課程一：系統(tǒng)學習單細胞多組學、空間轉錄組和機器學習單細胞分析應用線上會議
課程二：系統(tǒng)學習代謝、蛋白、腸道、轉錄組、網(wǎng)藥和人工智能輔助多組學聯(lián)合分析

建群答疑 騰訊會議直播有回放 免費復聽

課程一：單細胞多組學、空間轉錄組和機器學習課程

單細胞多組學課程特色

?

1，本課程設置從零基礎開始一步一步遞進，掌握各種組學（RNA-seq、ChIP-seq、ATAC-seq等）bulk及單細胞分析技能

2，從生信零基礎開始到單細胞基礎和高階課程，最后到空間轉錄組和單細胞機器學習應用逐步提高，

3，系統(tǒng)學學習，一次學到位，

4，連續(xù)一個月緊湊學習，精細化講解 將單細胞內(nèi)容全部學懂、學會、學透徹、學以致用，

5，了解單細胞測序基本概念及原理、測序分析的常用軟件、測序數(shù)據(jù)的下載方法和研究思路、學會用R代碼進行單細胞轉錄組分析并作圖、熟悉CNS雜志單細胞轉錄組文章思路、熟悉零成本的單細胞相關課題設計思路、獲得全套全自動化分析單細胞數(shù)據(jù)的流程腳本

6，空間基礎處理、多樣本聯(lián)合分析、單細胞空間聯(lián)合分析、空間轉錄組通訊分析、軌跡分析、富集分析、高級繪圖、空間轉錄組繪圖、空間轉錄組細胞聚類、細胞共定位、細胞網(wǎng)絡等

7，機器學習單細胞分析應用

8，一次報班不用東拼西湊反復報名各類生信單細胞培訓班。

單細胞多組學講師

?

單細胞生信課程主講老師： 來自中科院，長期從事單細胞多組學方面的項目研究，發(fā)表Nature、Science等雜志七十多篇論文，累計引用上萬次，目前承擔國家科技部、國家自然基金委和重點研發(fā)計劃等多項課題。

單細胞空間和機器學習課程安排

第一節(jié)課單細胞測序技術與應用

1.單細胞組學研究簡介

2.單細胞轉錄組測序技術發(fā)展及其原理

3.單細胞轉錄組樣本處理、建庫及測序

4.單細胞組學在腫瘤、發(fā)育、免疫等科研領域的應用及研究思路

5.單細胞測序常用圖表解讀

第二節(jié)課：R語言入門及圖形繪制

1.R語言簡介及安裝，RStudio的安裝及使用說明

2.多種來源R包的安裝及使用

3.R語言簡單語法及常見命令

4.R語言數(shù)據(jù)處理及統(tǒng)計應用

5.R語言繪圖實操：小提琴圖，箱型圖，火山圖，熱圖，網(wǎng)絡圖，GO、KEGG富集圖

第三節(jié)課：單細胞轉錄組數(shù)據(jù)分析模塊及思路

1.單細胞經(jīng)典文獻串講熟悉單細胞分析內(nèi)容和重點

2.單細胞高分文章分析思路解析（細胞群鑒定、擬時序分析、差異表達、功能富集、轉錄因子、細胞通訊等）

3.單細胞10大分析模塊總結

4.單細胞組學分析常用數(shù)據(jù)庫介紹及使用

5.自測和挖掘單細胞項目思路歸納總結

第四節(jié)課：Linux服務器使用及常規(guī)多組學分析實戰(zhàn)

1.Linux命令入門講解及實操訓練

2.常規(guī)bulk組學分析軟件及流程介紹

3.RNA-seq上游質控、比對及基因表達定量

4.ChIP-seq數(shù)據(jù)分析、peak calling及圖形可視化

5.ATAC-seq數(shù)據(jù)分析及peak calling

第五節(jié)課：單細胞轉錄組數(shù)據(jù)分析實操

1.10X官方單細胞軟件Cellranger講解及實操

2.從基因表達矩陣開始到marker基因篩選全過程講解及實操

3.通過Seurat質控基因和細胞

4.Seurat歸一化處理、PCA降維、聚類、tSNE、UMAP可視化

5.多種方法定義細胞類型

第六節(jié)課：單細胞轉錄組多樣本整合及分析

1.DoubletFinder進行雙細胞去除

2.重要參數(shù)個性化調整講解

3.細胞亞分群分析

4.單細胞組間差異分析

5.通過Seurat 及harmony合并多樣本及消除樣本異質性

第七節(jié)課：多種功能富集及基因集打分方法實操

1.功能富集分析介紹及常用圖形解析

2.通過R包進行GO及KEGG功能富集

3.通過DAVID及metascape等網(wǎng)站進行富集分析

4.GSEA軟件及R包完成GSEA分析

5.通過GSVA，AddModuleScore，AUCell等計算基因集得分

第八節(jié)課：多種擬時序分析方法介紹及實操

1.monocle擬時序分析細胞及基因選擇、降維及細胞排序

2.monocle擬時序各種常用圖形繪制

3.monocle擬時序差異表達基因鑒定及功能富集

4.RNA速率方法介紹及流程講解

5.CytoTRACE進行擬時間分析

第九節(jié)課：細胞通訊及細胞代謝分析介紹及實操

1.Cellphonedb細胞通訊分析和圖形可視化

2.CellChat單和多數(shù)據(jù)集分析

3.CellChat各種圖形可視化

4.NicheNet分析配體對下游基因調控

5.scMetabolism單細胞代謝分析

第十節(jié)課：轉錄調控網(wǎng)絡及拷貝數(shù)變異分析

1.SCENIC轉錄因子分析方法介紹

2.SCENIC共表達網(wǎng)絡推斷和motif分析

3.SCENIC細胞調控網(wǎng)絡活性得分和可視化

4.hdWGCNA單細胞共表達網(wǎng)絡分析

5.inferCNV推斷染色體拷貝數(shù)變異

第十一節(jié)課：單細胞多組學分析思路和方法

1.單細胞各種組學技術介紹

2.單細胞常用聯(lián)合組學解析

3.單細胞多組學整合分析方法

4.轉錄組+蛋白組聯(lián)合分析

5.轉錄組+ATAC聯(lián)合分析

第十二節(jié)課：空間轉錄組理論及分析內(nèi)容

1.空間轉錄組技術發(fā)展歷程和原理介紹

2.空間轉錄組技術在科研領域的應用

3.空間轉錄組CNS文章思路解析及常見圖形解讀

4.空間轉錄組技術在癌癥、發(fā)育及神經(jīng)科學等領域的研究內(nèi)容及思路

5.空間轉錄組學分析模塊及與單細胞數(shù)據(jù)整合分析思路

第十三節(jié)課：空間轉錄組分析及與單細胞聯(lián)合分析實操

1.10x Visium官方分析軟件Space Ranger講解及實操

2.Space Ranger輸出結果解讀

3.通過Seurat軟件進行降維、聚類和可視化

4.通過Seurat進行基因表達可視化，空間變量特征識別

5.與單細胞數(shù)據(jù)關聯(lián)分析（空間細胞類型定義）

第十四節(jié)課：空間轉錄組細胞通訊、軌跡、共定位及共表達分析

1.空間轉錄組細胞通訊分析

2.空間轉錄組打分及可視化

3.空間轉錄組空間軌跡分析

4.空間轉錄組共定位分析

5.空間轉錄組共表達分析

第十五節(jié)課：機器學習基礎理論及單細胞應用介紹

1.機器學習基本概念介紹

2.常用機器學習模型介紹

3.單細胞分析中的常見機器學習方法

4.降維聚類的機器學習算法

5.分群注釋的機器學習算法

第十六節(jié)課：機器學習方法應用及單細胞空間多組學思路總結

1.機器學習方法進行細胞類型注釋

2.機器學習方法Tangram預測空間轉錄組的基因表達

3.機器學習方法cell2location預測空間轉錄組的細胞類型

4.歸納總結零成本單細胞和空間轉錄組數(shù)據(jù)挖掘思路

5.單細胞及空間多組學基金申請思路、準備內(nèi)容及注意事項等

課程二：代謝、蛋白、腸道、多組學聯(lián)合分析課程

代謝蛋白等多組學課程特色

?

1，課程設置一個月時間，全面系統(tǒng)學習多組學及其聯(lián)合分析，多組學的關聯(lián)分析，將系統(tǒng)生物學中基因，蛋白，代謝和腸道菌群多個層面全關聯(lián)和最新機器學習方法、人工只能輔助多組學分析，開啟全多組學時代。

2，課程線上直播，可以回放，建群答疑，學習方式更加靈活！

3，課程科學設置，周六直播，周日上午學員自行練習，下午答疑

4，全部課程資料，包括軟件、腳本、課件、示例數(shù)據(jù)，統(tǒng)統(tǒng)提供！

5，課程基礎進階，零基礎也可以輕松入門！

6，課程提供回放，不用擔心錯過課程，課后也可以反復觀看！

7，一次報班不用東拼西湊反復報名各類生物學培訓班。

多組學課程講師

多組學課程主講老師： 周老師，擅長代謝組學生信分析、網(wǎng)絡藥理學+分子對接、轉錄組學數(shù)據(jù)分析、蛋白組學數(shù)據(jù)分析、腸道菌群課題設計+數(shù)據(jù)分析（基于云平臺）、網(wǎng)絡藥理學聯(lián)合代謝組學分析

多組學聯(lián)合分析課程安排

周六騰訊直播 周日學員練習和群內(nèi)答疑

第一節(jié)（周六9:00-11:30）

代謝組學生信分析

1，代謝組學基本入門知識（研究背景，技術發(fā)展和原理，課題設計、樣品類型、所用的儀器設備、樣品收集要求、寄送注意事項）

2，原始矩陣歸一化處理,

3，Simca-p軟件的使用

4，Pca、oplsda模型的建立、代謝物VIP值的計算

5，置換檢驗

6，差異代謝物的篩選、鑒定

7，HMDB、metaboanalyst數(shù)據(jù)庫的使用，代謝通路富集分析

8，代謝物的pearson相關性分析

第二節(jié)（周六2:00-5:30）

轉錄組學數(shù)據(jù)分析

1，GEO數(shù)據(jù)庫的使用和芯片下載,

2，R語言做差異分子的篩選

3，PPI蛋白互做網(wǎng)絡構建

4，富集分析

5，基因的pearson相關性分析

6.GSEA，GSVA分析

7.免疫浸潤

8.多個芯片合并

第三節(jié)（周六9:00-11:30）

蛋白組學數(shù)據(jù)分析

1，差異蛋白分子的篩選

2，PPI蛋白互做網(wǎng)絡構建

3，富集分析

4，蛋白的pearson相關性分析

第四節(jié)（周六2:00-5:30）

腸道菌群課題設計+數(shù)據(jù)分析

1，課題設計

2，α、β多樣性分析,

3，組間差異物種分析

4，Lefse分析,

5，功能分析

6，關聯(lián)環(huán)境因子

第五節(jié)（周六9:00-11:30）

代謝組學與轉錄組學、蛋白組學聯(lián)合分析

1，KEGG數(shù)據(jù)庫的使用

2，代謝通路、富集分析通路的查詢

3，整合分析

4，Metscape的使用

5，聯(lián)合分析網(wǎng)狀圖的繪制

6，Pearson相關性分析

第六節(jié)（周六2:00-5:30）

腸道微生物組學與代謝組學與轉錄組學、蛋白組學聯(lián)合分析

1，腸道微生物組學與代謝組學聯(lián)合分析

2，腸道微生物組學與蛋白組學聯(lián)合分析

3，腸道微生物組學與轉錄組學聯(lián)合分析

4，多組學聯(lián)合分析網(wǎng)狀圖的繪制

5，微生信查詢通路圖

第七節(jié)（周六9:00-11:30）

網(wǎng)絡藥理學結合代謝組學、實驗驗證及nhanes等多方法發(fā)表sci

1，藥物靶點的查詢，包括復方，單位藥，單體，TCMSP，Dgldb，pharmmapper， Swisstargetprediction數(shù)據(jù)庫的使用

2，疾病靶點的查詢，基于NCBI，genecards，TTD，TCMSP數(shù)據(jù)庫

3，藥物治療疾病潛在靶點的確定，韋恩圖繪制

4，蛋白互作，string數(shù)據(jù)庫和cytoscape數(shù)據(jù)庫的使用

5，富集分析，BP，CC，MF，KEGG

6，分子對接，配體受體相互作用，結合能的計算，結合位點的確定。

7，網(wǎng)絡藥理學和代謝組學的聯(lián)合分析

8，常見疾病的表型檢測內(nèi)容

第八節(jié)（周六2:00-5:30）

網(wǎng)絡藥理學結合代謝組學、實驗驗證及nhanes等多方法發(fā)表sci

9，實驗所需生物樣本類型

10，細胞和動物實驗分組

11，干預措施的確定

12，常見疾病動物模型造模方法

13，Elisa，病理切片，wb，qpcr，免疫組化等實驗設計，注意事項

14，Nhanes與臨床變量簡介，

15，臨床研究分類與設計、nhanes數(shù)據(jù)清洗、

16，交互分析、曲線擬合、分層分析

17，無隨訪的臨床預測模型、C指數(shù)計算，

18，諾莫圖繪制、DCA曲線繪制、

19，ROC曲線和校準曲線的繪制

20，孟德爾隨機化結合網(wǎng)絡藥理學

21，生物信息學結合網(wǎng)絡藥理學，

22，單細胞測序結合網(wǎng)絡藥理學

第九節(jié)（周六9:00-11:30）

機器學習應用于多種組學篩選重要特征

1，缺失值處理

2，隨機森林模型

3，xgboost模型

4，lasso回歸等模型

5，shap值計算

6，擬合曲線的繪制

7，模型評價，ROC曲線的繪制

8，特征變量與shap值相關性計算

9，多種機器學習算法用于各組學篩選重要的特征：代謝物、腸道微生物、mRNA、蛋白質

第十節(jié)（周六9:00-11:30）

人工智能輔助多組學分析

1.deepseek用于代碼修改，課題設計

2.deepseek用于文章潤色，降重

3.多組學文章整體思路/框架的搭建

4.多組學文章圖片組合

5.多組學與濕實驗結合