技术栈与项目栈

Stack
Stack
Publish Date:   2024-05-13
Update Date:   2025-08-15
Word Count:   3.1k
Read Times:   11 Min

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

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

Author: thyzzs
Link: https://thyzzs.top/2024/05/13/project-stack/
Reprint policy: All articles in this blog are used except for special statements CC BY-NC-SA 4.0 reprint policy. If reproduced, please indicate source thyzzs !
Stack
评论
  TOC