科研推荐：计算生物领域自选课题，名校教授科研，助力2022Fall申请季！在生物学研究领域

【科研推荐：计算生物领域自选课题，名校教授科研，助力2022Fall申请季！】在生物学研究领域，传统基于分子、细胞、生理学实验方法进行的研究通常被称作湿实验，如今这些传统的生物学方法在某种程度上都遇到了瓶颈，而被称作干实验的计算机模拟和生物学相结合的研究，正在利用 AI、大数据等创新手段，为生物学研究打开了另一扇窗。
2020年，一场突如其来的新冠疫情让生物学与 AI 等技术的融合进一步加速。算力的提升、机器学习等模型的精进、大量数据的积累，都让计算生物学的研究条件越来越完善，传统生物学方法无法解答的问题，可以通过这样的跨界研究有所突破，因此，计算生物学成为了生物学研究的一个重要分支。

文章图片

文章图片
计算生物学一般是用统计和算法来解决现实中生物信息学、生物医学相关的问题。比如(病毒)基因测序，肿瘤细胞族谱树的建立， MRI相关的应用等;
而且伴随着 AI 和计算机技术在生物学各个领域的深入应用，一定会对生命科学和医学产生越来越深刻的影响，比如基因对比、基因鉴定就已经从之前难以企及的高端技术进入到了寻常百姓的生活中，未来将会有更多的生物高科技因为 AI 和计算而加速普及。
【爱科研】联合芝加哥大学教授，以“复杂性状和疾病遗传基础的统计方法”为题，带领同学们讨论复杂性状遗传学的几个基本问题：与疾病结果相关的遗传变异是什么？一个复杂性状有多少个基因在起作用？为什么对于不同的疾病会有人口差异？根据他们的遗传信息，我们该如何预测个体的遗传风险？
同学们通过对以上问题的研究与探讨，将具有遗传数据的实践经验，以识别疾病点位并通过多基因风险评分来预测遗传风险。

文章图片

文章图片
项目整体设计合理，内容充实、难度适中、授课方式合适
“平常听课和实际去做研究项目完全是两回事，还是要自己上手去做的，总会有意想不到的收获。”
——浙江大学 Y同学
1充足的预习，为项目开始做好准备：
通过Professor提供的预习资料和几个干货满满的workshop中掌握了全基因组关联分析的相关知识及生物信息学工具/网站（比如TWAS/FUSION ， gene ontology ， locuszoom等）的使用，并学以致用，进行了阿尔兹海默症遗传基础的分析，让我对疾病遗传基础，全基因组关联分析，复杂性状和基因间的关系有了更深的理解；
2最终项目具有很大的自由度：
本项目是非常适合全基因组关联分析入门者的一个项目。给我留下比较深刻印象的一点是， Professor为我们提供了三种疾病的sumstats ，供我们自行选择，所以大家在project的选择上具有很大的自由度；
3不同背景同学的互相学习交流：
和我一起参加项目的同学都有着不同的学科背景，在最终的presentation中，选择了同一种疾病的同学也对结果从不同角度进行解读，这也帮助我们了解自己的project还有哪些可以不足/可以改进的地方。

文章图片

文章图片
项目带给我很多收获，并且将先前统计学知识实际应用到了自己的专业研究中！