医学生/临床科研人员进阶编程技能图谱
适用对象：已掌握 Python/R，希望进阶处理大数据、提升算法效率、并把结果做成“可复现、可协作、可展示”的医学科研人员
核心目标：从“会写代码”进阶为“具备工程化能力的计算生物学家 / 临床数据科学家”
Contents
📅 第一梯队：基础设施与数据管理（必修）
1) Linux Shell / Bash（上服务器、跑生信、自动化流程）
为什么值得学（医学科研视角）
- 生信工具（PLINK/BCFtools/GCTA 等）基本都在 Linux 环境跑
- 与 HPC 集群交互（Slurm/PBS）离不开命令行
- 你要把“手动点来点去”变成“可复现一键跑完”的流程脚本
主线学习
- The Linux Command Line（中文版，经典通读）：https://billie66.github.io/TLCL/
- Software Carpentry: The Unix Shell（科学家友好、练习驱动）：https://swcarpentry.github.io/shell-novice/
- MIT The Missing Semester（工具链补全：shell、脚本、git、调试等）：https://missing.csail.mit.edu/
HPC/集群（Slurm）实战入口
- Slurm 文档主页：https://slurm.schedmd.com/documentation.html
- Slurm Quick Start：https://slurm.schedmd.com/quickstart.html
- sbatch 提交脚本：https://slurm.schedmd.com/sbatch.html
2) SQL（临床数据库抽取 & 大表筛选）
为什么值得学
- MIMIC-IV、UKB、医院 HIS/EMR 的底层很多是关系型数据库
- 关键能力是“在数据库端筛选”，避免把几十 GB 数据一次性读进内存
主线学习
- SQLZoo（交互练习）：https://sqlzoo.net/
- PostgreSQL 文档（科研常用）：https://www.postgresql.org/docs/
- W3Schools SQL（速查）：https://www.w3schools.com/sql/
临床数据实战入口（强烈推荐）
- MIMIC Code Repository（大量现成 cohort/变量抽取 SQL）：https://github.com/MIT-LCP/mimic-code
- OHDSI/OMOP（真实世界研究的标准与生态）
- The Book of OHDSI（在线书）：https://ohdsi.github.io/TheBookOfOhdsi/
“不把 100GB CSV 读进内存”的升级
- DuckDB（本地直接 SQL 查 CSV/Parquet）：https://duckdb.org/docs/stable/
- Apache Arrow（R/Python 都能用的列式数据生态）
- Arrow 总览：https://arrow.apache.org/docs/index.html
- Arrow R 包：https://arrow.apache.org/docs/r/
🚀 第二梯队：版本控制与协作（强烈推荐）
3) Git（科研可复现 & 多人协作的底座）
为什么值得学
- 代码“后悔药”（回退、对比、追踪改动）
- 多端同步（医院电脑/服务器/个人电脑）
- 写方法学代码、做可复现项目，Git 是基本功
主线学习
- Pro Git（官方书，中文版）：https://git-scm.com/book/zh/v2
- Happy Git and GitHub for the useR（R 用户最友好）：https://happygitwithr.com/
- GitHub Skills（官方互动课程）：https://skills.github.com/
- Missing Semester：Git 讲义：https://missing.csail.mit.edu/2020/version-control/
🧰 第二梯队加分项：可复现科研“工程化四件套”（强烈推荐）
这部分学完，你的项目会明显更“像论文/像平台”：别人能复现、你自己半年后也能一键跑通。
A) 可复现与协作规范（从项目结构到开放科学）
- The Turing Way（可复现科研最佳实践）：https://book.the-turing-way.org/
- The Turing Way（GitHub 仓库）：https://github.com/the-turing-way/the-turing-way
B) 报告/论文/网站一体化输出（把分析做成“能投稿/能汇报/能复现”的作品）
- Quarto 官方 Guide：https://quarto.org/docs/guide/
- Quarto Get Started：https://quarto.org/docs/get-started/
- R4DS（2e）Quarto 章节（把科研报告做成可复现文档）：https://r4ds.hadley.nz/quarto.html
C) 环境与依赖锁定（避免“我这能跑你那不能跑”）
- conda 文档：https://docs.conda.io/
- renv（R 项目依赖锁定）：https://rstudio.github.io/renv/
D) 容器（审稿复现/服务器部署/HPC 跑同一环境）
- Docker Get Started：https://docs.docker.com/get-started/
- Apptainer（HPC 常用容器）：https://apptainer.org/docs/user/main/
E) 测试（让代码“越改越稳”，尤其方法学/包开发）
- pytest：https://pytest.org/
- testthat：https://testthat.r-lib.org/
⚙️ 第三梯队：工作流与大规模计算（进阶）
4) 工作流管理（把“很多步分析”变成可复现流水线）
为什么值得学
- 一次分析=几十步命令 + 多参数重复跑
- 工作流能自动管理依赖、并行、失败重跑、记录版本（非常适合组学/批量 MR/GWAS）
主线学习
- Snakemake 文档：https://snakemake.readthedocs.io/
- Snakemake 教程（入门必看）：https://snakemake.readthedocs.io/en/stable/tutorial/tutorial.html
- Nextflow 文档：https://www.nextflow.io/docs/latest/
- nf-core（社区标准化 Nextflow 流水线，很多现成 pipeline）：https://nf-co.re/docs/
⚡ 第四梯队：性能优化与“把代码做成工具”（进阶）
5) C++（via Rcpp）— R 的加速器 / 方法学开发
为什么值得学
- 把 R 中最慢的循环/瓶颈用 C++ 改写，常见 10–100 倍加速
- 未来写 R 包、做方法学工具，属于必经之路
主线学习
- Rcpp Gallery（最适合模仿的加速案例库）：https://gallery.rcpp.org/
- cppreference（C++ 语法字典）：https://zh.cppreference.com/
6) R 包化（把你的方法/流程变成“别人一行安装就能用”）
- R Packages（2e，在线书）：https://r-pkgs.org/
- Advanced R（提升代码设计与工程化思维）：https://adv-r.hadley.nz/
🎨 第五梯队：论文级可视化与展示（成果表达）
7) R 可视化（从“能画”到“顶刊风格”）
为什么值得学
- 医学论文非常吃“图的表达力”：信息密度、可读性、可复现代码都很关键
主线学习
- R Graph Gallery（图型最全、可复制代码）：https://r-graph-gallery.com/
- R Graph Gallery（源码仓库）：https://github.com/holtzy/R-graph-gallery
- Fundamentals of Data Visualization（讲原则：怎样更科学/清晰）：https://clauswilke.com/dataviz/
导航清单（需要什么图就来翻）
- awesome-ggplot2：https://github.com/erikgahner/awesome-ggplot2
- awesome-r-dataviz：https://github.com/krzjoa/awesome-r-dataviz
🧬 组学/遗传统计专项（常见高阶分支）
8) GWAS / Sumstats 清洗与作图
- GWASLab（文档）：https://cloufield.github.io/gwaslab/
- GWASLab（GitHub）：https://github.com/Cloufield/gwaslab
- GWAS Tutorial for Beginners（从命令行到 GWAS 全流程）：https://github.com/Cloufield/GWASTutorial
9) Mendelian Randomization（MR）
- TwoSampleMR（GitHub）：https://github.com/MRCIEU/TwoSampleMR
- TwoSampleMR 入门文档：https://mrcieu.github.io/TwoSampleMR/articles/introduction.html
10) 超大规模基因组平台（几十万~百万样本时考虑）
- Hail 文档：https://hail.is/docs/0.2/
📚 一键导航型 GitHub 资源库（遇到新需求先来这里搜）
- Awesome R：https://github.com/uhub/awesome-r
- Awesome Bioinformatics：https://github.com/danielecook/Awesome-Bioinformatics
- Awesome R Learning Resources：https://github.com/iamericfletcher/awesome-r-learning-resources
✅ 推荐学习顺序（医学科研“投入产出比”版）
- Shell + Git（服务器 & 可复现基础）
- SQL + DuckDB/Arrow（临床/大表抽取与筛选）
- Quarto + renv/conda + Docker/Apptainer + 测试（工程化四件套）
- 工作流（Snakemake 或 Nextflow/nf-core）
- 组学专项（GWASLab / TwoSampleMR / Hail）
- 性能与工具化（Rcpp/C++、R 包化）
- 论文级展示（R Graph Gallery + 可视化原则）
