我想学习数据库,该怎么办(数据库自学)

方法：

要说数据库，一般以SQLServer作为入门的学科，它适合中小型项目开发，而现在比较流行于大型开发的有:

Oracle

现在具有企业大型软件的绝对占有率

DB2在以IBM服务的公司以及单位（中国银行）

MySql相对不是很正式的开发，使用MySql

当然还有一些：Aess(桌面数据库),FoxPro(中国教育),Informix的数据库系统

刚开始入门的时候可以找点视频教程来学习，视频教程一般讲得比较好，但不要企图于通过它达到比较高的水平。然后要学会将自己所知道的去实践，多实践。当觉得实践到一定程度而没有什么冲劲了，就去学习理论，当觉得理论知识需要发挥的时候就去实践，时间的周期不一定，没有什么定论，但自己的时间安排需要定论就可以了。

一直都认为在计算机行业要学会一门技术太简单了，但如果要把技术发挥到一定程度就有难处了，一定程度是什么意思，就是把技术如何发挥到具体的业务之中，会动脑筋去思考，而把技术作为相对次要的东西了。

数据库的DBA人员需要兼有系统分析员和运筹学的业务素质。在技术上讲，数据库的前续学科是“数据结构”。

1数据库是非常快的数据处理程序,其内在的本质依旧是"文件"因为Windows *** 作系统管理机制就有:磁盘、文件、目录。Linux的方式只有文件。所以数据库重本质的角度来说是一种平台软件，是将文件翻译成逻辑语言的软件，成为软件程序数据交换的中心，为什么那，一个很重要的原因就是“快”，还有就是“安全”、“集成”等等。因为以前的语言程序要处理数据要编写大量算法十分麻烦而且很容易出错等等。大家就想到集成了。

2其实，要谈到 *** 作数据库，简单的就太简单了，但是数据库最难的不是 *** 作，而是在数据库的设计上。一个大型程序设计者肯定是一个数据库的高手，因为大型程序要死板地去完成它是非常困难和不理智也是不安全不稳定的，要充分利用自己所有的能力去挖掘其数据之间的奥秘，然后体系化数据库结构，相当于在数据库中如何层次化地建立数据结构。将需求中的矛盾事物改变成可以相互融合的。

数据库 *** 作简单是指一般 *** 作，如果难的 *** 作还是有点技术的，但还是难不到那里去。

3为什么说上面的东西都很简单那，因为只要会，那就可以了，而设计方面的东西是永远不是那么简单的，永远带有创新和追求，没有最高的境界。

就一个十分常见的问题，如何在数据库中配合好人员、角色、权限、类别、级别、可 *** 作性这几者的关系，如果是没有经验的人直接上手可能会乱来（最早也是这样的）。有经验的人也会设计一段时间，而且随着软件复杂性的增加，其数据库的这几者之间的复杂性就越来越复杂。所以大型软件是非常难的。就一个很简单的例子，在很多的网站中，有上百的栏目信息，而每一个栏目间又保持独立。的位置和的信息都是动态更新的。某些网站的可 *** 作性都以树型结构提供，而树型结构的子树类别和和叶子都是不重复而不错误。而且其层数都是动态的。有些人可以通过前台的判定语句来执行树型结构的生成，但总之，数据库是一门入门容易却达到高手很难的学科,通过不断在失败中吸取经验,才能得到一些书籍上无法学会的东西,那才是真正的高手。也就是说，学技术是很快的，要会将技术运用于实际的业务分析，才可以成为一个自我型的DBA，而不是一个简单的程序员。

差异表达基因的筛选（阀值）以及后面的生物信息分析都可以做的。

差异表达基因筛选步骤：选择GEO数据——下载芯片数据——差异分析（方法有很多：SAM法，R包处理，T-test检验等）——选择想要的阈值（Fold change >4)

GEO数据挖掘或转录组分析 差异表达 基因时，结果中会出现 Log2FC ，p值和 FDR 值，这三个值是生信技能树 生信爆款入门课程 geo数据挖掘差异基因筛选提到的重点。这些个值是什么意思呢？为拓展课堂所学知识，现在对他们做下总结。

差异倍数(fold change)，fold change翻译过来就是倍数变化。limma接受的输入参数就是一个表达矩阵，而且是log后的表达矩阵（以2为底）。

logFC这一列的值，其实就是输入的表达矩阵中case一组的平均表达量减去control一组的平均表达量的值，那么就会有正负之分，代表了case相当于control组来说，该基因是上调还是下调。

假设A基因表达值为1，B表达值为3，那么B的表达就是A的3倍。一般我们都用count、TPM或FPKM来衡量基因表达水平，所以基因表达值肯定是非负数，那么fold change的取值就是(0, +∞)。

为什么我们经常看到差异基因里负数代表下调、正数代表上调？因为我们用了log2 fold change。

当expr(A) < expr(B)时，B对A的fold change就大于1，log2 fold change就大于0（见下图），B相对A就是上调；

当expr(A) > expr(B)时，B对A的fold change就小于1，log2 fold change就小于0。通常为了防止取log2时产生NA，我们会给表达值加1（或者一个极小的数），也就是log2(B+1) - log2(A+1)。

假设A表达为1，B表达为8，C表达为64；直接用差B相对A就上调了7，C就相对B上调了56；用log2 fold change，B相对A就上调了3，C相对B也只上调了3 通过测序观察我们发现，不同基因在细胞里的表达差异非常巨大，所以直接用差显然不合适，用log2 fold change更能表示相对的变化趋势。

log2FC中的FC即 fold change，表示两样品（组）间表达量的比值，对其取以2为底的对数之后即为log2FC。一般默认取log2FC绝对值大于1为差异基因的筛选标准；

据多数文献报道 有取1得 ， 1/2/15 也都有。这个没有规定，你想多少都可以，也要结合自己的数据，如果取15你找不到差异基因就不找了把数据扔了吗。

可以，这个标准由自己定，在神经系统方面，微小的变化都会产生效应。另外自己注意看看芯片数据是不是有批次效应，如果不去除批次效应，计算差异gene可能存在问题。另外， 甲基化信号值的差异分析也许不应该是看logFC ,也要注意哦。

值是在统计学的范畴假设检验首先必须要有假设，我们假设A和B的表达没有差异（H0，零假设），然后基于此假设，通过t test（以RT-PCR为例）算出我们观测到的A和B出现的概率，就得到了P-value，如果P-value<005，那么说明小概率事件出现了，我们应该拒绝零假设，即A和B的表达不一样，即有显著差异。

logFC 就是倍数变化取对数（也有说不是对数就是倍数的，但大多数人都按对数来的），-logPval 就是 p 值取对数然后加负号。因为 p 值一般都很小，所以一般取对数做图。然后又因为一般 p < 1 所以取对数都是负值，我们为了作图方便所以加个负号。举例，p = 001 取 -logP 之后变成 2 、p = 0001 变成 3。你看这就很好做图啊。

显著性只能说明我们的数据之间具有统计学上的显著性，要看上调下调必须回去看差异倍数。

即False Discovery Rate错误发现率，是通过对差异显著性p值（p-value）进行校正得到的。由于转录组测序的差异表达分析是对大量的基因表达值进行独立的统计假设检验，会存在假阳性问题，因此在进行差异表达分析过程中，采用了公认的Benjamini-Hochberg校正方法对原有假设检验得到的显著性p值（p-value）进行校正，并最终采用FDR作为差异表达基因筛选的关键指标。一般取FDR<001或者005作为默认标准。

这两个指标的选取一般是按照经验值去筛选的，并非完全不可以调整。在实验差异基因数目过低或者过高，可以对指标进行微调。

实际上经常看到的差异表达火山图（如下图）里的几条虚线就是这两个指标的体现。

ncbigeo数据库怎么使用CDS(CodingSequence)特征域被认为是DNA生成蛋白质的翻译指令,利用CDS特征域构建外显子-内含子数据库(Exon-IntronDatabase,EID)是研究内含子起源、进化和功能的重要手段

以上就是关于我想学习数据库,该怎么办(数据库自学)全部的内容，包括:我想学习数据库,该怎么办(数据库自学)、如何对GEO数据库中已有的数据进行分析、数据挖掘中的LogFC,p值和FDR值是什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！