跳到主要内容

欢迎来到 BioF3

欢迎！这里是你开启生物组学数据分析学习之旅的起点。

关于 BioF3​

BioF3 = Bio + F3

BioF3 是一个专注于生物组学数据分析的中文学习平台。我们致力于为中文用户提供系统化、实践导向的组学数据分析教程。

学习目标​

通过 BioF3 的学习，你将能够：

  • 理解各种组学技术的原理和数据特点
  • 掌握主流的组学数据分析工具和方法
  • 进行从数据预处理到结果解读的完整分析
  • 应用统计学和机器学习方法解决实际问题
  • 整合多组学数据进行系统分析

课程体系​

基础模块​

  • 生物信息学基础
  • 编程基础
  • Jupyter Notebooks 和数据库
  • R 语言和 ggplot2 数据可视化

转录组学​

单细胞实践教程（12个核心模块）

  • 实践数据集与数据获取
  • 原始数据处理
  • 质量控制和聚类
  • 数据整合
  • 轨迹推断
  • 细胞通讯
  • 多模态分析
  • TCR 测序
  • 空间转录组
  • scATAC-seq
  • 选择性多聚腺苷酸化
  • 数据共享

bulk RNA-seq 分析

基因组学​

表观组学​

蛋白质组学​

整合分析​

推荐学习路径​

快速入门（2-3周）​

基础模块 → 单细胞实践教程（模块01-03）→ 完成第一个分析

单细胞专精（2-3个月）​

基础模块 → 单细胞实践教程（全部12个模块）→ 高级应用

全面学习（6个月）​

基础模块 → 各组学领域 → 整合分析 → 实际项目

实践专栏​

快速开始​

第一步：了解基础​

  1. 生物信息学概述
  2. 编程基础
  3. Jupyter Notebooks 和数据库
  4. R 语言和 ggplot2

第二步：动手实践​

  1. 实践数据集与数据获取
  2. 原始数据处理与 Cell Ranger
  3. 质量控制、聚类与细胞类型注释
  4. 多样本数据整合

第三步：深入学习​

学习工具​

实践数据​

教程中的示例代码应尽量配合真实数据运行。建议先使用体积较小的 PBMC 3k 数据完成标准 scRNA-seq 流程，再根据专题下载 CITE-seq、空间转录组或 scATAC 数据。

查看实践数据集

获取帮助​

开始学习​

开始学习：单细胞实践教程

或

了解基础知识

学习建议

建议先完成模块 01-04，建立从数据获取到质量控制、聚类和注释的完整概念，再进入整合分析和专题模块。