项参数
37-使用TraeAI配置环境	38-使用TraeAI绘图以及名词解释	39-使用TraeAI咨询方案以及解决报错
40-使用TraeAI开发程序	41-编写统计fastq文件程序	42-使用TraeAI解释代码
43-利用copilot辅助生物信息分析	0-ai_analysis.zip

3-测序原理测序技术发展历史 Illumina、PacBio、Nanopore三大平台测序原理和特点数据质控和过滤
1-为什么要学习测序原理	2-测序技术发展历史	3-不同测序平台比较
4-自己测序还是外包	5-DNA测序四个步骤	6-提取DNA
7-illumina测序特点	8-illumina测序原理	9-构建文库步骤
10-构建文库原理	11-测序芯片flowcell	12-cluster
13-read1测序	14-read2测序	15-双末端测序
16-illumina测序碱基识别	17-matepair文库	18-测序常见问题
19-fastq文件格式	20-phred质量值转换	21-Q20标准
22-数据质控原理	23-fastqc质控illumina测序数据	24-fastqc结果解读
25-illumina过滤原理	26-为什么要去除duplication	27-利用fastp过滤数据
28-过滤结果解读	29-multiqc整合结果	30-pacbio平台简介
31-sequel测序系统	32-revio测序系统	33-onso测序系统
34-SMRT测序原理	35-pacbio聚合酶	36-哑铃壮文库
37-hifi测序reads	38-pacbio测序错误来源	39-获取pacbio测序数据
40-pacbio数据质控	41-pacbio数据过滤	42-filtlong过滤pacbio数据
43-pacbio原始数据转换	44-onso测序结果质控过滤	45-pacbio数据处理总结
46-nanopore平台简介	47-荧光信号的优缺点	48-电信号的优缺点
49-nanopore测序发展历史	50-选择合适的纳米孔	51-nanopore测序芯片
52-nanopore测序原理	53-nanopore建库	54-选择合适的试剂盒
55-选择合适的nanopore测序仪	56-估算纳米孔数据产出量	57-国产纳米孔测序平台
58-碱基识别原理	59-nanopore测序错误来源	60-如何提高纳米孔测序准确性
61-nanopore测序优点	62-nanopore测序缺点	64-nanopore测序碱基识别
64-配置nanopore测序分析软件	65-nanopore测序数据质控	66-Q20plus数据质控
0-sequencing.zip

4-基因组数据分析基因组拼接算法拼接软件使用(SPAdes、SOAPdenovo等) 基因预测和功能注释重复序列分析
1-为什么要拼接基因组？	2-目前已测序基因组查询	3-为什么基因组难拼接
4-不同平台拼接比较	5-获取基因组大小	6-基因组拼接原理简介
7-什么是kmer	8-为什么要使用kmer	9-kmer估计基因组大小
10-二代测序拼接算法	11-处理重复序列	12-输出contig
13-构建scaffold	14-处理gap区域	15-案例文章简介
16-获取文章数据	17-批量下载测序数据	18-使用迅雷快速下载
19-下载参考基因组	20-使用datasets工具下载基因组	21-安装分析软件
22-sra数据转换	23-数据质控过滤	24-kmer频数统计
25-kmer估计基因组大小	26-安装配置spades软件	27-使用spades拼接基因组
28-spades输出介绍	29-SOAPdenovo简介	30-SOAPdenovo配置文件
31-利用SOAPdenovo拼接基因组	32-补洞	33-如何选择kmer大小
34-为什么kmer只能取奇数	35-如何判断污染序列	36-拼接结果统计
37-N50与N90	38-seqkit处理fasta序列	39-提取序列
40-利用quast进行结果评估	41-quast结果解读	42-安装和配置busco
43-利用busco进行结果评估	44-测序数据与拼接结果比对	45-tablet可视化比对结果
46-samtools查看比对结果	47-pacbioCLR数据质控	48-pacbioCLR数据拼接
49-pacbioCLR结果质控	50-pacbioHifi数据拼接	51-配置nanopore测序分析软件
52-nanopore测序碱基识别	53-nanopore测序拼接方案	54-nanopore测序数据质控
55-Q20plus数据质控	56-nanopore基因组拼接	57-nanopore拼接结果评估
58-nanopore拼接结果纠错	59-比较纠错结果	60-基因预测原理
61-prodigal原核生物基因预测	62-glimmer3原核生物基因预测	63-在线网站预测基因
64-同源比对预测基因原理	65-同源比对预测基因	66-安装配置Augustus
67-利用Augustus对拟南芥基因预测	68-基因功能注释原理	69-常用功能注释数据库
70-安装和配置eggnog	71-下载数据库	72-使用eggnog进行基因功能注释
73-注释结果解读	74-在线基因功能注释	75-ncRNA分析原理
76-安装和配置rnammer	77-rRNA分析	78-tRNA分析
79-重复序列分析原理	80-trf预测串联重复序列	81-配置repeatmasker
82-使用repeatmasker重复序列分析	83-blast比对原理	84-配置blast比对环境
85-利用blast进行局部比对	0-assembly.zip

5-宏基因组数据分析宏基因组概念和应用物种分类分析功能注释拼接和binning 多组比较分析
1-什么是宏基因组？	2-宏基因组研究对象	3-宏基因组发展历史
4-宏基因组研究目的	5-宏基因组应用	6-宏基因组研究反面案例
7-使用16S序列进行物种分类	8-扩增子测序优缺点	9-宏基因组优缺点
10-为什么宏基因组测序比较难？	11-纳米空宏基因组测序	12-AI辅助宏基因组分析
13-安装bioconda	14-安装宏基因组分析软件	15-配置物种分类数据库
16-从aws下载kraken2物种分类数据库	17-数据库完整性校验	18-自行构建数据库
19-安装宏基因组拼接软件	20-下载练习数据集	21-物种分类概述
22-物种分类原理	23-taxonomy物种分类数据库	24-安装和配置taxonkit
25-taxonkit检索物种分类数据库	26-不同物种分类方法比较	27-不同物种分类软件比较
28-为什么选择kraken2	29-利用kraken2进行物种分类	30-kraken2结果解读
31-物种分类结果可视化	32-生成桑基图	33-为什么物种分类结果比真实更多？
34-比对结果过滤	35-使用全部测序数据分析	36-pavian更多功能介绍
37-krakentools简介	38-提取reads拼接基因组	39-转换为mpa格式
40-合并mpa格式文件	41-计算丰度	42-统计多样性
43-krona绘图	44-二代测序物种分类	45-比较二代与三代测序物种分类
46-通过饼图比较二代测序与三代测序	47-去除宿主污染	48-利用生物信息方法去除宿主
49-模拟宿主污染测序	50-bwa比对	51-使用samtools去除宿主序列
52-去除宿主后物种分类	53-临床样本检测案例	54-人体病源微生物检测
55-鉴定并拼接致病菌	56-批量鉴定样品	57-安装和使用megan
58-megan导入物种分类结果	59-利用megan可视化物种分类结果	60-调整megan可视化绘图
61-多组样品比较	62-megan分组比较	63-stamp简介
64-stamp输入文件	65-kraken2结果转换为stamp输入	66-利用stamp进行多组检测
67-利用stamp进行两组比较	68-宏基因组拼接简介	69-二代测序宏基因组拼接简介
70-三代测序宏基因组拼接简介	71-拼接模拟数据	72-随机抽样测序数据
73-megahit拼接	74-安装和使用quast	75-拼接结果评估
76-重复文章：内容解读	77-重复文章：安装软件和下载数据	78-重复文章：拼接二代测序宏基因组
79-重复文章：统计拼接结果	80-重复文章：拼接三代测序宏基因组	81-重复文章：先物种鉴定还是先拼接？
82-重复文章：三代纳米孔宏基因组拼接	83-纳米孔测序直接拼接细菌完成图	84-二代与三代宏基因组测序结果比较
85-Q20+试剂宏基因组拼接	86-宏基因组基因预测	87-cd-hit基因去冗余
88-将核酸翻译成氨基酸	89-宏基因组功能注释原理	90-配置基因功能注释环境
91-宏基因组基因功能注释	92-salmon定量分析	93-什么是binnning？
94-binning软件	95-安装和配置metawrap	96-配置metawrap数据库
97-metawrap数据质控过滤	98-metawrap组装和分箱	99-分箱结果评估
100-宏基因组分析总结	0-meta.zip

6-16S数据分析扩增子测序原理 QIIME2分析流程 DADA2降噪处理多样性分析系统发育分析
1-扩增子测序简介	2-扩增子与宏基因组测序比较	3-扩增子测序分类
4-18S与ITS测序	5-如何选择扩增引物	6-不同测序平台比较
7-OTU与ASV	8-HMP与EMP计划	9-alpha多样性
10-beta多样性	11-多样性指标	12-常见术语
13-扩增子分析软件	14-分析数据库	15-安装qiime2
16-使用docker安装qiime2	17-下载数据库	18-metadata
19-探索16S序列	20-qiime2简介	21-qiime2选项参数
22-qiime2分析流程	23-导入数据	24-查看qza格式
25-导入fastq格式	26-manifest导入	27-拆分样品
28-拆分完统计	29-质控过滤	30-生成FeatureTable
31-beta多样性计算	32-beta多样性结果解读	33-alpha多样性计算
34-绘制多样性稀释曲线	35-物种分类鉴定	36-物种分类结果可视化
37-qiime2总结	38-sabre拆分barcode	39-dada2简介
40-dada2导入数据	41-dada2数据质控	42-降噪去重复
43-dada2生成FeatureTable	44-dada2物种分类鉴定	45-dada2结果评估
46-dada2绘制系统发育树	47-dada2练习案例	48-phyloseq简介
49-phyloseq结果可视化	50-16S功能分析	0-amplicon.zip

7-人基因组数据分析人基因组测序技术数据比对和变异检测 GATK和DeepVariant使用变异注释和可视化
1-人基因组分析简介	2-人基因组研究应用	3-wgs人全基因组测序技术
4-wes全外显子测序技术	5-trs目标区域捕获测序技术	6-参考序列对找突变的影响
7-生殖细胞与体细胞突变	8-为什么不用拼接的方法找突变？	9-人基因组变异检测要求
10-安装人基因组分析软件	11-安装deepvariant	12-人基因组参考序列简介
13-不同版本基因组比较	14-如何选择合适的人基因组参考序列？	15-从aws下载人基因组分析参考序列
16-下载注释数据库	17-瓶中基因组计划	18-下载测序数据
19-测序数据与参考序列比对	20-建立索引	21-bwa比对
22-bwa-mem2比对	23-长读长测序比对	24-多重比对问题
25-sam文件格式	26-sam文件flag值	27-samtools简介
28-bam排序建索引	29-统计bam文件	30-按bed区间统计
31-tview可视化比对结果	32-GATK简介	33-GATK缺点
34-GATK最佳实践	35-数据质控过滤	36-GATK分析bam文件处理
37-利用GATK检测SNP	38-GATK结果过滤	39-Deepvariant简介
40-利用Deepvariant检测SNP	41-wes与trs变异检测	42-vcf格式简介
43-vcf重要指标	44-vcf统计	45-利用bcftools处理vcf文件
46-变异结果注释原理	47-纳米孔测序SV检测	48-利用cuteSV检测SV
49-基因突变可视化工具IGV	50-使用IGV可视化变异数据	0-human.zip

8-RNAseq数据分析 RNA测序原理差异表达分析功能富集分析各种分析工具使用
1-RNAseq简介	2-RNAseq10年综述	3-比较DNA测序与RNA测序
4-RNAseq常见概念	5-为什么要做RNAseq	6-原核与真核RNAseq
7-有参于无参RNAseq	8-bulk与单细胞RNAseq	9-全长转录组
10-链特异性转录组	11-需要多少样本	12-需要多少数据量
13-比对基因组还是基因集	14-基因水平还是转录本水平定量	15-RNAseq定量方法
16-不同定量方法比较	17-富集mRNA	18-RNAseq建库
19-spikein内参	20-选择合适测序平台	21-安装分析软件
22-下载参考序列和gtf文件	23-案例文章	24-下载文章数据
25-sra数据转换	26-数据质控	27-下载人基因组比对索引
28-建立star比对索引	29-STAR比对	30-AI生成批量比对脚本
31-featureCounts计数	32-处理表达矩阵	33-非比对方法生成表达矩阵
34-案例文章简介	35-导入数据	36-生成DESeq2对象
37-数据对象探索	38-比对数据统计绘图	39-多维数据探索
40-使用热图展示样品关系	41-使用pca展示样品关系	42-差异表达计算
43-如何筛选差异表达基因	44-差异表达基因可视化	45-使用ggplot2绘制火山图
46-ggvolcano绘制火山图	47-案例练习1	48-案例练习2
49-使用edgeR分析	50-使用edgeR筛选差异表达基因	51-注释原理
52-差异表达基因注释	53-注释练习案例	54-GO富集
55-GO富集结果解读以及可视化	56-KEGG注释与富集分析	57-下载非模式生物注释库
58-非模式生物功能注释	59-GSEA富集分析原理	60-配置GSEA分析环境
61-利用GSEAbase进行GSEA分析	62-利用fgsba进行GSEA分析	0-rnaseq.zip

9-单细胞数据分析单细胞测序技术 10x Genomics平台 Cell Ranger使用 Seurat分析流程细胞类型鉴定
1-为什么要做单细胞测序	2-单细胞测序发展历史	3-bulk与单细胞比较
4-单细胞研究计划	5-单细胞研究应用	6-单细胞捕获与分选
7-不同分选平台比较	8-10xgenomics简介	9-GEM与barcode
10-barcode与umi	11-构建文库	12-为什么选择10xgenomics
13-单细胞测序常见问题	14-下载cellranger	15-安装单细胞分析软件
16-下载参考序列	17-自建索引	18-获取练习数据
19-单细胞测序数据简介	20-利用cellranger生成表达矩阵	21-cellranger输出结果
22-cellranger分析结果解读	23-利用STARsolo生成表达矩阵	24-LoupeBrowser导入数据
25-LoupeBrowser参看单细胞结果	26-LoupeBrowser注释	27-LoupeBrowser差异表达基因分析
28-LoupeBrowser重新分析	29-使用R分析单细胞数据	30-Seurat简介
31-安装Seurat	32-Seurat读入数据	33-单细胞数据探索
34-数据质控与过滤	35-数据标准化	36-根据差异表达进行聚类
37-数据降维	38-LoupeBrowser可视化Seurat结果	39-寻找标记基因
40-标记基因可视化	41-LoupeBrowser可视化标记基因	42-根据标记基因注释单细胞亚群
43-单细胞亚群鉴定原理	44-利用CellMarker数据鉴定细胞	45-对Seurat结果进行鉴定
46-自动化鉴定细胞类型	47-安装和配置singlerR	48-下载注释数据库
49-singleR自动化注释	50-空间转录组简介	51-空间转录组数据分析
52-空间转录组结果解读	0-singlecell.zip

10-生物信息分析平台搭建 IT基础设施服务器选购和配置 Linux系统管理虚拟化技术生物信息环境配置
1-什么是IT基础设施？	2-什么是服务器	3-做生物信息为什么要使用服务器？
4-需要多少计算资源	5-与IT行业区别	6-什么是虚拟化技术？
7-虚拟化解决方案	8-开源虚拟化方案	9-超融合架构
10-什么是数据中心？	11-共享生物云计算	12-服务器类型
13-如何选购CPU	14-如何选购内存	15-如何选购硬盘
16-其他硬件	17-购买云服务器	18-选择debian还是redhat？
19-redhat替代版本	20-带外管理	21-远程配置服务器
22-下载操作系统文件	23-配置虚拟机	24-使用虚拟机安装Linux
25-Linux初始化设置	26-购买测试服务器	27-服务器如何连接外网
28-使用frp进行内网穿透	29-配置sudo权限	30-磁盘管理
31-raid级别	32-lvm逻辑卷	33-格式化硬盘
34-设置硬盘默认挂载	35-创建逻辑卷	36-磁盘限额
37-Linux环境配置	38-更改yum镜像	39-添加本地yum源
40-添加epel源	41-使用yum配置环境	42-防火墙管理
43-linux远程桌面	44-云服务器配置远程桌面	45-用户管理
46-修改账号默认配置	47-自动管理账户脚本	48-安装生物软件
49-配置数据库	50-配置R语言环境	51-安装R扩展包
52-容器技术	53-使用apptainer部署软件	54-迁移软件
55-ubuntu系统配置	56-使用apt安装生物软件	0-biostation.zip

11-R语言入门 R语言基础数据结构和类型数据处理和分析统计方法 Tidyverse生态系统
1-课程介绍	2-安装R和Rstudio（windows）	3-安装R和Rstudio（macos）
4-开始使用R	5-rstudio设置	6-获取在线免费R分析环境
7-获取练习数据集	8-R语言的三种运行方式	9-R语言函数
10-获取帮助	11-测试计算机算力	12-提示警告和错误
13-常用快捷键	14-什么是R包？	15-如何选择R包
16-安装R包	17-修改镜像	18-install.packages函数详解
19-其余R包管理函数	20-获取R包帮助信息	21-bioconductor项目
22-github包安装	23-R项目	24-结构化数据与非结构化数据
25-读入数据准备工作	26-点击鼠标读入文件	27-read系列函数读入数据
28-将结果写入文件	29-读写excel文件	30-读写R内置数据格式
31-读入纸质版表格	32-数据类型	33-向量
34-如何生成向量	35-创建字符串和逻辑值向量	36-向量索引
37-逻辑值索引	38-向量排序与筛选	39-修改向量值
40-向量统计	41-向量绘制散点图	42-向量绘制直方图
43-向量绘制条形图	44-向量绘制饼图	45-因子
46-计算频数	47-卡方检验	48-利用频数表绘制文字云图
49-矩阵	50-矩阵的索引	51-计算相关性
52-绘制相关性图	53-绘制热图	54-分组条形图
55-数据框	56-数据框索引	57-R实现vlookup
58-数据框绘制箱线图	59-数据框绘制小提琴图	60-二维数据计算
61-列表	62-列表绘制维恩图	63-缺失数据
64-如何处理缺失值	65-时间序列	66-使用xts包处理时间序列
67-不同数据类型转换	68-二维数据排序	69-筛选数据
70-随机抽样	71-利用R来斗地主	72-数据汇总
73-数据探索	74-tidyverse	75-修改R配置文件
76-tibble	77-管道	78-cheatsheet
79-tibble数据处理	80-dplyr处理行列	81-增加行列
82-排序去重复	83-筛选	84-分组汇总
85-集合运算	86-抽样和处理缺失值	87-处理字符串
88-整洁数据	89-长数据与宽数据	90-宽数据转换为长数据
91-长数据转换为宽数据	92-合并和拆分数据	93-获取真实分析数据
94-R虚拟环境	95-R语言24个高效操作技能	96-AI辅助R语言学习
97-为Rstudio添加AI功能	98-在Rstudio中使用AI会话生成代码	99-新一代R语言集成开发环境Positron
100-R语言数据推荐	0-rbase.zip

12-R语言科研绘图 R基础绘图系统 ggplot2图形语法各种图表类型图形美化和定制交互式绘图
1-课程介绍	2-安装R和Rstudio（windows）	3-安装R和Rstudio（macos）
4-获取在线免费R分析环境	5-R绘图系统	6-r绘图网站
7-R基础绘图	8-par绘图函数	9-R绘图设备
10-export包	11-mfrow绘图布局	12-layout绘图布局
13-legend图例	14-颜色	15-RColorBrewer
16-散点图	17-散点图实例	18-增强散点图
19-克利夫兰点图	20-火山图	21-折线图
22-直方图	23-组合直方图	24-条形图
25-分组和堆叠条形图	26-箱线图	27-小提琴图
28-韦恩图	29-热图	30-文字云图
31-ggplot2图形语法	32-data数据	33-mapping映射
34-geom几何图形	35-ggsave保存图形	36-patchwork绘图布局
37-数据可视化案例	38-scale修改颜色	39-scale修改坐标
40-修改透明度与点线	41-Statistics统计变化	42-Coordinate坐标系
43-Layer图层	44-叠加图层绘制分组小提琴图	45-Facet分面
46-Theme主题	47-更新R和R包	48-theme更改背景
49-theme更改坐标轴	50-theme更改图例	51-通过theme修改绘图案例
52-ggplot2修改字体	53-geom_text添加注释	54-annotation添加注释
55-scales包修改标签	56-为条形图添加标签	57-添加误差条
58-plotly交互式绘图	59-ggplot2绘制散点图	60-ggplot2绘制火山图
61-ggplot2绘制增强散点图	62-ggplot2绘制克利夫兰点图	63-ggplot2绘制kegg点图
64-ggplot2绘制高密度散点图	65-ggplot2绘制气泡图	66-ggplot2绘制直方图
67-ggplot2绘制折线图和面积图	68-ggplot2绘制饼图	69-ggplot2绘制条形图
70-ggplot2绘制go条目图	71-ggplot2绘制箱线图和小提琴图	72-ggplot2绘制地图
73-绘制美国犯罪地图	74-使用positron进行R语言绘图	75-使用jupyter绘图
0-rplot.zip

13-python数据分析 Python基础 NumPy和Pandas 数据处理和清洗统计分析和建模数据可视化
1-课程介绍	2-直接安装python	3-安装miniconda3
4-安装和配置vscode	5-macos系统配置python环境	6-如何运行python
7-在jupyter中进行数据分析	8-常用markdown语法	9-python数据分析模块
10-使用pip管理python模块	11-使用conda管理python模块	12-如何加载python模块
13-使用python模块	14-python数据分析书籍推荐	15-使用AI辅助学习
16-数据类型	17-目录结构	18-读写文本文件
19-写入文件	20-数据探索	21-读写excel文件
22-数据结构	23-删除变量	24-numpy常用函数
25-numpy数据计算	26-测试计算机性能	27-numpy索引和切片
28-Series数据结构	29-Series索引和切片	30-Categorical数据类型
31-DataFrame数据结构	32-纸质版表格输入到DataFrame中	33-DataFrame属性和方法
34-DataFrame索引和切片	35-逻辑值索引	36-数据类型转换
37-处理缺失值	38-python实现vlookup	39-添加删除行列
40-按行列计算	41-修改数据	42-批量修改数据
43-排序	44-筛选	45-随机抽样
46-生成扑克牌斗地主	47-数据合并	48-分类汇总
49-数据透视表	50-长宽数据转换	51-合并拆分列
52-探索who数据集	53-python数学计算	54-计算频数
55-独立性检验	56-相关性检验	57-正态分布t检验
58-非参数检验	59-python绘图系统	60-python绘图网站
61-matplotlib绘图语法	62-figure绘图对象	63-axes绘图对象
64-绘图布局	65-使用subplots进行绘图布局	66-seaborn绘图
67-seaborn绘图设置	68-seaborn选项参数	69-可视化关联数据
70-可视化关联数据	71-可视化分类数据	72-绘制热图
73-plotnine绘图	74-图形语法	75-保存图形
76-绘图布局	77-scale修改颜色	78-scale修改坐标
79-scale修改透明度和点线形状	80-stat统计变化	81-coordinate坐标系
82-layer图层	83-叠加图层分组小提琴图	84-facet分面
85-theme主题	86-自定义主题	87-更改图例
88-企鹅数据集分析	89-MovieLens1M数据分析案例	90-BabyNames数据分析案例
91-statsmodels统计建模	92-线性回归	93-逻辑回归预测乳腺癌
94-方差分析	95-利用DeepSeek进行数据分析	96-利用DeepSeek处理文件
97-利用DeepSeek绘图	98-安装和配置Trae	99-利用Trae生成代码
100-利用Trae进行数据分析	0-pydata.zip

14-python机器学习机器学习基础 scikit-learn使用各种算法实现模型评估和优化深度学习入门 AI大模型应用
1-quarto配置	2-quarto基本语法	3-quarto使用案例
4-shiny简介	5-shiny语法	6-shiny前端
7-添加前端组件	8-shiny前端案例	9-shiny后端
10-使用AI生成shiny	11-传文件应用	12-发布shiny应用
13-python机器学习简介	14-机器学习应用	15-scikit-learn包
16-获取机器学习数据	17-生成模拟数据	18-从文件读取数据
19-生成多维数组	20-导入导出模型	21-抽样
22-划分数据	23-K折交叉验证	24-什么是特征工程？
25-标准化和中心化	26-离散数据预处理	27-文本数据编码
28-图像数据编码	29-假阳性与假阴性	30-计算分类模型指标
31-计算分类指标网站	32-使用sklearn评估分类模型	33-多元分类模型评估
34-回归模型评估	35-聚类模型评估	36-模型选择
37-网格搜索法	38-随机搜索法	39-什么是回归模型？
40-简单线性回归	41-回归模型诊断	42-多远回归模型
43-波士顿房价分析案例	44-分类模型算法	45-决策树与随机森林
46-利用机器学习预测乳腺癌	47-乳腺癌预测模型评估	48-交叉验证提高准确性
49-利用网格搜索法优化参数	50-聚类算法	51-sklearn聚类
52-购物篮分析	53-什么是大语言模型	54-国产大语言模型
55-大语言模型在生物信息中的应用	56-AI幻觉	57-本地部署1-安装GPU驱动
58-本地部署2-安装Ollama	59-本地部署3-安装DeepSeek	60-本地部署4-在CheryStudio中使用大模型
61-本地部署5-在服务器中部署大模型	62-什么是大语言模型API	63-订阅DeepSeekAPI
64-如何使用大模型API	65-大模型调参	66-订阅和使用通义千问API
67-在CheryStudio添加API	68-为应用添加前端页面	69-什么是Agent？
70-什么是MCP？	71-使用coze创建AI应用	72-安装geminicli
73-利用geminicli进行生物信息分析	74-深度学习框架	75-安装和使用pytorch
76-使用开源模型	77-张量	78-深度学习训练案例
0-pythonML.zip

15-python生物信息编程 Python编程基础生物信息学应用文件处理和数据解析面向对象编程正则表达式 AI辅助编程
1-什么是软件？	2-python语言简介	3-为什么要学习python编程？
4-选择python解释器	5-选择python发行版本	6-选择python集成开发环境
7-安装miniconda	8-安装vscode	9-vscode配置python环境
10-python远程开发	11-AI编程	12-positron
13-如何运行python	14-利用AI辅助编程	15-使用cursorAI编程
16-安装和使用TraeAI	17-使用TraeAI编程	18-python语法风格
19-变量	20-点号的作用	21-for循环
22-批量生成生物信息代码	23-while循环	24-AI编程完成循环
25-判断	26-循环加判断	27-循环控制
28-通过判断筛选数据	29-接收用户输入	30-os模块处理目录
31-利用open读入文件	32-按行处理	33-while循环处理文件
34-统计基因长度	35-读取压缩文件	36-写入文件
37-过滤blast结果	38-fastq格式转换为fasta	39-开发分析流程
40-添加选项参数	41-使用argparse添加选项参数	42-添加长选项参数
43-给程序添加选项参数	44-python模块简介	45-python模块管理工具
46-使用pip管理python模块	47-批量安装模块	48-使用conda管理python环境
49-自定义模块	50-字符串处理1	51-字符串处理2
52-列表	53-读取文件为列表	54-fasta文件存储为列表
55-列表操作1	56-列表操作2	57-字典
58-读取文件为字典	59-通过字典筛选数据	60-字典操作
61-字典操作2	62-提取序列	63-试用AI生成提取序列程序
64-配置Copilot	65-使用Copilot生成代码	66-面向对象编程
67-面向对象案例	68-创建复杂类	69-类的继承
70-面向对象统计fasta程序	71-什么是正则表达式？	72-模式匹配
73-添加匹配flag	74-匹配拆分序列	75-匹配替换
76-统计fasta程序	77-统计fastq文件	78-翻译氨基酸程序
79-AI生成翻译氨基酸程序	80-biopython	81-使用biopython编写程序
0-python.zip