选课类别:专业 | 教学类型:理论课 |
课程类别:研究生课程 | 开课单位:生命科学学院 |
课程层次:本研贯通 | 学分:2.0 |
瞿昆和郭闯老师的《生物信息学》课程以其轻松有趣的授课风格和丰富多样的内容而受到关注,尽管有不满声音普遍存在。课程内容广泛,涉及基因组数据处理和应用,强调技术原理和生信分析流程的学习。然而,有学生指出其信息密度较低,部分内容较为琐碎。课程采用英文授课,对非英语母语学生有一定挑战。课程涵盖多种实际应用,如RNA-Seq、ChIP-Seq和scRNA-Seq等,但偏向生物学中的数据分析而非计算生物学。
考试为半开卷,允许携带一张A4纸,有选择题、填空题和大题目。题型与实际应用紧密相关,例如代码撰写和基因序列分析,强调复习课的重要性。大作业是课程的关键部分,要求学生熟悉Linux系统和数据分析,有一定门槛,尤其是对没有相关背景的学生。学生建议配合辅助资料和工具提前准备,以提高效率。
给分评价存在争议,一些学生认为存在向研究生倾斜和卡绩现象。总体评分被视为不捞,部分学生的个人体验偏向失望。然而,也有学生分享了积极的结果,如拿到较高分数。重要的是,给分标准不一,建议潜在学生需谨慎评估自身基础和对该课程的兴趣与时间投入。
总体而言,该课程提供了生物信息学中坚实而广泛的基础知识,但对于不同背景的学生来说,学习体验差异较大,需考虑个人条件和专业需求。
强烈推荐选课。
每周课都轻松有趣。
ps:没有计算机基础、听不太懂英文、或是晚上犯困也都没关系。建议早点报名抽签,因为本科生和研究生要上同一节课,考试也是一起考。
我是22级生院本科生,最后给分4.0。
这门课有门槛,最大的就是做数据分析时学会怎么建立Linux系统并运行代码;其次就是debug,但是可以问AI。我本学期同时选了“解码生命信息”,也是4.0.解码生命信息偏向入门,手把手教大家怎么数据分析,并且附送学校Linux服务器账号,强烈建议配合食用。
1.大作业:
2024_bioinformatics_course_project_Chinese_version.pptx
附上本次的三次大作业分析流程,我只完成了两个半,scRNA-seq只做了一部分。(scRNA-seq建议用Scanpy跑,基本直接抄代码;但是R包可能就有点困难)
做大作业以及了解大作业分析流程可以直接把代码扔给ChatGPT。
本次ChIP-seq,助教提供了代码,直接抄就行。
难度的话个人感觉scRNA最小(用scanpy的话),RNA-seq最难。
2.每天都点名:点名提问。很偶尔。如果你的答案让老师满意了,老师会给你总评加2分哦~昆昆这一点很好,虽然我没有加分。
每天都点名指的是小测,每节课都有哦。直接问GPT其实也没啥问题,反正我都是糊弄过去的(逃)。
3.课程内容:信息密度低,但是很有用,非常偏向生pi们应用。最著名的莫过于第一节课昆昆讲自己开车去钓鱼的经历。最后几节课请外校其他专家讲课,有一节课郭闯代课,但是郭老师的口语不敢恭维。
4.英语授课,我没啥障碍,感觉还行;本来以为昆昆英语够难绷了,但是在外校专家和郭老师的衬托下,甚至有点亲切。
考试允许带一张A4纸。
考试包括选择、填空、大题。本年度甚至还给你peak call的说明书,让你试着写一个MACS2的peakcall代码。做过项目说实话真非常简单。基本都可以抄。最有区分度的貌似就是选择最后俩,基于成像以及基于测序的那些技术;还有个考得很迷的,问如何得到Motif的DNA.fa序列文件,我猜测是用bedtools为MEME提取fastq文件的那一段代码。考前明确说了考聚类方法,昆昆讲得内容很前沿,考得也很前沿,虽然会增大难度,但是足可以见他有实力的。考试说一定会考小测原题,主要是不同分析有哪些技术和分析软件。考前还明确说了会考RNA-seq归一化,给你个表格,算差异分析,题目给出了归一化的方法,上课听了其实就会了。
我有资料,并且稍微记录了一下今年考试的所有内容,但是不方便放,需要评论或者私我即可。往年的一张纸和考试题我也有。反正联系我你肯定有收获的。
(第一个是牢学长整理的考试题和复习资料,批判性学习即可。
24年秋季-考试回忆版里面标高亮的都是考过的,甚至考了个Wilcoxon rank-sum test的名词解释,看遍大抄也只知道是scRNA-seq的分析流程。偶遇神秘名词解释,生僻难找犹如怪物,拼尽全力无法解释
生信整理.doc纯把PPT上的汉字都抄了一遍)
附上复习课PPT,助教讲得非常好哦~
思来想去还是把所有资料都附上吧。Remove all the barrier of Science.
希望我的评论对大家有用。
最后是我的笔记,非常惭愧上课常常走神,甚至听得最认真的是昆昆吹水,写得非常混乱残缺,但是QUIZ基本都记录在册了。
(其实从上面的笔记和分析流程可见这门课还是要废不少精力的)
不过最神奇的莫过于连续两次周三晚上上课都地震,只好赏月喽
01-10 出分
有点出人意料,居然得了90,可能是大作业水得比较好(?
不管了,以后我和生信的交集或许会以概率1收敛到几乎没有吧,唉唉(
生物信息学,一路走来,感谢有你!
12-29 期末考试后
正如相遇是为了离别一样,上过这门课之后,我发现作为一个计算机专业的学生,自己可能还是更适合计算生物学而非生物信息学。
以后想选这门课的学弟学妹们,请先确保自己知道下面这个问题的答案:
“计算生物学和生物信息学是有区别的。它们的区别是什么?”
每个人的答案可能不一样,但我要指出,在高年级把二者混为一谈可能会让你在选方向上多费一些功夫。个人认为,虽然生物信息学的名字叫做"Bioinformatics",但是相比"Computational Biology",就这门课涉及的内容而言,前者更应该被理解为“基因组数据的处理和应用”。
这门课的内容(包括几乎所有生物信息学课程的内容),正如瞿老板在第一节课上说的,多而细碎,只有最后一节简单讲了一些机器学习算法和深度学习算法的课稍微一点体系——或许这就是为什么期末是半开卷考的原因。
作为辅修人,我自然对成绩没有登峰造极的要求。不过,假如你是一个生院本科生,虽然这门课算是保研选择性必修课之一,假如不是真的缺学分,或许不选修这门课而全程旁听是最优解。
假如你选了这门课,那么,在考试之前,请确保你根据瞿老板的复习课整理了大抄(复习课缺席可以说基本上是寄了,诸位看官自行品鉴这节课的重要性),否则可能会死得很惨(挂科倒不至于,但你也不想大三了突然蹦出来一个2.x吧?)。
最后,请让我们为瞿老板的人文关怀喝彩:
“武能于朝堂之上讲学,文能于处处关怀学生者,可称为‘大师’也。”——QuLab的TheBunniest
生物信息学,有缘再会!
12-09
对于这门课的大作业,我只能说,有价值,但是有一定的门槛。
无论你是什么专业,哪怕是像我一样计算机出身的,只要没接触过传统“生物信息学”的工作流,都是众生平等,从零开始学。假如有意选这门课的话,可以提前了解一下RNA-Seq/ChIP-Seq和scRNA-Seq的原理和常用工具,这样你写大作业的时候会事半功倍。
正课上尽管瞿老师和助教gg讲了一通,但是由于没有动手实操,进到脑子里的也不会太多,不过这也是难免的,总体上来说助教和老师的表现可以说是很负责了。
11-20
今天是瞿老师讲的最后一节课了,讲的是QuLab的拿手好戏——空间转录组。
回首这十几次课,我只能说这门课(单看理论部分)确实不适合对生信一无所知的本科生小白入门。不过,作为一个需要凑学分的辅修人,能在自己老板面前刷脸的时候,为什么不来呢?😎
10-12 乐,今天助教gg直播上课读评课,笑麻了
09-25 连着两周上课的时候地震,what can I say!
第一天上课,才明白英文授课的原因是有三名国际生hhhhhh
为瞿老师打call!
评分先拉满,也占个坑。听说今年第一次英文授课,不知道会怎么样。
(微生物学的评课再等等哈
昆昆虽然能侃但是给分很好,郭老师负责的课比较简单,助教习题课的ppt基本覆盖了考点,至于考试资料前人之述备矣,给个9分
大作业不好做,一定早点开始,赶到期末做的话,不仅会有做不完的风险,还可能因为电脑和远程服务器同时崩盘而影响其他作业的完成,并且队友的电脑和虚拟机同时炸掉会导致整个组走投无路。
远程wget如果无法使用的话就尝试本地配置,一个服务器跑崩了就换另一个,本地电脑保留好反正服务器可以换。
然后画图可以用https://www.bioladder.cn/web/#/pro/index和http://gepia2.cancer-pku.cn/#index这两个平台,实在写不出代码就无代码分析。
被人工智障的代码整疯了的话,及早从头开始自己乱写或许是不错的出路。
愿天堂没有R包。
这门课实在是内容包罗万象,对于一门课时有限的课程,讲得大纲一点无可厚非,毕竟已经是本研贯通课了,网络资源也很多。
生信资料:公众号(生信技能树、小杜的生信笔记、生信菜鸟团、生信编程自修室)CSDN(简书和知乎也有)、各种软件的tutorial网页(还有中文教程)
(自己整理了一些东西,可能比不上大佬的,但是可以帮后来者少试错一些也是好的)
大抄看其他点评,真的超详细!(前人栽树后人乘凉)
卷子是中文的不用担心!
1.4 修改了一下保姆教程,把scanpy的东西也加进去了(其实这个没必要去加)
昆昆上课的信息密度很低;但是对于我这种英语不太好的人,低密度的信息刚好弥补了处理英文信息所需的脑容量,反倒让我很舒服。
中间有一次请外校老师来讲课,纯英语授课,全程干货。虽然讲得很好,但是听得我头昏脑胀,根本跟不上。
虽然很多人批评昆昆上课侃大山,但是认真听下来,昆昆的授课内容的框架是很清晰的,该讲的内容一个不漏。
我个人觉得昆昆的算法原理讲得是很清晰的,三两句话就把算法被发明最关键的发想讲出来了,完全不卖弄背后那套繁琐的数学推导细节。
学习这门课的绝大多数生科人是不从事生信算法研究的,所以生信分析授课的重点,在于让我们知道“有哪些工具能用”“这些工具分别用来处理什么样的问题”;至少从我个人的角度,我不关心、也用不上算法背后的数学细节。
对我来说最重要的,就是知道不同类型分析的workflow,和workflow中有哪些软件可用。
你们真的想回到多年以前由几个根本不从事生信工作的老师讲解枯燥的数学的生信课吗?
生信课真正需要“教”且能“教”的内容也就那么些,无非是技术原理,而真正教的时候也只能做个导览,因为这个技术领域发展得太快了。
至于生物信息分析操作流程、代码一类的,我相信一节课讲完了你也记不住什么东西,效果完全比不上自己照着CSDN抄代码。
本科生无Linux技术或生物信息学基础的慎选,如果一定要选建议配合解码生命信息食用,最好能找到大腿带你做大作业,不然会非常折磨.
给分方面令人失望,存在明显的向研究生倾斜和卡绩现象,如果没有坚实计算机基础,没有太多时间精力投入在这方面的话,这门课基本上结果就是3.0了.不过下限也不会很低,见仁见智,自己取舍.
89 不捞,感觉也只能水学分用了。。
水学分的不二之选,建议自己对照复习课 ppt 整理一遍大抄,因为每年的重点并不相同。
期末写代码题甚至还把 —help 之后的内容给你了,生怕你不会写。
再给点经验,根据计网和生信两次半开卷缩印的经验,5 号字大概是一个辨认起来不太困难的程度(用西图的打印机),4 号字就很极限了(可以容纳接近 5w 字,但生信完全不需要这么多)。如果要给字底加颜色最好不要用深色。
这是我和室友两个人一起整理出来的大抄,仅供参考。这份大抄没有任何图片,也没有机器学习相关的内容。可以根据个人需要修改,字的大小也可以缩小。
这门课是生院为数不多能学到东西的专业课--指如果认真做了所有大作业的话。你可以大致了解整体的生信基础操作。
讲课的话可能瞿昆老师看了往年评论区吧,感觉今年讲课干货还是有的,然后也有瞿昆吹水环节,总体来说还是体验不错的。
难蚌的是连续两次上课都碰到了地震,巨大的教室里几百个手机响警报还挺吓人,不如这门课改成地震学导论也挺合理。
本人自己感觉整个学期都没这么学,有点后悔,本来想好好学的,马马虎虎拿个3.7
这门课比较适合加上导论两个字,大作业是无限制代码抄写大赛,最困难的步骤是配置环境,其次是你有没有耐心等你的程序跑完(点名序列比对和homer)。大作业小组分工一下很快的,尤其是scRNAseq,除了细胞注释那一步需要一点思考,其他几步就是Ctrl+C&V。个人认为这门课的主要目的是介绍一些生信的工作流程而不是教学如何写代码,对于我这种对计算机一窍不通的人来说很友好。批评一下英文授课,真的不想听下去,motif motif motif 跟念经一样,真的难绷。不过还是推荐选一选,对了解这方面的工作还是有帮助的,毕竟即使上课听不懂问题也不大,复习主要靠助教给的复习课ppt。瞿昆老师人也很不错,小故事蛮幽默的
出分了 93 来还个愿)