【哈佛大学：计算生物学生物信息学】学习记录（一）

第一部分 —— 关于计算生物学 & 生物信息学 & 本课程内容

（1）Protein Wave

【技术】Sanger测序了一个蛋白质序列
【算法】Needleman-Wunsch algorithm
【数据库】PDB（Protein Data Bank，蛋白质3D结构数据库）
【算法】BLAST —— instead of pairwise sequence alignment
【比赛】CASP —— predicting the protein structure
【数据库】BLOCKS database

（2）Expression Wave

【技术】Northern blot —— measures the expression of a single gene；
【技术】Microarray / Gene chips —— measures many genes in a condition；
个人理解：将不同组织进行mRNA提取，转化为cDNA之后，将其进行荧光标记。上机后，能与microarray进行结合的，体现荧光，不能与microarray结合的，不体现荧光。

【技术】RASL-Seq / Luminex assays —— 对每一个sample的expression进行计算

【技术】scRNA-seq（single-cell）

（3）DNA Sequencing Wave

【知识】DNA structure
【知识】Recombinant DNA

【技术】Sanger sequencing（一代测序）
【技术】PCR —— amplify any piece of DNA

【数据库】NCBI
【算法】BLAST
【技术】whole genome shotgun

对鸟枪测序技术感兴趣的同学，可以看看b站大佬鬼谷的科普：
https://www.bilibili.com/video/BV1GE411H7Nv?spm_id_from=333.999.0.0

（4）Big Data Challenge

【NGS / next generation sequencing / high-throughpu sequencing】

e.g. Illumina

最先进机器的效能：

文献推荐

（5）Bioinfo vs Computational Biology

概述

生物信息学：算法、数据库，主要工作是创建工具 —— engineering
计算生物学：偏基础问题 —— discovery

生物信息学的不同阶段

深切认识到，自己将长期处于Level1（笑哭）。。。

生物信息学相关学科 & 技术

概述：

统计学、计算机科学、生物学都要好；
在各个阶段都有涉及到；
microarray的落寞 & 单细胞测序的兴起；

（6）课程涉及到的背景知识

【标注】

intuition，指这门课只会让学生从面上去理解算法，而并不会让学生去进行算法开发（难度太大）
并不会涉及到算法、模型的推导（这部分我老感觉，是计算机专业 & 数学专业做的，但是其实我也有一定兴趣）

文献推荐

（7）课程信息

课程安排：

软件使用教学视频：
https://canvas.harvard.edu/courses/49497/pages/video-tutorials-for-bioinformatics-software
【关于本门课】

如果是远程上课，可以查看gitbook上的参考资料：
https://liulab-dfci.github.io/bioinfo-combio/
同时本课程也有些需要注意的地方（关于课程更新 & 直播部分）：A subset of the lectures will be live and updated, check canvas email announcements。
关于课程打分部分，规则如下：
HW为homework

【摘抄自刘老师的话】

在目前阶段，基因组学、生物信息学算法、新一代测序技术，都不断得被应用到肿瘤研究中。
这也就是为什么我们需要关注肿瘤（一个非常重要的发展方向）。

【刘老师实验室】

【刘老师现在的研究方向】

【刘老师课题组联系方式】