技术栈与项目栈

技术栈

湿实验

分子

分子生物学技术

1. 核酸提取与纯化：
   • DNA提取（基因组DNA、质粒DNA）
   • RNA提取（总RNA、mRNA）
   • 酚-氯仿抽提法
   • 离心柱纯化法
   • 磁珠纯化法
2. 核酸定量与质量分析：
   • 紫外分光光度法（NanoDrop）
   • 荧光定量法（Qubit）
   • 琼脂糖凝胶电泳
3. 聚合酶链式反应：
   • 常规PCR
   • 逆转录PCR
   • 实时荧光定量PCR
   • 数字PCR
   • 长片段PCR / 高保真PCR
   • 巢式PCR / 多重PCR
4. 核酸电泳：
   • 琼脂糖凝胶电泳（DNA/RNA分离、大小分析）
   • 聚丙烯酰胺凝胶电泳（小片段DNA、蛋白质、高分辨率）
   • 脉冲场凝胶电泳（超大DNA片段分离）
5. 核酸杂交：
   • Southern Blotting (DNA)
   • Northern Blotting (RNA)
   • Dot Blot / Slot Blot
   • In Situ Hybridization (ISH)
   • 荧光In Situ Hybridization (FISH)
6. 克隆与载体构建：
   • 限制性内切酶酶切
   • DNA连接（连接酶）
   • 感受态细胞制备
   • 转化（化学法、电穿孔法）
   • 蓝白斑筛选 / 抗生素筛选
   • 克隆鉴定（菌落PCR、酶切鉴定、测序）
7. DNA测序：
   • Sanger测序（传统毛细管电泳）
   • 下一代测序文库构建（样品制备、片段化、末端修复、加接头、PCR扩增等湿实验步骤）
8. 基因编辑：
   • CRISPR/Cas9系统操作（gRNA设计合成、Cas9蛋白/质粒使用、转染/电转、筛选鉴定）
   • TALEN / ZFN操作（虽然较少用，但原理类似）
9. 基因表达分析：
   • RT-qPCR (mRNA水平)
   • RNA-Seq文库构建（湿实验部分）
   • Microarray样品标记与杂交（湿实验部分）

蛋白质技术

1. 蛋白质提取与纯化：
   • 细胞裂解（机械法、化学法、酶解法）
   • 离心分离（差速离心、密度梯度离心）
   • 层析技术：
     • 亲和层析（如His-tag, GST-tag, 抗体）
     • 离子交换层析
     • 尺寸排阻层析（凝胶过滤）
     • 疏水相互作用层析
   • 沉淀法（硫酸铵沉淀、有机溶剂沉淀）
   • 透析与超滤（脱盐、浓缩、换液）
2. 蛋白质定量：
   • Bradford法
   • BCA法
   • Lowry法
   • 紫外吸收法（A280）
3. 蛋白质电泳：
   • SDS-聚丙烯酰胺凝胶电泳
   • 非变性PAGE（Native PAGE）
   • 等电聚焦
   • 双向电泳
4. 蛋白质印迹：
   • 转膜（湿转、半干转）
   • 封闭
   • 抗体孵育（一抗、二抗）
   • 化学发光/荧光/显色法检测
5. 酶联免疫吸附试验：
   • 包被
   • 封闭
   • 加样（抗原/抗体）
   • 加酶标二抗
   • 加底物显色/发光
   • 终止反应
   • 读板（酶标仪）
6. 免疫沉淀与免疫共沉淀：
   • 抗体-抗原复合物形成
   • 使用Protein A/G磁珠或琼脂糖珠沉淀复合物
   • 洗涤与洗脱
7. 酶活性测定： 设计特定底物反应体系，通过分光光度计、荧光计等检测产物生成或底物消耗速率。
8. 蛋白质相互作用分析：
   • 酵母双杂交（培养基配制、转化、表型筛选、β-半乳糖苷酶活性测定等湿实验）
   • 表面等离子共振样品处理
   • 荧光共振能量转移样品制备
   • 共聚焦显微镜观察蛋白质共定位

细胞

1. 细胞培养：
   • 无菌操作技术（超净台）
   • 培养基配制与灭菌
   • 细胞复苏
   • 细胞传代（胰酶消化、离心、重悬、计数、接种）
   • 细胞冻存
   • 原代细胞分离培养
   • 细胞系维持
2. 细胞计数与活力检测：
   • 血球计数板手动计数
   • 自动细胞计数仪
   • 台盼蓝染色排除法
   • MTT/XTT/CCK-8/WST-1等代谢活性检测
3. 细胞转染与转导：
   • 脂质体转染
   • 磷酸钙转染
   • 电穿孔转染
   • 病毒感染（慢病毒、腺病毒等）
4. 细胞显微技术：
   • 相差显微镜观察活细胞
   • 荧光显微镜观察（固定或活细胞）
   • 共聚焦激光扫描显微镜样品制备与观察
   • 免疫荧光染色（固定、透化、封闭、抗体孵育、封片）
   • 细胞化学染色（如DAPI, Hoechst染核）
5. 细胞分离：
   • 流式细胞术分选（FACS）样品制备（染色、过滤）
   • 免疫磁珠分选
   • 密度梯度离心法（如分离外周血单个核细胞）
6. 细胞功能分析：
   • 细胞增殖检测（BrdU/EdU掺入法）
   • 细胞周期分析（PI染色+流式）
   • 细胞凋亡检测（Annexin V/PI染色+流式，TUNEL染色，Caspase活性测定）
   • 细胞迁移/侵袭实验（Transwell, 伤口愈合）
   • 细胞粘附实验

动物

动物模型建立与管理

1. 动物品系选择与繁殖
   • 近交系、封闭群、基因工程动物（转基因、基因敲除/敲入）的繁育与鉴定
   • 基因型鉴定（PCR、Southern blot等）
2. 动物饲养与环境控制
   • 无菌/SPF级动物房管理
   • 饲料、垫料、温湿度、光照周期的标准化控制

基础操作技术

1. 动物标记与识别
   • 耳标、趾环、皮下芯片植入、体表染色
2. 动物抓取与保定
   • 小鼠/大鼠抓取（颈背部、尾部）
   • 兔、豚鼠等大型动物的保定技术
3. 给药与干预
   • 注射技术：
     • 皮下（SC）、腹腔（IP）、静脉（IV，尾静脉/眶后静脉）、肌肉（IM）、颅内（ICV）注射
   • 灌胃（Oral Gavage）： 胃管插入食道给药
   • 局部给药： 皮肤涂药、滴眼、鼻腔给药
   • 植入技术： 药物缓释泵、肿瘤细胞皮下/原位植入

样本采集技术

1. 体液采集
   • 血液采集：
     • 尾静脉采血（小鼠）
     • 眼眶后静脉丛采血
     • 心脏穿刺（终末采血）
     • 颈动脉/股动脉插管采血（大动物）
   • 尿液/粪便采集： 代谢笼收集、膀胱穿刺
   • 脑脊液采集： 小脑延髓池穿刺
   • 腹腔灌洗液采集
2. 组织器官取材
   • 处死后快速解剖（心、肝、脾、肺、肾、脑等）
   • 活体组织活检（皮肤、肝脏、肿瘤等）

组织学与病理学技术

1. 组织处理： 固定（福尔马林等）、脱水、透明、浸蜡。
2. 石蜡切片： 包埋、切片（切片机）。
3. 冰冻切片： 快速冷冻、切片（冰冻切片机）。
4. 染色：
   • 苏木精-伊红染色
   • 特殊染色（如Masson三色、PAS、油红O等）
   • 免疫组织化学染色（抗原修复、封闭、抗体孵育、显色、复染）
   • 免疫荧光染色
5. 封片： 使用封片剂封固切片。

干实验

生物信息学核心分析

1. 序列分析：
   • 序列比对： BLAST, BLAT, ClustalW/O (多序列比对), MUSCLE, MAFFT。
   • 序列组装： 基因组组装 (SOAPdenovo, SPAdes, Canu)，转录组组装 (Trinity, StringTie)。
   • 序列注释： 基因预测 (Glimmer, Augustus)，功能注释 (基于同源性的GO/KEGG注释)。
   • 引物/探针设计： Primer3, Primer-BLAST。
2. 基因组学：
   • 变异检测： SNP/InDel/CNV/SV 识别 (GATK, Samtools, FreeBayes, Delly, CNVkit)。
   • 群体遗传学： 群体结构分析 (STRUCTURE, ADMIXTURE)，选择压力分析 (Tajima’s D, Fst)，系统发育树构建 (RAxML, MrBayes, BEAST)。
   • 比较基因组学： 基因组共线性分析 (MCScanX, SynMap)，基因家族分析 (OrthoFinder, CAFE)。
3. 转录组学：
   • 表达定量： RNA-Seq 数据定量 (Salmon, kallisto, featureCounts, HTSeq)。
   • 差异表达分析： DESeq2, edgeR, limma-voom。
   • 功能富集分析： GO富集 (clusterProfiler, DAVID, g:Profiler)，KEGG通路富集 (同上)，GSEA。
   • 可变剪接分析： rMATS, SUPPA2, LeafCutter。
   • 单细胞RNA-Seq分析： 细胞聚类/分型 (Seurat, Scanpy)，轨迹推断 (Monocle, PAGA)，细胞通讯分析 (CellChat, CellPhoneDB)。
4. 表观基因组学：
   • DNA甲基化分析： Bismark (比对)，MethylKit, DSS (差异甲基化区域分析)。
   • 染色质可及性分析： ATAC-Seq 峰识别 (MACS2)，差异可及性分析 (DESeq2, diffBind)。
   • ChIP-Seq分析： 峰识别 (MACS2)，motif 富集分析 (HOMER, MEME-ChIP)，差异结合分析。
   • 多组学整合： 整合不同表观数据或与转录组数据关联。
5. 蛋白质组学：
   • 质谱数据分析： 搜库鉴定 (MaxQuant, Proteome Discoverer)，定量分析 (LFQ, TMT/iTRAQ)，差异表达蛋白分析 (limma)。
   • 蛋白互作网络分析： STRING, Cytoscape (可视化与分析)。

结构生物学与计算化学

1. 蛋白质结构预测：
   • 同源建模： SWISS-MODEL, MODELLER。
   • 从头预测： AlphaFold2, RoseTTAFold。
   • 结构比对： TM-align, DALI。
2. 分子对接：
   • 小分子-蛋白对接：AutoDock Vina, Glide, GOLD。
   • 蛋白-蛋白对接：ClusPro, ZDOCK, HADDOCK。
   • 虚拟筛选：针对靶标蛋白筛选大型化合物库。
3. 分子动力学模拟：
   • 模拟蛋白质、核酸、膜系统等的动态行为：GROMACS, AMBER, NAMD。
   • 分析模拟轨迹：RMSD, RMSF, 结合自由能计算 (MM/PBSA, MM/GBSA)。
4. 药物设计与发现：
   • 药效团建模： Phase, LigandScout。
   • 定量构效关系： 2D-QSAR, 3D-QSAR (CoMFA, CoMSIA)。
   • ADMET预测： 预测化合物的吸收、分布、代谢、排泄和毒性性质 (ADMETlab, pkCSM)。
   • 药物重定位： 利用现有数据库和计算方法寻找已有药物的新用途。

系统生物学与网络分析

1. 生物网络构建：
   • 基因共表达网络 (WGCNA)。
   • 蛋白互作网络 (基于数据库如STRING或实验数据)。
   • 基因调控网络 (基于ChIP-Seq, TF motif, 表达数据)。
   • 代谢网络 (Recon等模型)。
2. 网络分析：
   • 拓扑特性分析：度中心性、介数中心性、紧密度中心性。
   • 模块/社区发现：识别功能单元。
   • 关键节点识别：Hub基因、瓶颈基因。
   • 网络可视化：Cytoscape, Gephi。
3. 数学建模：
   • 构建描述生物系统动态行为的数学模型 (常微分方程、偏微分方程、随机模型)。
   • 参数拟合与优化。
   • 模型模拟与预测。
   • 通路/网络建模软件：COPASI, CellDesigner。

医学信息学与临床数据分析

1. 电子健康记录分析：
   • 数据挖掘：发现疾病模式、风险因素、药物不良反应。
   • 表型算法开发：利用EHR数据定义研究队列。
2. 医学影像分析：
   • 图像处理： 分割、配准、特征提取。
   • 计算机辅助诊断： 利用机器学习 (尤其是深度学习) 进行病灶检测、分类、预后预测。
   • 工具：ITK-SNAP, 3D Slicer, PyTorch/TensorFlow (深度学习框架)。
3. 多组学数据整合与精准医疗：
   • 整合基因组、转录组、临床数据寻找生物标志物 (诊断、预后、预测)。
   • 构建疾病风险预测模型。
   • 指导个性化治疗方案选择。
4. 公共数据库挖掘：
   • 基因组/转录组： NCBI (SRA, GEO, dbGaP), ENA, TCGA, GTEx, ICGC。
   • 蛋白/互作： UniProt, PDB, IntAct, BioGRID。
   • 通路/功能： KEGG, Reactome, GO, MSigDB。
   • 药物/疾病： DrugBank, PubChem, ClinVar, OMIM, DisGeNET。
   • 文献： PubMed, PubMed Central。

核心计算与统计技术

1. 编程语言：
   • 主要语言： Python (Biopython, pandas, scikit-learn, NumPy, SciPy)， R (Bioconductor, tidyverse, ggplot2)。
   • 其他： Perl (传统文本处理)， Bash/Shell (流程控制)， SQL (数据库查询)， C/C++ (高性能计算)。
2. 统计分析：
   • 假设检验 (t检验, 卡方检验, 方差分析)。
   • 相关性与回归分析 (线性、逻辑回归)。
   • 生存分析 (Kaplan-Meier, Cox比例风险模型)。
   • 多元统计分析 (PCA, 聚类分析 - K-means, hierarchical)。
3. 机器学习与人工智能：
   • 监督学习： 分类 (SVM, 随机森林, XGBoost, 神经网络/深度学习)，回归。
   • 无监督学习： 聚类 (K-means, 层次聚类)，降维 (PCA, t-SNE, UMAP)。
   • 深度学习： 卷积神经网络 (图像)，循环神经网络/Transformer (序列)，图神经网络 (网络)。
   • 模型评估与选择：交叉验证，ROC/AUC，混淆矩阵。
4. 数据可视化：
   • 科学绘图：ggplot2 ®, matplotlib/seaborn (Python)。
   • 复杂网络可视化：Cytoscape, Gephi。
   • 交互式可视化：Plotly, D3.js, Shiny ®, Dash (Python)。
   • 基因组浏览器：IGV, UCSC Genome Browser。
5. 工作流管理与高性能计算：
   • 工作流管理： Snakemake, Nextflow, Galaxy。
   • 版本控制： Git/GitHub/GitLab。
   • 云计算： AWS, GCP, Azure。
   • 高性能计算： SLURM作业调度，并行计算。

常用软件

基因组学与序列分析

类别	软件名称	主要功能	备注
分子克隆与序列分析	SnapGene	分子克隆设计（限制性克隆、Gibson组装、In-Fusion克隆等）、质粒图谱绘制、PCR模拟与引物设计、序列比对、琼脂糖凝胶电泳模拟	图形界面友好，自动记录实验步骤，适合日常分子克隆操作和教学。
	Geneious Prime	分子生物学和NGS分析、序列比对、进化树构建、限制酶分析、PCR引物设计、克隆设计	跨平台（Win/Mac/Linux），集成多种常用工具和数据库，界面直观。
	ApE (A plasmid Editor)	质粒图谱绘制、序列编辑、限制酶切分析
序列比对	BLAST	序列相似性搜索	NCBI出品，经典必备
	Bowtie2 / BWA	将短测序reads比对到参考基因组	NGS数据分析标准工具
	STAR	转录组测序reads的剪接感知比对	RNA-Seq分析首选
	Minimap2	长读长（PacBio/Oxford Nanopore）序列比对	高效、通用
变异检测	GATK	SNP/InDel发现与基因分型	Broad研究所出品，行业金标准
	Samtools / BCFtools	处理SAM/BAM/VCF文件，变异检测	必备工具集
	FreeBayes	基于单倍型的变异检测
	ANNOVAR	注释遗传变异的功能后果
可视化	IGV	交互式查看基因组数据（比对、变异、峰图等）	必装，调试和发图神器
	UCSC Genome Browser	在线基因组浏览器，查看公共注释和数据
其他	FastQC	评估测序数据质量	第一步必做
	MultiQC	汇总多个FastQC等工具的结果报告	项目总结好用
	Bedtools	对基因组区间文件进行并、交、补等操作	非常强大的工具集

转录组学（RNA-Seq）

类别	软件名称	主要功能	备注
定量	featureCounts	从比对结果中计算基因/外显子的count数	简单高效
	HTSeq	同上	Python库
	Salmon / kallisto	无需比对，直接快速进行转录本定量	Alignment-free，速度快
差异分析	DESeq2	基于负二项分布的差异表达分析	R包，最主流
	edgeR	类似DESeq2	R包，同样主流
	limma	非常强大的线性模型框架，也适用于RNA-Seq	R包
功能分析	clusterProfiler	GO/KEGG等富集分析、可视化	R包，强大美观
	GSEA	基因集富集分析	需要排名基因，发现细微变化
单细胞分析	Seurat	单细胞RNA-Seq数据分析的全套工具	R包，生态强大
	Scanpy	类似Seurat，基于Python	Python生态
	Cell Ranger	10x Genomics官方分析套件	处理原始数据到计数矩阵

表观基因组学（ChIP-Seq, ATAC-Seq, DNA甲基化）

类别	软件名称	主要功能	备注
峰 calling	MACS2	识别ChIP-Seq/ATAC-Seq中的富集峰（peaks）	最常用
	HOMER	一套工具，包含peak calling、motif分析等	功能全面
Motif分析	HOMER	从头预测和已知motif的富集分析
	MEME Suite	一套经典的motif发现与分析工具	（MEME, DREME, Tomtom等）
甲基化分析	Bismark	亚硫酸氢盐测序reads的比对和甲基化提取	标准工具
	MethylKit	用于甲基化数据的差异分析等	R包

蛋白质组学与结构生物学

类别	软件名称	主要功能	备注
质谱分析	MaxQuant	蛋白质组学质谱数据定量与分析	主流，图形界面友好
	SearchGUI/PeptideShaker	开源搜库与结果分析平台
结构预测	AlphaFold2	高精度蛋白质结构预测	革命性工具，可通过Colab使用
	SWISS-MODEL	同源建模	在线服务器，易用
分子对接	AutoDock Vina	小分子-蛋白质分子对接	免费，常用
	PyMOL	分子可视化	作图、展示神器，商业但有开源版
	ChimeraX	分子可视化与分析	免费，功能强大，UCSF出品
动力学模拟	GROMACS	分子动力学模拟	免费，高性能，学习曲线陡峭

通用统计分析与可视化（核心工具）

类别	软件名称	主要功能	备注
编程语言/环境	R & RStudio	统计计算、绘图、数据分析	生物学家首选，Bioconductor生态
	Python & Jupyter	通用编程、数据分析、机器学习	更通用，scipy/pandas/scikit-learn生态
	Julia	高性能科学计算	新兴语言，速度快
统计绘图	ggplot2 ®	基于语法的图形创建系统	R语言绘图事实标准，出版级
	matplotlib/seaborn (Py)	Python的主要绘图库	功能强大
	GraphPad Prism	商业软件，统计分析与绘图	湿实验实验室最爱，无需编程
商业分析平台	SPSS	统计分析和数据挖掘	社会科学常用
	SAS	高级统计分析、数据管理	医药公司常用

系统生物学与网络分析

类别	软件名称	主要功能	备注
网络构建与分析	Cytoscape	网络可视化与分析的桌面软件	功能强大，插件生态丰富
	Gephi	另一款强大的网络可视化与分析软件
	STRING	在线蛋白互作网络数据库与分析平台
通路分析	Cytoscape + clusterProfiler	常用组合
	Ingenuity Pathway Analysis (IPA)	商业软件，强大的通路与调控网络分析	结果解读深入，价格昂贵

数据与工作流管理

类别	软件名称	主要功能	备注
流程管理	Snakemake	用Python风格语法定义可重复的数据分析流程
	Nextflow	用自有DSL定义数据流驱动的流程
版本控制	Git	代码和文本文件的版本控制	必备技能
	GitHub / GitLab	基于Git的代码托管与协作平台
文献管理	Zotero	免费、开源的文献管理工具	推荐
	EndNote	老牌商业文献管理软件	学校常用

程序设计（旧时遗存）

• C++ 基本语法
• Python 基本语法
• 常用算法
• 数据结构

算法与数据结构大纲参照 Luogu-Problem-List

项目栈

长期项目

合作项目

• 大创1：非天然α-核苷的合成研究
• 大创2：新型lncRNA LINC02968调控头颈鳞癌淋巴结转移的作用与初步机制研究
• 跨校合作项目：小建中汤

独立项目

• Draft 1：Global Aging 数据库组 - 老龄化多病种（代谢性）多重用药；糖尿病（包括酮症酸中毒） + 高脂血症 + 高血压【+ 肝癌 / 肺癌】+ 不良反应与药物相互作用
• Draft 2：生物信息学分析 - 癌症 / 代谢 / 免疫 方向

短期项目

实习

• Internship 1：深圳湾实验室神经疾病研究所

研究

短期课堂