BioInfo Wiki

为什么选择 BioInfo Wiki

结构优先

从序列、比对、组装到 HMM，围绕稳定的知识主干组织内容，而非罗列工具命令。

方法到应用

算法、数据格式、数据库和工作流联动：从教材公式到真实分析流程一线贯通。

中文优先

面向中文社区的生物信息学体系化知识库，术语首次出现附英文与缩写。

开放协作

通过 GitHub 和统一模板持续完善，像 Wiki 一样让内容和结构同步成熟。

全站知识地图

六个主入口覆盖从基础到应用的完整链路。

🚀 导论 项目简介、学习路线、贡献方式与写作规范。

🧮 基础与数学 序列、reads、coverage、坐标系统与概率——后续一切的基石。

⚙️ 核心方法 索引、比对、组装与概率模型，收敛到同一个方法主轴。

🔬 分析方向与案例 DNA-seq、RNA-seq、单细胞、长读长、空间组学等分析入口。

📚 数据、注释与资源 参考基因组、注释系统、文件格式和数据库入口。

📝 附录 术语表、参考资料与索引，承担 Wiki 的查阅收束功能。

推荐学习路线

🎯 初学者路线

零基础入门 — 先理解对象与流程地图，再进入索引、比对、组装和应用案例。

1. 导论 → 2. 基础与数学 → 3. 数据与资源 → 4. 分析方向

🧠 算法路线

理论驱动 — 从字符串、DP、图和概率模型切入，再看它们在真实工具里的位置。

1. 基础与数学 → 2. 核心方法 → 3. 应用案例

🛠️ 实战路线

任务驱动 — 从 DNA-seq、RNA-seq、单细胞出发，回溯其依赖的方法和数据结构。

1. 数据与资源 → 2. 分析方向 → 3. 回看核心方法

从教材到实践

把字符串、图、概率模型和工作流放进同一套知识坐标系，是 BioInfo Wiki 区别于零散教程的关键。

📐 字符串与动态规划 编辑距离、全局/局部比对到 affine gap，read mapping 背后的数学骨架。

🔍 索引与快速搜索 k-mer、suffix array、BWT 到 FM-index——巨大参考序列上的快速定位。

🕸️ 图算法与组装 OLC 到 de Bruijn graph，重复与错误处理，把片段恢复成整体。

🎲 概率模型与推断 HMM、PWM/PSSM 到 gene prediction，不确定性如何被形式化。