在我们的马拉松授课学员交流群惊闻有人在b站刷弹幕骂我，真是莫名其妙。
那些ngs多组学教学演练视频都已经是七八年前了，确实是有一些软件用法的更新会导致我的生信小技巧失效，但总体上来说，如此琳琅满目的生物信息学“从入门到入土”的合辑，不应该是会遭受骂名啊。
我登陆了一下好久没有使用的b站，发现大家的槽点都在视频配套资料上面，这个确实是无解，当初整理好了全部的资料分门别类上传到百度云网盘了，但是经常是被有心之人举报导致网盘失效，可能是动了某些人的奶酪？
当初为了解决这个百度云网盘资料分享链接失效的问题，我们确实是给每个视频都配备了一个微信交流群，比如下面的：
免费视频课程LncRNA-seq数据分析实战 免费视频课程-TCGA数据库分析实战 免费视频课程ATAC-seq实战演练 免费视频课程-表观调控组学联合分析实战（不设交流群） 免费视频课程《甲基化芯片数据分析》交流群组建通知 免费视频课程《ChIP-seq数据分析》交流群组建通知 免费视频课程《外显子测序数据分析》交流群组建通知 免费视频课程《RNA-seq数据分析》交流群组建通知 肿瘤基因测序数据分析视频课程终于上架B站啦 很多事情不一定有答案（但是可以有交流渠道） cytof数据资源介绍（文末有交流群）
但是时过境迁，维护这些交流群三五年就已经早就过去了新鲜劲，所以最近两三年如果大家看到了前面的交流群二维码找到了我们，我们默认是拒绝的，时间精力都不够。而且这些资料就是我早期给实习生和学徒做培养的时候的御用材料，大家都针对性的写了很多笔记和补充资料分享，基本上大家很容易在互联网上面找到大家二次分享的配套代码和测试数据集，完全没有必要来找我统一分享。
生信基础+人工智能大模型
还有小伙伴在后台问我是否会更新这些七八年前的ngs多组学视频，我这里统一回复，我本人是不会去更新的，我没办法假装自己是一个初学者！
而且，现在的我认为，其实生物信息学仅仅是第一步需要人带入门，后面完全是可以靠人工智能大模型来解决问题。比如我们可以让人工智能大模型来总结入门+进阶的自学或者教学的优缺点！
生物信息学是一个交叉学科，结合了生物学、计算机科学、信息技术和数学等多个领域。入门和进阶阶段的学习需求不同，我们可以分别讨论：
生物信息学入门阶段
更需要教学辅导：
基础知识：生物信息学需要一定的生物学背景和计算机技能。教学辅导可以帮助初学者快速掌握必要的基础知识。 软件工具：许多生物信息学分析依赖于特定的软件和工具。通过教学辅导，学习者可以更系统地学习这些工具的使用方法。 实践操作：生物信息学涉及大量的数据处理和分析，实际操作经验对于理解理论知识至关重要。教学辅导可以提供实践操作的机会。
自学技巧：
在线课程：利用Coursera、edX、Udemy等平台的在线课程，系统学习生物信息学的基本概念和技能。 教材和专著：阅读经典的生物信息学教材和专著，如《Bioinformatics Data Skills》等。 论坛和社区：加入生物信息学相关的论坛和社区，如BioStars，参与讨论和提问。 项目实践：通过参与实际的生物信息学项目，如GitHub上的开源项目，来提高实践能力。
生物信息学进阶阶段
更适合自学：
专业深度：进阶阶段的学习往往更加专业化，学习者可以根据自己的研究方向选择合适的学习材料。 研究前沿：生物信息学是一个快速发展的领域，自学可以帮助学习者跟踪最新的研究进展和技术发展。
自学技巧：
文献阅读：定期阅读顶级期刊的最新论文，了解领域内的前沿技术和研究。 专业会议和研讨会：参加生物信息学相关的会议和研讨会，与领域内的专家交流。 高级课程和研讨会：选择更高级的在线课程或工作坊，深化专业知识。 代码和算法：深入学习编程语言（如Python、R）和算法，提高解决复杂问题的能力。 网络资源：利用网络资源，如Stack Overflow、GitHub等，学习新的工具和技术。 跨学科学习：根据需要学习相关的数学、统计学和计算机科学知识。
总的来说，入门阶段更适合通过教学辅导来打下坚实的基础，而进阶阶段则更适合自学，以深入专业领域和跟踪最新的研究动态。无论哪个阶段，持续的实践和学习都是提高生物信息学能力的关键。
写在文末
如果你也想做单细胞转录组数据分析，最好是有自己的计算机资源哦，比如我们的2024的共享服务器交个朋友福利价仍然是800，而且还需要有基本的生物信息学基础，也可以看看我们的生物信息学马拉松授课（买一得五） ，你的生物信息学入门课 。
