生信基础算法学习路线

更新：2026-10-13；状态：可用；验证范围：路线核对；六类人工算法练习已运行；其他模型以各页范围为准。

先理解数据结构与复杂度，再学习查找、距离、图、动态规划、聚类和优化。

从哪开始

不必一开始就读GWAS或机器学习软件源码。先能用小输入说明算法在解决什么问题、输出怎样检查、成本随规模如何增长，再接入真实工具。

一条可以逐步完成的顺序

1. 算法输入输出复杂度与数据结构：写清输入维度、目标、正确性和资源成本。
2. 排序查找与哈希在生信中的应用：从坐标定位和重叠k-mer计数开始。
3. 图与最短路径的生信入门：理解任务依赖、邻接结构和BFS。
4. 动态规划与序列比对基础 → Smith-Waterman局部比对 → BLAST原理与种子延伸：区分全局、局部、精确与启发式。
5. 距离标准化与相似性 → PCA原理与实现 → 聚类Kmeans与层次聚类：理解特征表示如何改变几何结构。
6. 近邻朴素贝叶斯与决策树入门 → 正则化过拟合与模型选择：理解基础预测规则和泛化。
7. 梯度下降与数值优化 → 似然最大似然与MAP估计：连接计算目标与统计模型。
8. 数据泄漏与交叉验证 → 分类指标ROC与PR曲线：确保评价与实际任务一致。

三类问题不要混在一起

算法正确性：实现是否按目标计算？统计有效性：数据、模型和独立性是否支持推断？生物学有效性：结果是否在目标场景中成立？小例子与单元检查主要验证前一类，不能替代后两类。

已提供的可运行练习

基础算法可复现练习包含二分查找、哈希计数、BFS、线性缺口全局比对、K-means和最小二乘梯度下降。输入是小型人工数据，不依赖大型数据库和生产比对软件。

已有合成数据贯通PCA与GWAS与合成家系数据贯通GS可承接矩阵与遗传模型。专业工具的索引、压缩、并行和近似算法更复杂；不要从几十行实现推断完整软件性能。

后续可按实际任务深入树模型、支持向量机、图聚类、矩阵分解和更复杂优化。本轮把基础概念与验证路径写完整，未声称实现全部算法。

理论入口：MIT 6.006算法课程、scikit-learn官方用户指南。