组学应用
本板块关注从数据到生物学发现：如何从原始测序数据中提取基因表达、调控、进化等生物学信号。如果关注的是从变异到临床决策，见临床应用。
这一部分承接前面的基础与方法层，将其重新放回具体组学分析任务中：RNA-seq、单细胞、表观组、群体遗传学、长读长、空间组学、蛋白质组学、多组学整合、系统发育与机器学习。这里不是再讲一遍算法，而是把索引、比对、组装、概率模型、数据格式与参考资源重新放回真实任务边界中。
起点
工作流与案例
以 NGS、RNA-seq 和 metagenomics 为主线，把算法重新放回真实分析流程。
进入子主题 RNA-seq
转录组
聚焦 RNA-seq 中的定量、isoform 归属与 pseudo-alignment。
进入子主题 single-cell
单细胞组学
围绕 scRNA-seq 的建库、UMI、聚类、伪时间与细胞类型注释。
进入子主题 regulation
表观基因组学
理解 ChIP-seq、ATAC-seq 与 DNA 甲基化如何刻画调控层。
进入子主题 population scale
群体遗传学
从 HWE、LD 到 GWAS 和群体结构，理解群体尺度的变异解释。
进入子主题 long reads
长读长测序
围绕 PacBio、Nanopore、SV 与长读长组装建立现代测序视角。
进入子主题 spatial
空间转录组
把表达矩阵重新放回组织切片与空间坐标中，理解邻域与组织结构。
进入子主题 proteomics
蛋白质组学
从肽段质谱峰到数据库搜索、FDR 和蛋白定量，理解蛋白层分析主线。
进入子主题 integration
多组学整合
把 RNA、表观组、蛋白和单细胞多模态数据放到同一个整合视角中理解。
进入子主题 evolution
系统发育与进化
理解序列差异如何映射成距离、树和进化关系。
进入子主题 ML / foundation models
机器学习与基础模型
从序列深度学习到生物语言模型，理解新一代表示学习方法。
进入子主题