数据分析
数据分析板块覆盖从「取数据」到「出结论」的整条链路，分生信分析、数据与计算、科研工具、统计与作图、生物学数据库与化学工具六组。生物学数据库一组从蛋白到通路成体系：序列与功能注释查 UniProt 和 Gene Ontology，三维结构查 RCSB PDB，蛋白表达定位看人类蛋白质图谱，通路分析用 KEGG 与 Reactome，基因列表批量富集交给 Metascape，质谱原始数据的检索与下载走 PRIDE，EMBL-EBI 是这些资源的总站门户。生信分析一组是分析动作本身：NCBI 与 BLAST 处理序列，Ensembl 与 UCSC Genome Browser 看基因组，STRING、GEPIA、GeneCards 查互作与表达，DAVID 与 Enrichr 做富集，cBioPortal 做癌症组学看板，方法与脚本问题去 Biostars 搜索，多数已有现成答案。数据与计算一组覆盖通用计算与公共数据集：Wolfram Alpha 与 GeoGebra 处理公式与图形，Kaggle、Google 数据集、Data Commons、Our World in Data 与国家统计局提供数据源，ScienceDB 可为中文科学数据申请 DOI。科研工具一组处理文献本身：Zotero 管参考文献，Overleaf 写公式，Elicit、Consensus、Connected Papers、Research Rabbit 做文献综述与关联图谱。化学工具一组是实验室里最常打开的一批入口：PubChem 查化合物结构与理化性质，质谱与凝胶方向的小计算器（分子量、肽段质量、碎片离子、凝胶配制）各司其职，医学公式另配 MDCalc。统计与作图一组是这条链路里唯一「怎么把结果算对、画对」的一环，也是多数人真正卡住的地方：选检验、算样本量、判读 p 值不清楚时，先查 Statistics by Jim 与 Cross Validated 这两个讲解型站，比翻手册快得多；动手做分析，R 与 Bioconductor 是学术统计与生信的主流，界面化的 JASP、jamovi 免费且从 SPSS 迁移几乎无学习成本，商业软件里 GraphPad Prism 是生物医学的惯例、Origin 偏理工科、Stata 走计量经济学；Python 一侧则是 pandas 处理数据、matplotlib 打底、seaborn 快速出统计图。画图这一层最实用的是 The R Graph Gallery 与 Statology——按「要画什么图」反查代码，改改就能用；ggplot2 值得单独学一次，图层语法一旦上手，改图效率远超图形界面。检索数据库建议先用编号（accession / PDB ID）直查，比关键词更准也更省事。
