学单细胞数据分析之前得掌握生物信息学算法吗？

有小伙伴在交流群问了一下tSNE和UMAP的问题，就有人“友情回怼”了一下说要理解“降维聚类分群”原理就得看生物信息学算法了。

然后甩了一个很古老的在线书籍：https://compeau.cbd.cmu.edu/online-education/bioinformatics-algorithms-an-active-learning-approach/

Bioinformatics Algorithms: An Active Learning Approach is a joint project with Pavel Pevzner from the University of California San Diego. First published in 2014, this textbook is now in its third edition and has become a bestseller in the field of computational biology, achieving adoption by over 200 instructors in 45 countries.

如下所示：

每个章节都从一个生物学问题开始，然后自底向上教授解决这个问题所需的计算方法。

• 第1章：基因组中DNA复制从哪里开始？（算法热身）
• 第2章：哪些DNA模式扮演分子钟的角色？（随机算法）
• 第3章：我们如何组装基因组？（图算法）
• 第4章：我们如何测序抗生素？（暴力算法）
• 第5章：我们如何比较生物序列？（动态规划）

这本书通过将生物问题与计算方法相结合，为读者提供了一种主动学习生物信息学算法的途径。

老实说，我没有啃下去里面的算法，因为确实是太底层了，先不说里面是否有tSNE和UMAP的细节问题，里面的公式和示意图已经是试图很清晰的展现给我算法细节，但是它进不去我的脑子啊！！！

很清晰的展现给我算法细节

如果是学单细胞数据分析之前得掌握如上所示生物信息学算法，那就基本上劝退了99%的入门者。绝大部分生信工程师都是应用级，完全没必要深入学习底层算法了。

算法是否有人还在学习呢

前面提到了，绝大部分生信工程师都是应用级，完全没必要深入学习底层算法了。但是算法仍然是有人在开发的， 比如南开大学数学科学学院陈盛泉课题组：

• 2024年2月22日，南开大学数学科学学院陈盛泉课题组在Nature Communications上在线发表题为“scCASE: accurate and interpretable enhancement for single-cell chromatin accessibility sequencing data”。南开大学数学科学学院2023级硕士生汤凇鸣为论文第一作者，陈盛泉副教授为论文通讯作者。
• 2024年4月6日，陈盛泉课题组在Nature Communications上在线发表题为“scButterfly: a versatile single-cell cross-modality translation method via dual-aligned variational autoencoders”南开大学数学科学学院2019级本科生曹一川为论文第一作者，陈盛泉副教授为论文通讯作者。
• 2024年5月10日，陈盛泉课题组联合清华大学自动化系江瑞课题组在Nature Computational Science上在线发表题为“Discrete latent embedding of single-cell chromatin accessibility sequencing data for uncovering cell heterogeneity” 清华大学自动化系2019级直博生崔雪建为论文第一作者，清华大学江瑞教授和南开大学陈盛泉副教授为论文通讯作者。

感觉啊，现在的很多生物信息学前沿工作，都是数学系或者自动化相关的人弄的，反倒是生命科学缺席了。。。我也在群里号召大家讨论过这个问题：

• 可能更多需要一些统计学相关数理知识来对数据进行解析，这对普通学生物的较难。。。
• 生物学家负责解决实际问题，而数学相关专业的专家负责协助生命科学问题的数学模型实现，大家都各司其职，生物学家负责解读数据结论，而数学家更关注于数学方法的模拟，少了谁都不成
• 数学家们将已知的生命科学理论知识体系化，数学化，最后由生物学家们对数据赋予现实意义
• 比如说seurat的降维，聚类算法，我们不需要看懂他的源码，也不用详细了解他的算法，我们只要借助r语言就可以很轻松的完成一系列分析任务，赋予数据结构现实意义。。。

那么普通人学单细胞数据分析之前得掌握什么呢？

其实从零开始学单细胞数据分析是一个伪命题，没可能说最简单的r或者Python编程语言都不会就可以直接上手处理数据。目前网络上公开了海量的单细胞转录组降维聚类分群，但凡是有一点点编程基础，都可以很快follow那些代码出图，然后结合文章去理解每个图表结果来掌握单细胞转录组数据分析。

除了编程基础之外，那就是理解统计可视化的生物学含义了，单细胞转录组是普通转录组的升级，理论上之前我们转录组数据分析的常见思维方法都可以复用的，无论是转录组测序还是表达量芯片，都是有分组有差异分析有富集分析有基因集打分。所以，掌握一些传统转录组数据分析策略是会很有帮助的。