新的一年，生信技能树首先在这里祝大家：
愿诸君在新的一年里，笔耕不辍，妙笔生花，所投文章皆能一投即中，收获编辑的青睐与读者的赞誉。愿你们在科研的道路上，如行云流水，挥洒自如，每一篇论文都能成为学术界的璀璨明珠。愿你们在新的一年里，不仅在生信领域深耕细作，更能在生活的每一个角落，都能收获满满的幸福与满足。让我们共同期待，在新的一年里，生信技能树与诸君一同成长，共同书写更加辉煌的篇章！
自2017年生信技能树创立以来，我们已悄然陪伴大家度过8载春秋。而且从第三年开始我们就持续在做周年庆活动啦，这个2025也值得期待哈：
展望2025年，我们仍将与大家携手共进，一同成长。正如李白所言：“长风破浪会有时，直挂云帆济沧海。”愿我们在生信的道路上，乘风破浪，勇往直前，共同迎接更加美好的未来。
下面是我们生信技能树在2025年的计划展望，包括但不限于：
生信初学者教育仍然是第一要务（马拉松授课）
当然还是全年365天每天24小时在线，为生信入门者保驾护航，带你入门，陪你左右的《生信马拉松答疑》专辑。我们每年每月都会开一一期生信入门培训班，让生信初学者不再害怕入门~
在已经悄然过去的2024的12个月里，我们也展开了11次线上培训（每年的春节所在月份为休息月）：
生信入门&数据挖掘线上直播课2024年1月班 生信入门&数据挖掘线上直播课3月班 生信入门&数据挖掘线上直播课4月班 生信入门&数据挖掘线上直播课5月班 生信入门&数据挖掘线上直播课6月班 生信入门&数据挖掘线上直播课7月班 生信入门&数据挖掘线上直播课8月班 生信入门&数据挖掘线上直播课9月班 生信入门&数据挖掘线上直播课10月班 生信入门&数据挖掘线上直播课11月班 生信入门&数据挖掘线上直播课12月班
今年我们依然风雨无阻，风里雨里就等你，2025年已经起航：
重点开展：建立python生信生态笔记
随着单细胞技术已经成熟，数据量日益壮大，R语言已经逐渐不能满足百万级别的各种单细胞以及空转等数据分析的分析，建立python生态的生信笔记非常必要，生信技能树在2025年始会大力推行各种python学习资料，python生信学习笔记。
python已经开课的学习班：掌握Python，解锁单细胞数据的无限可能
python对应新专辑：《python生信笔记2025》，欢迎关注！
数据科学领域的编程语言那么多为什么我独爱Python 使用R或者Python编程语言完成Excel的基础操作 在Python里面如何达到R的gplots包的balloonplot函数对table后的列联表的可视化效果 Python从零开始的配套b站视频和书籍 Python初体验之你需要一个IDE Python初体验之你可能需要Jupter的Notebook Python初体验之你需要加快你的模块安装速度 Python初体验之弄清楚版本差异和如何安装管理
当然了，大家学Python肯定是要处理单细胞，所以我们也会有一个专门的使用Python编程语言的单细胞专辑：
敬请期待！
迎接时代潮流，拥抱AI
人工智能开始逐渐进入大家的视野，我们需要的不是害怕被人工智能所取代，而是积极拥抱，学会如何驾驭AI为我们日常所使用。2023年初的人工智能大模型主要是openai的chatGPT：
生物信息学的未来十年的趋势展望 批量下载geo上面的单细胞表达量矩阵 还要错过这个年薪百万的机会吗 让chatGPT做你的24小时生信教练 问了一下chatGPT实验室常见的生物化学试剂哪些对人体有害 交互式R命令的输出结果如何保存 超大文本文件如何快速读取以及写入到硬盘 如何使用bcftools
现在已经是有了海量的国产平替：目前常见的人工智能大模型渠道有：
kimi：https://kimi.moonshot.cn/ 通义千问 https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key 智谱清言 https://bigmodel.cn/usercenter/apikeys 深度求索 https://platform.deepseek.com/api_keyssiliconflow https://cloud.siliconflow.cn/i/oWg3w19e
相信我们的生信技能树专辑《人工智能大模型的100个生信案例》，学会AI成为你的学习好伙伴！点击任意笔记进去就能看到专辑的超链接：
如何批量解压当前文件夹下面的全部压缩包 如何加速一个简单的R代码绘制箱线图 如何理解shell脚本运行时候的标准输出和标准错误的信息 人工智能大模型的好处之任意数据结构的转换 人工智能大模型的好处之修改文件名字 关于r包安装到哪里了以及如何看自己的r包数量 人工智能大模型的100个生信案例之提取基因名字
新的专辑方向
在2025年，我们会开展多个组学方向的知识整理，如以下已开启计划，在计划途中的：
《绘图小技巧2025》专辑 《转录组测序数据分析》专辑 《ATAC-Seq 数据分析2025》专辑 《MeRIP-seq 图表复现笔记》专辑 《数据挖掘小细节》专辑 ..................等
回顾一下2024我们的精彩创作
首先是有69个单细胞笔记，平均每个笔记都是阅读量过万的，点击任意笔记进去就能看到专辑的超链接：
跟着张泽民老师挑各个单细胞细分亚群的代表性基因 让单细胞差异更加明显你需要调整配色方案 无论如何也不可能达到文献的完美分群？ 人工智能大模型也不能挽救一个破碎的文件啊（脊髓，神经单细胞标准数据集） 就离谱啊，是私藏一半的基因吗？ 每个样品搞这么多细胞干什么啊（这样谁相信你的数据分析结论？） 单细胞亚群该细分到什么程度呢?
其次我们简单的尝试了一下蛋白质组学，希望接下来的2025能续100个笔记：
基于R语言和Bioconductor系列包的蛋白质组学数据分析（免费书籍推荐） 转录组测序本来就不是在关注蛋白质产物 单细胞蛋白质组学全套视频课程 蛋白质组学数据分析一本通 蛋白质组学数据处理必读综述 蛋白质组学公共数据库资源汇总 蛋白质组学上游数据处理知多少
还有就是我们批评了一些文献，指出来了他们的生物信息学数据分析的漏掉，希望可以给大家一些警醒：
大可不必删除一个样品 想富集哪个通路就富集哪个通路？ 公共数据的信息不可全信 你永远不知道公共数据集给你埋什么坑 公共数据库验证出来了就是对的吗 是否高表达还不是你说了算 有一些错误在图片上面显示不出来 tcga数据库没有这个癌症啊
因为类器官仍然是我科研生涯的一个重心，所以这方面我也进行了一些创作：
花同样的钱却只拿到十分之一的单细胞数量亏不亏 肿瘤的类器官培养过程通常是富集恶性上皮细胞 类器官还得继续卷单细胞（上尿路尿路上皮癌） 只有单细胞转录组数据的肿瘤类器官研究（肝癌） 肿瘤领域的类器官文献的单细胞转录组数据分析是很有限的（膀胱癌） 不同癌症的类器官培养后的单细胞转录组数据差异大吗（胰腺癌和胆管癌） 有了单细胞数据的类器官研究其实可以不做常规基因组和转录组啦 类器官技术日新月异 类器官培养物真的只有恶性肿瘤细胞吗（去卷积推测细胞亚群比例）
因为2024我们也是在培养学徒，大家就会有自己的课题方向有实战的疑惑，我们就顺理成章的把相关沟通过程整理完学徒作业，希望在互联网上面也能募集到志同道合的小伙伴们远程参加学徒培养完成作业：
