经过一段时间的转录组学习，初步了解了转录组的基本分析流程。现在理解到的生物信息学的用处：
1、利用生信工具解决生物学问；
2、发展生信工具本身。
第一个用处，包括很多方面：基因组、转录组（包括当下热门的与流式分选相关的单细胞转录组，新兴的空间转录组、RNA甲基化测序）、SNP等分子标记，还有蛋白质组、代谢组。一方面，尽可能读取生物大分子的序列；另一方面，分析生物体在不同环境下的大分子差异。
第二个用处，包括：算法的创新和优化、拼接和分析工具包的优化和使用流程的优化。
两个用处，涉及的知识十分广泛。生物学、数学（算法）、统计学都涉及到。数学（算法），对我来说难度太大，大概只能了解个大概。统计学知识肯定得补。
生物信息学的用途广，涉及的软件也多。现在比较熟悉的用途是表达差异分析、分子标记开发。先熟悉起来，再考虑进一步在哪方面深入学习。
通过生信技能树的培训，学习了一些linux操作、R语言，还有一部分没学完，需要学习完，把转录组的基本流程走完一遍。从编程语言的发展趋势来看，python现在应用和发展前景都不错，所以我计划从python入手学，利用这门“胶水语言”把linux和R语言一起串起来使用。
python的数据分析重点要掌握几个包：Biopython、numpy、pandas、matplotlib。看起来Biopython是主体，可用于fasta等生信大文件操作，完成一些linux的功能，或者利用linux的bash语言。numpy，顾名思义，是个数据统计的大包，应该不仅应用于生信，而是广泛应用于数据统计。pandas是统计分析的包。matplotlib，是一个绘图包。
学习用python做生信分析，要熟悉python，不在话下。近期目标是尽快走一遍基本流程，把这4个包熟悉一下。
同时，要多看纯生信的文献。至于怎么省劲地找到纯生信的文献，先依赖生信相关的公众号推荐吧。