數據分析
數據分析板塊覆蓋從「取數據」到「出結論」的整條鏈路，分生信分析、數據與計算、科研工具、統計與作圖、生物學數據庫與化學工具六組。生物學數據庫一組從蛋白到通路成體系：序列與功能註釋查 UniProt 和 Gene Ontology，三維結構查 RCSB PDB，蛋白表達定位看人類蛋白質圖譜，通路分析用 KEGG 與 Reactome，基因列表批量富集交給 Metascape，質譜原始數據的檢索與下載走 PRIDE，EMBL-EBI 是這些資源的總站門戶。生信分析一組是分析動作本身：NCBI 與 BLAST 處理序列，Ensembl 與 UCSC Genome Browser 看基因組，STRING、GEPIA、GeneCards 查互作與表達，DAVID 與 Enrichr 做富集，cBioPortal 做癌症組學看板，方法與腳本問題去 Biostars 搜索，多數已有現成答案。數據與計算一組覆蓋通用計算與公共數據集：Wolfram Alpha 與 GeoGebra 處理公式與圖形，Kaggle、Google 數據集、Data Commons、Our World in Data 與國家統計局提供數據源，ScienceDB 可爲中文科學數據申請 DOI。科研工具一組處理文獻本身：Zotero 管參考文獻，Overleaf 寫公式，Elicit、Consensus、Connected Papers、Research Rabbit 做文獻綜述與關聯圖譜。化學工具一組是實驗室裡最常打開的一批入口：PubChem 查化合物結構與理化性質，質譜與凝膠方向的小計算器（分子量、肽段質量、碎片離子、凝膠配製）各司其職，醫學公式另配 MDCalc。統計與作圖一組是這條鏈路裡唯一「怎麼把結果算對、畫對」的一環，也是多數人真正卡住的地方：選檢驗、算樣本量、判讀 p 值不清楚時，先查 Statistics by Jim 與 Cross Validated 這兩個講解型站，比翻手冊快得多；動手做分析，R 與 Bioconductor 是學術統計與生信的主流，界面化的 JASP、jamovi 免費且從 SPSS 遷移幾乎無學習成本，商業軟件裡 GraphPad Prism 是生物醫學的慣例、Origin 偏理工科、Stata 走計量經濟學；Python 一側則是 pandas 處理數據、matplotlib 打底、seaborn 快速出統計圖。畫圖這一層最實用的是 The R Graph Gallery 與 Statology——按「要畫什麼圖」反查代碼，改改就能用；ggplot2 值得單獨學一次，圖層語法一旦上手，改圖效率遠超圖形界面。檢索數據庫建議先用編號（accession / PDB ID）直查，比關鍵詞更準也更省事。
