组学分析方法学习路线

更新：2026-10-15；状态：可用；验证范围：原始研究和官方资料核对；方法说明，未运行完整专业分析流程。

按测量层、估计目标、统计模型和证据组织组学方法，而不是按软件列表学习。

从输入和目标开始

先确认测序技术与PCR学习路线和计数丰度与标准化：read、UMI、峰内计数、谱图强度和代谢峰面积不是同一种测量。再按差异、结构、预测或机制选择模型。

方法入口

场景	原理页	操作与验证
bulk RNA	RNA计数模型差异表达与效应收缩	RNA-seq从计数矩阵到差异表达
单细胞表示	单细胞降维邻居图与聚类原理	单细胞转录组入门与实践
单细胞比较	单细胞差异表达与差异丰度	单细胞与空间组学验证设计
表观组	差异峰与差异甲基化方法	表观组峰与调控证据验证
蛋白	蛋白质鉴定FDR与差异丰度	蛋白质组入门与实践
代谢	代谢组注释定量与多变量分析	代谢组入门与实践
微生物	微生物组组成差异与多样性方法	微生物组差异与验证设计
多组学	多组学整合与潜变量模型	多组学整合入门与实践

批次整合另读组学批次校正与信号保留，功能解释读富集分析与GSEA。组学平台和方法不是一一对应，空间数据还需考虑组织与空间依赖，见空间转录组入门与实践。

推荐顺序与完成标准

先学统计学与组学验证学习路线，再选一条流程追踪输入、归一化、模型、对比、检验集合和输出。能够解释每一步假设，比记住命令更重要。

不会编程时从R与Python生信编程入门路线进入，再回到具体方法。比较方法用组学方法比较与敏感性分析，结论按组学验证的层级与证据限定。

新专业方法页是官方资料核对，未在本机运行完整流程；人工教学案例有独立运行说明，不作为真实组学性能基准。

用一张完成表自检

选定一个流程后填写，空着的项就是需要继续补的知识。

要回答的问题	你的记录（RNA示例）
输入单位与独立样本	基因片段计数；独立供体，不是每条read
比较方向	处理相对对照
模型与协变量	负二项计数模型，按设计加入可估计的批次
输出读哪几列	log2FC、区间/标准误、padj及NA原因
一个关键假设	设计可分离组别与批次
怎样核查一次	交叉列出组别×批次；查看是否完全混杂

bulk RNA-seq已运行入口

bulkRNA-seq分析与实践路线连接计数输入、设计、软件与结果解释。公开airway数据贯通DESeq2已使用原生R真实运行；其他组学/软件的验证范围仍以各页为准。