生理生化考研的编程学习主要涉及以下几个方面：
Python编程
Python是一种简单易学的编程语言，广泛应用于生物信息学和生物统计学领域。
学习Python可以帮助你编写脚本，自动化数据处理和分析任务，处理大规模生物数据集，进行数据可视化和机器学习等。
R编程
R是一种专门用于统计分析和可视化的编程语言，被广泛应用于生物学研究中。
学习R可以帮助你进行生物数据的统计分析、绘图和建模，掌握常用的生物统计学方法和数据可视化技术。
数据处理和分析
学习使用常见的生物数据处理和分析工具，如BLAST、Bowtie、SAMtools等，掌握基本的序列比对、基因表达分析、变异分析等技术，以及相关的算法和统计方法。
数据库和SQL
了解生物数据库的基本结构和常用数据库系统，如NCBI、Ensembl等，学习使用SQL语言进行数据库查询和管理，能够从大规模数据库中获取生物数据。
数据可视化
学习使用各种数据可视化工具和库，如Matplotlib、ggplot2等，掌握绘制统计图表和生物网络图的技巧，使得研究结果更加直观和易于理解。
机器学习和深度学习
了解机器学习和深度学习的基本原理和常用算法，掌握使用Python等编程语言进行模型训练和预测，应用于生物数据的分类、聚类、预测等任务。
建议
选择编程语言：根据个人兴趣和研究方向，选择一种或多种编程语言进行深入学习。Python和R是生物信息学领域最常用的编程语言，建议重点学习。
掌握工具库：熟悉常用的生物信息学工具库，如Biopython、Pandas、NumPy、Matplotlib等，这些库可以大大提高数据处理和可视化的效率。
实践项目：通过参与实际项目，将所学知识应用到实践中，不断巩固和提高编程能力。
持续学习：生物信息学领域发展迅速，新的工具和方法不断涌现，建议定期阅读相关文献和教程，保持持续学习的态度。
希望这些建议能对你的考研复习有所帮助。