Shengxin New Technology Support

由于該項(xiàng)研究資料和學(xué)習(xí)平臺(tái)較少，信息技術(shù)不公開(kāi)，培訓(xùn)學(xué)習(xí)迫在眉睫，特此誠(chéng)摯邀請(qǐng)您參加“深度學(xué)習(xí)基因組學(xué)+機(jī)器學(xué)習(xí)單細(xì)胞分析+及單細(xì)胞空間轉(zhuǎn)錄組+機(jī)器學(xué)習(xí) 蛋白質(zhì)組學(xué)+機(jī)器學(xué)習(xí)微生物組學(xué)+機(jī)器學(xué)習(xí)代謝組學(xué)專題線上培訓(xùn) ”

一、培訓(xùn)學(xué)習(xí)目標(biāo)

本課程（機(jī)器學(xué)習(xí)單細(xì)胞分析）讓初學(xué)多組學(xué)聯(lián)合機(jī)器學(xué)習(xí)體系課程的學(xué)員們快速掌握多組學(xué)以及機(jī)器學(xué)習(xí)基礎(chǔ)理論和在單細(xì)胞數(shù)據(jù)分析中的簡(jiǎn)單應(yīng)用。適用于前期無(wú)編程基礎(chǔ)，對(duì)機(jī)器學(xué)習(xí)，包括深度學(xué)習(xí)和單細(xì)胞數(shù)據(jù)分析感興趣的學(xué)員。同時(shí)在幫助學(xué)員提升與掌握多組學(xué)聯(lián)合分析以及深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。課程通過(guò)基礎(chǔ)入門(mén) +進(jìn)階實(shí)例演練的講授思路，從初學(xué)及應(yīng)用研究角度出發(fā)，帶大家實(shí)戰(zhàn)演練機(jī)器學(xué)習(xí)在單細(xì)胞多組學(xué)整合分析中的數(shù)據(jù)處理、預(yù)測(cè)模型以及生物學(xué)意義闡述等，助力大家掌握多種機(jī)器學(xué)習(xí)算法模型的構(gòu)建以及在單細(xì)胞多組學(xué)聯(lián)合分析在具體科學(xué)研究中的實(shí)際應(yīng)用，并介紹當(dāng)下深度學(xué)習(xí)算法高維組學(xué)數(shù)據(jù)處理，生物網(wǎng)絡(luò)挖掘的前沿方法，有助于研究創(chuàng)新機(jī)器學(xué)習(xí)算法解決生物學(xué)及臨床疾病問(wèn)題與需求。

能夠快速運(yùn)用到自己的科研項(xiàng)目和課題上，助力學(xué)員發(fā)表 Nature、 Science、 Cell等正刊及子刊！ （在生信分析的新技術(shù)加持下，用更少的經(jīng)費(fèi)，發(fā)更高質(zhì)量的文章）

二、課程內(nèi)容

具體課程內(nèi)容都可滑動(dòng)查看

課程一、深度學(xué)習(xí)在基因組學(xué)應(yīng)用專題

第一天

理論部分

深度學(xué)習(xí)算法介紹

1.有監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

展開(kāi)全文

1.1全連接深度神經(jīng)網(wǎng)絡(luò) DNN在基因組學(xué)中的應(yīng)用舉例

1.2卷積神經(jīng)網(wǎng)絡(luò) CNN在基因組學(xué)中的應(yīng)用舉例

1.3循環(huán)神經(jīng)網(wǎng)絡(luò) RNN在基因組學(xué)中的應(yīng)用舉例

1.4圖卷積神經(jīng)網(wǎng)絡(luò) GCN在基因組學(xué)中的應(yīng)用舉例

2.無(wú)監(jiān)督的神經(jīng)網(wǎng)絡(luò)算法

2.1自動(dòng)編碼器 AE在基因組學(xué)中的應(yīng)用舉例

2.2生成對(duì)抗網(wǎng)絡(luò) GAN在基因組學(xué)中的應(yīng)用舉例

實(shí)操內(nèi)容

1.Linux操作系統(tǒng)

1.1常用的 Linux命令

1.2 Vim編輯器

1.3基因組數(shù)據(jù)文件管理 , 修改文件權(quán)限

1.4查看探索基因組區(qū)域

2.Python語(yǔ)言基礎(chǔ)

2.1.Python包安裝和環(huán)境搭建

2.2.常見(jiàn)的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型

第二天

理論部分

基因組學(xué)基礎(chǔ)

實(shí)操內(nèi)容

基因組常用深度學(xué)習(xí)框架

第三天

理論部分

卷積神經(jīng)網(wǎng)絡(luò) CNN在基因調(diào)控預(yù)測(cè)中的應(yīng)用

實(shí)操內(nèi)容

第四天

理論部分

實(shí)操內(nèi)容

第五天

理論部分

實(shí)操內(nèi)容

第六天

理論部分

深度學(xué)習(xí)在預(yù)測(cè)藥物反應(yīng)機(jī)制上的應(yīng)用

實(shí)操內(nèi)容

案例圖片：

課程二、機(jī)器學(xué)習(xí)單細(xì)胞分析應(yīng)用專題

第一天

理論部分

1.單細(xì)胞測(cè)序原理

2.單細(xì)胞測(cè)序基礎(chǔ)

3.單細(xì)胞測(cè)序方法及數(shù)據(jù)

4.單細(xì)胞數(shù)據(jù)分析流程

實(shí)操內(nèi)容

1.R語(yǔ)言基礎(chǔ)

2.R（ 4.1.3）和 Rstudio的安裝

3.R包安裝和環(huán)境搭建

4.數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型

5.R語(yǔ)言基本函數(shù)

6.數(shù)據(jù)下載

7.數(shù)據(jù)讀入與輸出

第二天

理論部分

1.機(jī)器學(xué)習(xí)概述

2.線性模型

3.決策樹(shù)

4.支持向量機(jī)

5.集成學(xué)習(xí)

6.模型選擇與性能優(yōu)化

實(shí)操內(nèi)容

1.決策樹(shù)算法實(shí)現(xiàn)

2.隨機(jī)森林算法實(shí)現(xiàn)

3.支持向量機(jī) (SVM)算法實(shí)現(xiàn)

4.樸素貝葉斯算法實(shí)現(xiàn)

5.Xgboost算法實(shí)現(xiàn)

6.主成分分析 PCA算法實(shí)現(xiàn)

7.聚類算法實(shí)現(xiàn)

8.DBSCAN算法實(shí)現(xiàn)

9.層次聚類算法實(shí)現(xiàn)

第三天

理論部分

1.多組學(xué)基礎(chǔ)

2.常用生物組學(xué)實(shí)驗(yàn)與分析方法

3.常用組學(xué)數(shù)據(jù)庫(kù)介紹

4.批量處理組學(xué)數(shù)據(jù)

5.生物功能分析

6.基于轉(zhuǎn)錄組學(xué)的差異基因篩選，疾病預(yù)測(cè)

7.基于差異基因聯(lián)合多組學(xué)分析疾病發(fā)生機(jī)制

8.組學(xué)數(shù)據(jù)可視化

實(shí)操內(nèi)容

1.Linux操作系統(tǒng)

2.Linux操作系統(tǒng)的安裝與設(shè)置

3.網(wǎng)絡(luò)配置與服務(wù)進(jìn)程管理

4.Linux的遠(yuǎn)程登錄管理

5.常用的 Linux命令

6.在 Linux下獲取基因數(shù)據(jù)

7.利用 Linux 探索基因組區(qū)域

8.Shell 與 Vim編輯器

9.基因組文件下載與上傳

10.Linux權(quán)限管理

11.文件的身份

12.修改文件的所有者和所屬組

13.修改文件權(quán)限

第四天

理論部分

1.單細(xì)胞分析中的常見(jiàn)機(jī)器學(xué)習(xí)方法

2.降維聚類的機(jī)器學(xué)習(xí)算法

3.分群注釋的機(jī)器學(xué)習(xí)算法

4.單細(xì)胞分析中常見(jiàn)的深度學(xué)習(xí)方法

5.降維聚類的深度學(xué)習(xí)算法

6.分群注釋的深度學(xué)習(xí)算法

實(shí)操內(nèi)容

1.Python語(yǔ)言基礎(chǔ)

2.python安裝與開(kāi)發(fā)環(huán)境的搭建

3.基本數(shù)據(jù)類型組合數(shù)據(jù)類型

4.分析環(huán)境搭建

5.Jupyter notebook的使用

6.函數(shù)、列表、元組、字典、集合

7.控制結(jié)構(gòu)、循環(huán)結(jié)構(gòu)

8.Numpy模塊 ——矩陣的科學(xué)計(jì)算

9.Matplotlib模塊 ——數(shù)據(jù)處理與繪圖

10.Pandas模塊 ——csv數(shù)據(jù)處理與分析

11.Sklearn模塊 ——機(jī)器學(xué)習(xí)模型基礎(chǔ)軟件包調(diào)用

第五天

理論部分

1.機(jī)器學(xué)習(xí)在單細(xì)胞分析中的應(yīng)用

2.收集數(shù)據(jù)

3.數(shù)據(jù)準(zhǔn)備

4.選擇一個(gè)模型

5.模型訓(xùn)練

6.模型評(píng)估

7.參數(shù)調(diào)整

8.模型預(yù)測(cè)

實(shí)操內(nèi)容

1.創(chuàng)建 Seurat對(duì)象

2.數(shù)據(jù)質(zhì)控

3.測(cè)序深度差異及標(biāo)準(zhǔn)化

4.單細(xì)胞數(shù)據(jù)降維

5.批次效應(yīng)去除

6.數(shù)據(jù)整合

7.亞群注釋

8.GSVA通路活性分析

9.單細(xì)胞富集分析

第六天

理論部分

1.深度學(xué)習(xí)在單細(xì)胞分析中的應(yīng)用

2卷積神經(jīng)網(wǎng)絡(luò)基本構(gòu)成

3.卷積核

4.循環(huán)神經(jīng)網(wǎng)絡(luò)基本構(gòu)成

5.循環(huán)核

6.圖神經(jīng)網(wǎng)絡(luò)基本構(gòu)成

實(shí)操內(nèi)容

1.卷積神經(jīng)網(wǎng)絡(luò)在單細(xì)胞分析的算法實(shí)現(xiàn)

2.循環(huán)神經(jīng)網(wǎng)絡(luò)在單細(xì)胞分析的算法實(shí)現(xiàn)

3.圖神經(jīng)網(wǎng)絡(luò)在單細(xì)胞中分析的算法實(shí)現(xiàn)

4.單細(xì)胞數(shù)據(jù)的自動(dòng)注釋

5.單細(xì)胞數(shù)據(jù)分析聚類與批量效應(yīng)

6.單細(xì)胞測(cè)序數(shù)據(jù)進(jìn)行聚類

7.加權(quán)圖神經(jīng)網(wǎng)絡(luò)的細(xì)胞類型注釋方法

8.單細(xì)胞表達(dá)數(shù)據(jù)中深度學(xué)習(xí)基因關(guān)系

案例圖片：

課程三、單細(xì)胞空間轉(zhuǎn)錄組分析專題

第一天

單細(xì)胞測(cè)序技術(shù)與應(yīng)用

理論內(nèi)容：

1.單細(xì)胞組學(xué)研究簡(jiǎn)介

2.單細(xì)胞轉(zhuǎn)錄組測(cè)序技術(shù)進(jìn)展及其原理：1992\2009-至今

3.單細(xì)胞多組學(xué)和空間轉(zhuǎn)錄組技術(shù)；

4.單細(xì)胞轉(zhuǎn)錄組測(cè)序技術(shù)的常見(jiàn)應(yīng)用和重要生物學(xué)發(fā)現(xiàn)；

5.單細(xì)胞重大項(xiàng)目及數(shù)據(jù)庫(kù)介紹。

實(shí)操內(nèi)容：

1. Linux 命令入門(mén)講解及實(shí)操訓(xùn)練。

2. R 語(yǔ)言簡(jiǎn)介及安裝。

3. R 語(yǔ)言簡(jiǎn)單語(yǔ)法及常見(jiàn)命令。

4. 數(shù)據(jù)挖掘及其統(tǒng)計(jì)應(yīng)用。

5. R 語(yǔ)言實(shí)操畫(huà)圖 ggplot2 為主。

第二天

單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)分析思路及 流程以及數(shù)據(jù)分析實(shí)操

理論內(nèi)容：

1. 單細(xì)胞實(shí)驗(yàn)介紹，常見(jiàn)建庫(kù)結(jié)構(gòu)。

2. 單細(xì)胞轉(zhuǎn)錄組 Pipeline 軟件和代碼介紹。

3. 單細(xì)胞轉(zhuǎn)錄組轉(zhuǎn)錄因子及其細(xì)胞通訊介紹。

4. 單細(xì)胞組學(xué)在腫瘤、發(fā)育、免疫及其它等領(lǐng)域的研究思路。

實(shí)操內(nèi)容：

1. 10X 官方單細(xì)胞軟件 Cellranger 講解及實(shí)操。

2.質(zhì)控基因和細(xì)胞。

3.選取高可變基因。

4.降維與分群。

5.Biomarker 定義細(xì)胞類型。

6.尋找差異基因

7. 通過(guò) Seurat 合并多樣本及消除樣本異質(zhì)性。

第三天

單細(xì)胞轉(zhuǎn)錄組軌跡、通路、轉(zhuǎn) 錄因子等分析及繪圖實(shí)操

實(shí)操內(nèi)容；

1. 通過(guò) Monocle 軟件對(duì)單細(xì)胞轉(zhuǎn)錄組進(jìn)行擬時(shí)序的分析。

2. 對(duì)單細(xì)胞各個(gè)簇進(jìn)行通路的功能富集分析。

3. 通過(guò) GSVA 給細(xì)胞通路打分等。

4. 利用 cellphonedb 軟件對(duì)細(xì)胞互作進(jìn)行分析。

5. 通過(guò)典型的生信軟件 infercnv 對(duì)染色體拷貝數(shù)變異進(jìn)行推斷。

6. 全面解析 SCENIC 軟件進(jìn)行轉(zhuǎn)錄因子預(yù)測(cè)分析。

理論內(nèi)容：

1. 空間轉(zhuǎn)錄組技術(shù)的介紹。

2. 空間轉(zhuǎn)錄組技術(shù)的應(yīng)用。

3. 空間轉(zhuǎn)錄組文章圖表的解讀。

4. 空間轉(zhuǎn)錄組技術(shù)在癌癥、發(fā)育、神經(jīng)科學(xué)等領(lǐng)域的研究思路。

第四天

空間轉(zhuǎn)錄組數(shù)據(jù)比對(duì)、降維以 及聚類等分析 空間轉(zhuǎn)錄組多樣本及與但單細(xì) 胞數(shù)據(jù)關(guān)聯(lián)分析

實(shí)操內(nèi)容：

1. 10x Visium 組織優(yōu)化及文庫(kù)制備。

2. 10x Visium 官方分析軟件 Space Ranger 講解及實(shí)操。

3. Space Ranger 輸出結(jié)果解讀。

4. Loupe Browser 軟件安裝及使用。

5. 通過(guò) Seurat 軟件進(jìn)行降維、聚類和可視化。

6. 通過(guò) Seurat 進(jìn)行基因表達(dá)可視化。

理論+實(shí)操內(nèi)容

2. 與單細(xì)胞數(shù)據(jù)關(guān)聯(lián)分析（空間細(xì)胞類型定義）

3. 通過(guò) Seurat 處理多個(gè)切片。

4. 單細(xì)胞及空間轉(zhuǎn)錄組數(shù)據(jù)分析總結(jié)。

案例圖片：

課程四、 機(jī)器學(xué)習(xí)蛋白組學(xué)

第一天

機(jī)器學(xué)習(xí)及蛋白組學(xué)簡(jiǎn)介

1.機(jī)器學(xué)習(xí)基本概念介紹

2.常用機(jī)器學(xué)習(xí)模型介紹

3.混淆矩陣

4.ROC曲線

5.主成分分析（PCA）

6.蛋白組學(xué)基本概念

R語(yǔ)言簡(jiǎn)介及實(shí)操

1．R語(yǔ)言概述

2．R軟件及R包安裝

3．R語(yǔ)言語(yǔ)法及數(shù)據(jù)類型

4．條件語(yǔ)句

5．循環(huán)

6．函數(shù)

7．常用的機(jī)器學(xué)習(xí)相關(guān)R包介紹

第二天

機(jī)器學(xué)習(xí)在蛋白組學(xué)數(shù)據(jù)分析中的應(yīng)用案例分享

1.利用機(jī)器學(xué)習(xí)鑒定疾病相關(guān)蛋白標(biāo)志物

2.利用機(jī)器學(xué)習(xí)基于蛋白組學(xué)數(shù)據(jù)預(yù)測(cè)表型

3.利用機(jī)器學(xué)習(xí)基于蛋白組學(xué)數(shù)據(jù)進(jìn)行分類

4.利用機(jī)器學(xué)習(xí)基于蛋白組學(xué)數(shù)據(jù)構(gòu)建預(yù)后模型

蛋白組學(xué)相關(guān)數(shù)據(jù)庫(kù)介紹

1.Uniport

2.HPA

3.TCPA

4.CPTAC

第三天：零代碼工具利用機(jī)器學(xué)習(xí)分析蛋白組學(xué)數(shù)據(jù)

利用PLOS Computational Biology（IF:5分）發(fā)表零代碼工具，輕松完成差異表達(dá)分析，常見(jiàn)統(tǒng)計(jì)分析，常見(jiàn)可視化，內(nèi)置7種機(jī)器學(xué)習(xí)方法，輕松調(diào)用。

1.數(shù)據(jù)導(dǎo)入（兩套數(shù)據(jù)，二分類，多分類）

2.數(shù)據(jù)可視化（散點(diǎn)圖，熱圖，柱形圖，相關(guān)性熱圖，火山圖，層次聚類圖）

3.缺失值填充

4.數(shù)據(jù)歸一化

5.離群值檢測(cè)/清理

6.常見(jiàn)統(tǒng)計(jì)方法應(yīng)用（t-test, limma, Kruskal-Wallis ,ANOVA, PCA, k-means, 相關(guān)性分析）

7.機(jī)器學(xué)習(xí)方法應(yīng)用（RF, lasso, SVM等）

第四天

利用機(jī)器學(xué)習(xí)基于蛋白組學(xué)數(shù)據(jù)預(yù)測(cè)表型，基于蛋白組學(xué)數(shù)據(jù)復(fù)現(xiàn)cell中機(jī)器學(xué)習(xí)分析結(jié)果

實(shí)操內(nèi)容

1.蛋白組學(xué)數(shù)據(jù)處理，差異表達(dá)分析

2.火山圖，多分組熱圖，多組箱型圖展示差異表達(dá)分析結(jié)果

3.構(gòu)建Random Forest模型

4.重要蛋白篩選

5.繪制ROC曲線

6.獨(dú)立測(cè)試集檢測(cè)模型表現(xiàn)

利用機(jī)器學(xué)習(xí)鑒定疾病相關(guān)蛋白標(biāo)志物，基于Olink數(shù)據(jù)，復(fù)現(xiàn)影響因子17分文章中，蛋白數(shù)據(jù)常規(guī)分析+時(shí)序蛋白聚類分析+機(jī)器學(xué)習(xí)分析結(jié)果

實(shí)操內(nèi)容

1.讀取蛋白表達(dá)數(shù)據(jù)

2.差異蛋白挑選，火山圖繪制，箱型圖繪制

3.時(shí)序蛋白表達(dá)數(shù)據(jù)聚類分析

4.構(gòu)建隨機(jī)森林模型

5.挑選重要特征

6.獨(dú)立測(cè)試集進(jìn)行驗(yàn)證

第五天

利用機(jī)器學(xué)習(xí)基于質(zhì)譜的蛋白質(zhì)組學(xué)數(shù)據(jù)，構(gòu)建肝病相關(guān)分類和預(yù)后模型，復(fù)現(xiàn)Nature Medicine文章中的機(jī)器學(xué)習(xí)，生存分析，預(yù)后模型相關(guān)的結(jié)果。

實(shí)操內(nèi)容

1.鑒定與不同肝病顯著相關(guān)的蛋白

2.比較22種不同的機(jī)器學(xué)習(xí)分類器，挑選最優(yōu)算法構(gòu)建不同肝病的分類模型

3.獨(dú)立隊(duì)列驗(yàn)證模型準(zhǔn)確性

4.構(gòu)建預(yù)后模型

5.繪制生存曲線和時(shí)間依賴的ROC曲線

案例圖片：

課程五、機(jī)器學(xué)習(xí)微生物組學(xué)

第一天

機(jī)器學(xué)習(xí)及微生物學(xué)簡(jiǎn)介

1.機(jī)器學(xué)習(xí)基本概念介紹

2. 常用機(jī)器學(xué)習(xí)模型介紹（GLM,BF,SVM,lasso,KNN等等）

3. 混淆矩陣

4. ROC曲線

5. 主成分分析（PCA）

6. 微生物學(xué)基本概念

7. 微生物學(xué)常用分析介紹

R語(yǔ)言簡(jiǎn)介及實(shí)操

1.R語(yǔ)言概述

2.R軟件及R包安裝

3.R語(yǔ)言語(yǔ)法及數(shù)據(jù)類型

4.條件語(yǔ)句

5.循環(huán)

第二天

機(jī)器學(xué)習(xí)在微生物學(xué)中的應(yīng)用案例分享

1.利用機(jī)器學(xué)習(xí)基于微生物組學(xué)數(shù)據(jù)預(yù)測(cè)宿主表

2.利用機(jī)器學(xué)習(xí)基于微生物組學(xué)數(shù)據(jù)預(yù)測(cè)疾病狀態(tài)

3.利用機(jī)器學(xué)習(xí)預(yù)測(cè)微生物風(fēng)險(xiǎn)

4.機(jī)器學(xué)習(xí)研究飲食對(duì)腸道微生物的影響

微生物學(xué)常用分析（實(shí)操）

1. 微生物豐度分析

2. α-diversity，β-diversity分析

3. 進(jìn)化樹(shù)構(gòu)建

4. 降維分析

5. 基于OTU的差異表達(dá)分析，熱圖，箱型圖繪制微生物biomarker鑒定

第三天：（實(shí)操）

零代碼工具利用機(jī)器學(xué)習(xí)分析微生物組學(xué)數(shù)據(jù)

1. 加載數(shù)據(jù)及數(shù)據(jù)歸一化

2. 構(gòu)建訓(xùn)練模型（GLM, RF, SVM）

3. 模型參數(shù)優(yōu)化

4. 模型錯(cuò)誤率曲線繪制

5. 混淆矩陣計(jì)算

6. 重要特征篩選

7. 模型驗(yàn)證，ROC曲線繪制利用模型進(jìn)行預(yù)測(cè)

第四天（實(shí)操）

利用機(jī)器學(xué)習(xí)基于微生物組學(xué)數(shù)據(jù)預(yù)測(cè)宿主表型(二分類變量以及連續(xù)變量)

1. 加載數(shù)據(jù)（三套數(shù)據(jù)）

2. 數(shù)據(jù)歸一化

3. OUT特征處理

4. 機(jī)器學(xué)習(xí)模型構(gòu)建（RF, KNN, SVM, Lasso等9種機(jī)器學(xué)習(xí)方法）

5. 5倍交叉驗(yàn)證

6. 繪制ROC 曲線，比較不同機(jī)器學(xué)習(xí)模型模型性能評(píng)估

第五天（實(shí)操）

利用機(jī)器學(xué)習(xí)預(yù)測(cè)微生物風(fēng)險(xiǎn)（多分類）

1. 加載數(shù)據(jù)

2. 機(jī)器學(xué)習(xí)模型構(gòu)建（RF, gbm, SVM, LogitBoost等等）

3. 10倍交叉驗(yàn)證

4. 模型性能評(píng)估

利用機(jī)器學(xué)習(xí)預(yù)測(cè)刺激前后腸道菌群變化

1. 數(shù)據(jù)加載及預(yù)處理

2. α-diversity，β-diversity分析

3. RF模型構(gòu)建（比較分別基于OUT，KO，phylum的模型效果）

4. 10倍交叉驗(yàn)證, 留一法驗(yàn)證

5. 特征篩選及重要特征可視化外部數(shù)據(jù)測(cè)試模型

案例圖片：

課程六、機(jī)器學(xué)習(xí)與代謝組學(xué)

第一天

A1 代謝物及代謝組學(xué)的發(fā)展與應(yīng)用

（1） 代謝生理功能；

（2） 代謝疾??；

（3） 非靶向與靶向代謝組學(xué)；

（4） 空間代謝組學(xué)與質(zhì)譜成像（MSI）；

（5） 代謝流與機(jī)制研究；

（6） 代謝組學(xué)與藥物和生物標(biāo)志物。

A2 代謝組學(xué)實(shí)驗(yàn)流程簡(jiǎn)介

A3 色譜、質(zhì)譜硬件原理

（1） 色譜分析原理；

（2） 色譜的氣相、液相和固相；

（3） 色譜儀和色譜柱的選擇；

（4） 質(zhì)譜分析原理及動(dòng)畫(huà)演示；

（5） 正、負(fù)離子電離模式；

（6） 色譜質(zhì)譜聯(lián)用技術(shù)；

（7） LC-MS 的液相系統(tǒng)

A4 代謝通路及代謝數(shù)據(jù)庫(kù)

（1） 幾種經(jīng)典代謝通路簡(jiǎn)介；

（2） 能量代謝通路；

（3） 三大常見(jiàn)代謝物庫(kù)：HMDB、METLIN 和 KEGG;

（4） 代謝組學(xué)原始數(shù)據(jù)庫(kù)：Metabolomics Workbench 和Metabolights.

第二天

B1 代謝物樣本處理與抽提

（1）組織、血液和體液樣本的提取流程與注意事項(xiàng)；

（2）用ACN 抽提代謝物的流程與注意事項(xiàng)；

（3）樣本及代謝物的運(yùn)輸與保存問(wèn)題；

B2 LC-MS 數(shù)據(jù)質(zhì)控與搜庫(kù)

（1）LC-MS 實(shí)驗(yàn)過(guò)程中QC 樣本的設(shè)置方法；

（2）LC-MS 上機(jī)過(guò)程的數(shù)據(jù)質(zhì)控監(jiān)測(cè)和分析；

（3）XCMS 軟件數(shù)據(jù)轉(zhuǎn)換與提峰；

B3 R 軟件基礎(chǔ)

（1）R 和Rstudio 的安裝；

（2）Rstudio 的界面配置；

（3）R 的基本數(shù)據(jù)結(jié)構(gòu)和語(yǔ)法；

（4）下載與加載包；

（5）函數(shù)調(diào)用和debug；

B4 ggplot2

（1）安裝并使用ggplot2

（2）ggplot2 的畫(huà)圖哲學(xué)；

（3）ggplot2 的配色系統(tǒng)；

（4）ggplot2 畫(huà)組合圖和火山圖；

第三天

機(jī)器學(xué)習(xí)

C1 無(wú)監(jiān)督式機(jī)器學(xué)習(xí)在代謝組學(xué)數(shù)據(jù)處理中的應(yīng)用

（1） 大數(shù)據(jù)處理中的降維；

（2） PCA 分析作圖；

（3） 三種常見(jiàn)的聚類分析：K-means、層次分析與 SOM

（4） 熱圖和 hcluster 圖的 R 語(yǔ)言實(shí)現(xiàn)；

C2 一組代謝組學(xué)數(shù)據(jù)的降維與聚類分析的 R 演練

(1) 數(shù)據(jù)解析；

(2) 演練與操作；

C3 有監(jiān)督式機(jī)器學(xué)習(xí)在代謝組學(xué)數(shù)據(jù)處理中的應(yīng)用

（1） 數(shù)據(jù)用 PCA 降維處理后仍然無(wú)法找到差異怎么辦？

（2） PLS-DA 找出最可能影響差異的代謝物；

（3） VIP score 和 coef 的意義及選擇；

（4） 分類算法：支持向量機(jī)，隨機(jī)森林

C4 一組代謝組學(xué)數(shù)據(jù)的分類算法實(shí)現(xiàn)的 R 演練

(1) 數(shù)據(jù)解讀；

(2) 演練與操作；

第四天

D1 代謝組學(xué)數(shù)據(jù)清洗與 R 語(yǔ)言進(jìn)階

（1） 代謝組學(xué)中的 t、fold-change 和響應(yīng)值；

（2） 數(shù)據(jù)清洗流程；

（3） R 語(yǔ)言 tidyverse

（4） R 語(yǔ)言正則表達(dá)式；

（5） 代謝組學(xué)數(shù)據(jù)過(guò)濾；

（6） 代謝組學(xué)數(shù)據(jù) Scaling 原理與 R 實(shí)現(xiàn)；

（7） 代謝組學(xué)數(shù)據(jù)的 Normalization；

（8） 代謝組學(xué)數(shù)據(jù)清洗演練；

D2 在線代謝組分析網(wǎng)頁(yè) Metaboanalyst 操作

（1） 用 R 將數(shù)據(jù)清洗成網(wǎng)頁(yè)需要的格式；

（2） 獨(dú)立組、配對(duì)組和多組的數(shù)據(jù)格式問(wèn)題；

（3） Metaboanalyst 的 pipeline 和注意事項(xiàng)；

（4） Metaboanalyst 的結(jié)果查看和導(dǎo)出；

（5） Metaboanalyst 的數(shù)據(jù)編輯；

（6） 全流程演練與操作

第五天

E1 機(jī)器學(xué)習(xí)與代謝組學(xué)頂刊解讀（2-3 篇）

（1） Nature Communication 一篇代謝組學(xué)小鼠腦組織樣本 database 類型的文獻(xiàn)；

（2） Cell 一篇代謝組學(xué)患者血液樣本的機(jī)器學(xué)習(xí)與疾病判斷的文獻(xiàn)；

（3） 1-2 篇代謝組學(xué)與轉(zhuǎn)錄組學(xué)和蛋白組學(xué)結(jié)合的文獻(xiàn)。

E2 文獻(xiàn)數(shù)據(jù)分析部分復(fù)現(xiàn)（1 篇）

（1） 文獻(xiàn)深度解讀；

（2）實(shí)操：從原始數(shù)據(jù)下載到圖片復(fù)現(xiàn)；

（3） 學(xué)員實(shí)操。

案例圖片：

三、主講老師

主講老師劉老師，生物信息學(xué)博士，有十余年的測(cè)序數(shù)據(jù)分析經(jīng)驗(yàn)。研究領(lǐng)域涉及人工智能、自然語(yǔ)言處理、功能基因組學(xué)、轉(zhuǎn)錄組學(xué)、miRNA及靶基因網(wǎng)絡(luò)分析，單細(xì)胞測(cè)序數(shù)據(jù)分析，基因調(diào)控網(wǎng)絡(luò)時(shí)序分析，蛋白質(zhì)互作網(wǎng)絡(luò)分析，多組學(xué)聯(lián)合分析等。主持省自然科學(xué)基金等項(xiàng)目4項(xiàng)，出版醫(yī)學(xué)實(shí)用教材《Python醫(yī)學(xué)實(shí)戰(zhàn)分析》，發(fā)表SCI論文22篇，其中一作及并列一作9篇。

主講老師來(lái)自國(guó)內(nèi)高校陳老師和張老師授課。在國(guó)內(nèi)外學(xué)術(shù)刊物發(fā)表論文數(shù)篇，包括Nature Communication, Cell Regeneration等知名期刊，研究方向?yàn)樯镄畔W(xué)，發(fā)育生物學(xué)和遺傳學(xué)等。利用多組學(xué)數(shù)據(jù)，通過(guò)深度學(xué)習(xí)算法進(jìn)行數(shù)據(jù)分析和挖掘，包括ChIP-seq，ATAC-seq，RNA-seq，CNV等。

機(jī)器學(xué)習(xí)與蛋白組學(xué)實(shí)戰(zhàn)應(yīng)用培訓(xùn)班主講老師來(lái)自國(guó)內(nèi)高校李老師授課，有十余年的微生物組數(shù)據(jù)分析經(jīng)驗(yàn)。研究領(lǐng)域涉及機(jī)器學(xué)習(xí)，芯片數(shù)據(jù)分析，微生物組數(shù)據(jù)分析，DNA，RNA，甲基化測(cè)序數(shù)據(jù)分析，單細(xì)胞測(cè)序數(shù)據(jù)分析，miRNA及靶基因分析等，發(fā)表SCI論文30余篇，其中一作及并列一作15篇。

985高校神經(jīng)科學(xué)博士，主要利用代謝組學(xué)、轉(zhuǎn)錄組學(xué)和分子生物學(xué)等技術(shù)研究神經(jīng)內(nèi)科慢性病的發(fā)病機(jī)制和生物標(biāo)志物。擅長(zhǎng)高效液相色譜 -質(zhì)譜聯(lián)用（ LC-MS）技術(shù)進(jìn)行非靶向和靶向代謝組學(xué)從樣本制備到數(shù)據(jù)分析的全流程研究，以及多組學(xué)大數(shù)據(jù)的生物信息學(xué)整合分析。 5年內(nèi)在 J Clin Invest, EBioMedicine, Cell Death Dis, Cell Death Discov, Nanotoxicology等雜志發(fā)表 SCI論文 10篇。

四、培訓(xùn)對(duì)象

全國(guó)各大高校、企業(yè)、科研院所從事人工智能、生命科學(xué)、代謝工程、有機(jī)合成、天然產(chǎn)物、藥物、生物信息學(xué)、植物學(xué)，動(dòng)物學(xué)、化學(xué)化工，醫(yī)學(xué)、基因組學(xué)、農(nóng)業(yè)科學(xué)、植物學(xué)、動(dòng)物學(xué)，臨床醫(yī)學(xué)、食品科學(xué)與工程、腫瘤免疫與靶向治療、 全基因組泛癌分析、人黏連蛋白折疊基因組機(jī)、病毒檢測(cè)、功能基因組、遺傳圖譜、基因挖掘變異、代謝組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)、生物醫(yī)學(xué)、癌癥、核酸、毒物學(xué)等研究科研人員及愛(ài)好者

五、培訓(xùn)特色及福利

1、課程特色 --全面的課程技術(shù)應(yīng)用、原理流程、實(shí)例聯(lián)系全貫穿

2、學(xué)習(xí)模式 --理論知識(shí)與上機(jī)操作相結(jié)合，讓零基礎(chǔ)學(xué)員快速熟練掌握

3、課程服務(wù)答疑 --主講老師將為您實(shí)際工作中遇到的問(wèn)題提供專業(yè)解答

福利：報(bào)名繳費(fèi)成功贈(zèng)送報(bào)名班型全套預(yù)習(xí)視頻，課后學(xué)習(xí)完畢提供全程錄像視頻回放，針對(duì)與培訓(xùn)課程內(nèi)容進(jìn)行長(zhǎng)期答疑，微信解疑群永不解散，參加本次課程的學(xué)員可免費(fèi)再參加一次本單位后期組織的相同的專題培訓(xùn)班（任意一期都可以）

授課方式：通過(guò)騰訊會(huì)議線上直播，理論 +實(shí)操的授課模式，老師手把手帶著操作， 從零基礎(chǔ)開(kāi)始講解，電子 PPT和教程 開(kāi)課前一周提前發(fā)送給學(xué)員，所有培訓(xùn)使用軟件都會(huì)發(fā)送給學(xué)員，有什么疑問(wèn)采取開(kāi)麥共享屏幕和微信群解疑，學(xué)員和老師交流、學(xué)員與學(xué)員交流，培訓(xùn)完畢后老師長(zhǎng)期解疑，培訓(xùn)群不解散，往期培訓(xùn)學(xué)員對(duì)于培訓(xùn)質(zhì)量和授課方式一致評(píng)價(jià)極高！

騰訊會(huì)議問(wèn)題實(shí)時(shí)解答及學(xué)員反饋

學(xué)員對(duì)培訓(xùn)非常認(rèn)可，我們也保證二次學(xué)習(xí)是免費(fèi)的

六、授課時(shí)間及地點(diǎn)

深度學(xué)習(xí)在基因組學(xué)培訓(xùn)時(shí)間

2023.5.6-----2023.5.7全天授課 (上午 09.00-11.30 下午 13.30-17.00)

2023.5.8 -----2023.5.9 晚上授課 (晚上 19.00-22.00)

2023.5.11—— 2023.5.12晚上授課 (晚上 19.00-22.00)

2023.5.13----2023.5.14 全天授課 (上午 09.00-11.30 下午 13.30-17.00)

機(jī)器學(xué)習(xí)單細(xì)胞培訓(xùn)時(shí)間

2023.4.22 -----2023.4.23 全天授課 (上午 09.00-11.30 下午 13.30-17.00)

2023.5.6-----2023.5.7 全天授課 (上午 09.00-11.30 下午 13.30-17.00)

2023.5.13----2023.5.14 全天授課 (上午 09.00-11.30 下午 13.30-17.00)

單細(xì)胞空間轉(zhuǎn)錄組培訓(xùn)時(shí)間

2023.4.22 -----2023.4.23 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.5.7 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.5.8-----2023.5.9 晚上授課 (晚上19.00-22.00)

機(jī)器學(xué)習(xí)微生物組學(xué)培訓(xùn)班

2023.4.22 ----- 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.4.24 -----4.27晚上授課 (晚上19.00-22.00)

2023.4.29-----2023.4.30 全天授課(上午09.00-11.30 下午13.30-17.00)

機(jī)器學(xué)習(xí)蛋白質(zhì)組學(xué)培訓(xùn)班

2023.5.7全天授課(上午09.00-11.30 下午13.30-17.00)

20235.8 -----2023.5.11晚上授課(晚上19.00-22.00)

2023.5.13----2023.5.14 全天授課(上午 09.00-11.30 下午13.30-17.00)

機(jī)器學(xué)習(xí)代謝組學(xué)培訓(xùn)班

2023.4.22 -----2023.4.23 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.5.6-----2023.5.7全天授課(上午09.00-11.30 下午13.30-17.00)

2023.5.10 -----2023.5.11晚上授課 (晚上19.00-22.00)

七、報(bào)名費(fèi)用

深度學(xué)習(xí)基因組學(xué)；機(jī)器學(xué)習(xí)單細(xì)胞

單細(xì)胞空間轉(zhuǎn)錄組；機(jī)器學(xué)習(xí)蛋白質(zhì)組學(xué)；機(jī)器學(xué)習(xí)微生物組學(xué)；機(jī)器學(xué)習(xí)代謝組學(xué)

優(yōu)惠

優(yōu)惠 1： 兩班同報(bào)：9880元 三班同報(bào)： 13880元 四班同報(bào)： 17880元 五班同報(bào)：20000

優(yōu)惠 2：提前報(bào)名繳費(fèi)學(xué)員 +轉(zhuǎn)發(fā)到朋友圈或者到學(xué)術(shù)交流群可享受每人 300元優(yōu)惠（僅限 15名）

優(yōu)惠 3：同時(shí)報(bào)名兩個(gè)班免費(fèi)贈(zèng)送一個(gè)學(xué)習(xí)名額（贈(zèng)送班任選）

優(yōu)惠 4: 報(bào)名五個(gè)培訓(xùn)班以上，免費(fèi)贈(zèng)送三個(gè)培訓(xùn)名額（贈(zèng)送班任選）

證書(shū)：參加培訓(xùn)并通過(guò)考試的學(xué)員，可以申請(qǐng)獲得工業(yè)和信息化部工業(yè)文化發(fā)展中心頒發(fā)的“工業(yè)強(qiáng)國(guó)建設(shè)素質(zhì)素養(yǎng)提升尚工行動(dòng)”崗位能力適應(yīng)評(píng)測(cè)證書(shū)。該證書(shū)可在中心官網(wǎng)查詢，可作為能力評(píng)價(jià)，考核和任職的重要依據(jù)。評(píng)測(cè)證書(shū)查詢網(wǎng)址： www.miit-icdc.org（自愿申請(qǐng)，須另行繳納考試費(fèi) 500元 /人）

八、報(bào)名咨詢聯(lián)系方式

聯(lián)系人：袁老師

引用本次參會(huì)學(xué)員的一句話：

發(fā)現(xiàn)真的是腳踏實(shí)地的同時(shí) 需要偶爾仰望星空非常感謝各位對(duì)我們培訓(xùn)的認(rèn)可！祝愿各位心想事成！