培訓背景
四大專業課程 助您發頂刊
課程一: 機器學習單細胞分析應用專題線上培訓班
課程二: 單細胞空間轉錄組應用專題線上培訓班
課程三:深度學習基因組學專題線上培訓班
課程四:比較基因組學專題線上培訓班
細胞生物學的相關研究一直受限于數據的完整性和表型的完整性，對應激狀態和穩態下的細胞區別觀察不夠充分。過去五年中，計算機視覺和語音識別領域通過對大量的無標簽數據進行學習、建模應用隨機過程教程及在算法和智能計算中的隨機模型，很好的解決了數據不足的問題。同樣在最近的研究中，機器學習方法使用單細胞數據進行擾動建模也推動了細胞生物領域前進。對于生物學家來講，無論研究基因、轉錄本、修飾、蛋白功能，都要頻繁的進行人為干預，實現對感興趣變量的正向或者反向改變，觀察細胞表型的變化。整個過程需要對干預工具的構建、導入、實驗觀察，從而得出表型結論。擾動建模的目的就是想要通過數學模型的建立，通過對已有數據的分析、歸納和總結，對一個分子的功能在沒有實驗時做出預判，對于生物學家和藥物研發者來講，好的模型一定能夠幫助加深對生物機制的理解，推動藥物的研發進程
“單細胞多組學技術”和“空間轉錄組技術”先后在2019年和2020年被 評為年度技術方法。時間和空間維度多維研究技術結合，將以全新研究思路出發，既能夠獲得單個細胞間異質性，又能獲得細胞在組織空間上的結構位置信息，發現更多未知且精細化結果。總而言之，單細胞測序+空間轉錄組測序：優勢互補，同時獲得細胞類型群體，以及基因表達和細胞的空間位置信息。空間轉錄組能夠定位和區分功能基因在特定組織區域內的活躍表達，為研究和診斷提供寶貴見解。10x 的推出使空間轉錄組成為了新的研究熱點，受到廣大研究者的青睞，其不僅可以提供研究對象的轉錄組等數據信息，同時還能定位其在組織中的空間位置，這對于癌癥發病機制、神經科學、發育生物學等眾多領域的研究都有重要意義。
深度學習已經被廣泛應用于基因組學研究中，利用已知的訓練集對數據的類型和應答結果進行預測，深度學習，可以進行預測和降維分析。深度學習模型的能力更強且更靈活，在適當的訓練數據下，深度學習可以在較少人工參與的情況下自動學習特征和規律。調控基因組學，變異檢測，致病性評分成功應用。深度學習可以提高基因組數據的可解釋性，并將基因組數據轉化為可操作的臨床信息。深度學習通過強大的深度神經網絡模型從高維大數據中自動挖掘數據潛在特征得以實現，過去10年，深度學習在計算機視覺、語音識別、自然語言處理領域取得了巨大成功。基因組學大數據與疾病表型間的復雜關系難以解析，運用深度學習挖掘多組學數據探索復雜疾病致病機制及藥物反應機制將會極大的提升精準醫學和轉化醫學的進度。，近兩年國內外頂尖課題組MIT、 、UPenn、清華大學、復旦大學等都在從事深度學習基因組學的研究，這一研究成果更是多次發表在 、 、 、 Cell、 等知名國際頂刊上，為我們發表頂刊鑒定了基礎。
比較基因組學( )利用模式生物基因組與人類基因組之間編碼順序上和結構上的同源性，克隆人類疾病基因，揭示基因功能和疾病分子機制，闡明物種進化關系，及基因組的內在結構。比較不同物種的整個基因組,增強對各個基因組功能及發育相關性的認識。比較不同物種的整個基因組,增強對各個基因組功能及發育相關性的認識。比較基因組學分析已成為生物學尤其是遺傳學相關研究的重要手段。通過對生物基因組上遺傳信息的挖掘與研究能夠促進對不同生物具有的生物學形狀下的遺傳機制差異、性狀演化歷史等生物學問題進行深入的了解與研究。
由于學習平臺文獻、視頻教程資料較少，技術不公開，對于有相應科研任務和發高質量文章的科研人員極度困擾，而培訓學習迫在眉睫， 應廣大科研人員要求，本單位經過數月調研，決定聯合專家共同舉辦“機器學習單細胞分析+單細胞空間轉錄組+深度學習基因組學+比較基因組學”專題培訓班，本單位已經舉辦十一期培訓，參會人員高達1200余人，對于培訓安排和培訓質量一致評價極高 ！將內容全部學懂、學會、學透徹、學以致用應用隨機過程教程及在算法和智能計算中的隨機模型，完成科研任務和高質量文章！
一、培訓對象
全國各大高校、企業、科研院所從事人工智能、生命科學、代謝工程、有機合成、抗體工程、酶工程、天然產物、蛋白質、藥物、生物信息學、植物學，動物學、食品、化學化工，醫學、疾病、機器學習、基因組學、農業科學、植物學、動物學，臨床醫學、食品科學與工程、植物基因組、動物傳染病、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、有機合成、生物化學、病毒檢測、高通量測序、分子生物學、功能基因組、遺傳圖譜、基因挖掘變異、代謝組學、蛋白質組學、轉錄組學、生物醫學、轉化研究、蛋白質、癌癥、核酸、毒物學研究、生物信息、生物計算、生命科學、生態、腫瘤、遺傳、基因改造、細胞分化、微生物、生物醫學大數據分析與挖掘、數學類專業、計算機科學、醫學、疾病等研究的科研人員以及人工智能愛好者 。
二、培訓目標（完全適合零基礎）
本課程讓初學多組學聯合機器學習體系課程的學員們快速掌握多組學以及機器學習基礎理論和在單細胞數據分析中的簡單應用。適用于前期無編程基礎，對機器學習，包括深度學習和單細胞數據分析感興趣的學員。同時在幫助學員提升與掌握多組學聯合分析以及深度學習神經網絡的應用。課程通過基礎入門+進階實例演練的講授思路，從初學及應用研究角度出發，帶大家實戰演練機器學習在單細胞多組學整合分析中的數據處理、預測模型以及生物學意義闡述等，助力大家掌握多種機器學習算法模型的構建以及在單細胞多組學聯合分析在具體科學研究中的實際應用，并介紹當下深度學習算法高維組學數據處理，生物網絡挖掘的前沿方法，有助于研究創新機器學習算法解決生物學及臨床疾病問題與需求。
本課程適于對深度學習、基因組學、轉錄組學、蛋白組學、藥物基因組學等多組學分析感興趣的學員。課程通過基礎入門+應用案例實操演練的方式，從初學及應用研究的角度出發，帶大家實戰演練多種深度學習模型（深度神經網絡DNN、卷積神經網絡CNN、循環神經網絡RNN、可變自動編碼器VAE、圖卷積神經網絡GCN）通過對這些深度學習在基因組學中的應用案例進行深度講解和實操，讓學員能夠掌握深度學習分析高維基因組學、轉錄組學、蛋白組學等多組學數據流程，系統學習深度學習及基因組學理論知識及熟悉軟件代碼實操，熟練掌握這些前沿的分析工具的使用以及研究創新深度學習算法解決生物學及臨床疾病問題與需求。
助力學員發表、、Cell等正刊及子刊雜志！（在生信分析的新技術加持下，用更少的經費，發更高質量的文章）
三、培訓特色
1、課程特色--全面的課程技術應用、原理流程、實例聯系全貫穿
2、學習模式--理論知識與上機操作相結合，讓零基礎學員快速熟練掌握
3、課程服務答疑--主講老師將為您實際工作中遇到的問題提供專業解答
四、主講老師
劉老師，生物信息學博士，有十余年的測序數據分析經驗。研究領域涉及人工智能、自然語言處理、功能基因組學、轉錄組學、miRNA及靶基因網絡分析，單細胞測序數據分析，基因調控網絡時序分析，蛋白質互作網絡分析，多組學聯合分析等。主持省自然科學基金等項目4項，出版醫學實用教材《醫學實戰分析》，發表SCI論文22篇，其中一作及并列一作9篇。
主講老師來自中山大學海洋生物學博士三亞市引進人才，近6年來主要從事動植物基因組、轉錄組和重測序相關的分析研究工作，尤其關注魚類適應性演化相關研究。已在 of The Total 、Fish 、BMC 等專業期刊發表論文10余篇。
主講老師來自國內高校陳老師和張老師授課。在國內外學術刊物發表論文數篇，包括 , Cell 等知名期刊，研究方向為生物信息學，發育生物學和遺傳學等。利用多組學數據，通過深度學習算法進行數據分析和挖掘，包括ChIP-seq，ATAC-seq，RNA-seq，CNV等。
課表內容
課程一： 機器學習單細胞分析應用專題
第一天
1.單細胞測序原理
2.單細胞測序基礎
3.單細胞測序方法及數據
4.單細胞數據分析流程
實操內容
1.R語言基礎
2.R（4.1.3）和的安裝
3.R包安裝和環境搭建
4.數據結構和數據類型
5.R語言基本函數
6.數據下載
7.數據讀入與輸出
第二天
理論內容
1.機器學習概述
2.線性模型
3.決策樹
4.支持向量機
5.集成學習
6.模型選擇與性能優化
實操內容
1.決策樹算法實現
2.隨機森林算法實現
3.支持向量機(SVM)算法實現
4.樸素貝葉斯算法實現
5.算法實現
6.主成分分析PCA算法實現
7.聚類算法實現
8.算法實現
9.層次聚類算法實現
第三天
理論內容
1.多組學基礎
2.常用生物組學實驗與分析方法
3.常用組學數據庫介紹
4.批量處理組學數據
5.生物功能分析
6.基于轉錄組學的差異基因篩選，疾病預測
7.基于差異基因聯合多組學分析疾病發生機制
8.組學數據可視化
實操內容
1.多組學基礎
2.常用生物組學實驗與分析方法
3.常用組學數據庫介紹
4.批量處理組學數據
5.生物功能分析
6.基于轉錄組學的差異基因篩選，疾病預測
7.基于差異基因聯合多組學分析疾病發生機制
8.組學數據可視化
第四天
理論內容
1.單細胞分析中的常見機器學習方法
2.降維聚類的機器學習算法
3.分群注釋的機器學習算法
4.單細胞分析中常見的深度學習方法
5.降維聚類的深度學習算法
6.分群注釋的深度學習算法
實操內容
1.語言基礎
2.安裝與開發環境的搭建
3.基本數據類型組合數據類型
4.分析環境搭建
5. 的使用
6.函數、列表、元組、字典、集合
7.控制結構、循環結構
8.Numpy模塊 ——矩陣的科學計算
9.模塊——數據處理與繪圖
10.模塊——csv數據處理與分析
11.模塊——機器學習模型基礎軟件包調用
第五天
理論部分
1.機器學習在單細胞分析中的應用
2.收集數據
3.數據準備
4.選擇一個模型
5. 模型訓練
6.模型評估
7.參數調整
8.模型預測
實操內容
1.創建對象
2.數據質控
3.測序深度差異及標準化
4. 單細胞數據降維
5.批次效應去除
6.數據整合
7.亞群注釋
8.GSVA通路活性分析
9.單細胞富集分析
第六天
理論部分
1.深度學習在單細胞分析中的應用
2.卷積神經網絡基本構成
3.卷積核
4.循環神經網絡基本構成
5.循環核
6.圖神經網絡基本構成
實操內容
1.卷積神經網絡在單細胞分析的算法實現
2.循環神經網絡在單細胞分析的算法實現
3.圖神經網絡在單細胞中分析的算法實現
4.單細胞數據的自動注釋
5.單細胞數據分析聚類與批量效應
6.單細胞測序數據進行聚類
7.加權圖神經網絡的細胞類型注釋方法
8.單細胞表達數據中深度學習基因關系
課程二：單細胞空間轉錄組應用專題線上培訓班
第一天
單細胞測序技術與應用
理論內容：
1.單細胞組學研究簡介
2.單細胞轉錄組測序技術進展及其原理：1992\2009-至今
3.單細胞多組學和空間轉錄組技術；
4.單細胞轉錄組測序技術的常見應用和重要生物學發現；
4.單細胞重大項目及數據庫介紹。
實操內容：
1. Linux命令入門講解及實操訓練。
2. R語言簡介及安裝。
3. R語言簡單語法及常見命令。
4. 數據挖掘及其統計應用。
5. R語言實操畫圖為主。
第二天
單細胞轉錄組數據分析思路及流程以及數據分析實操
理論內容：
1. 單細胞實驗介紹，常見建庫結構。
2. 單細胞轉錄組軟件和代碼介紹。
3. 單細胞轉錄組轉錄因子及其細胞通訊介紹。
4. 單細胞組學在腫瘤、發育、免疫及其它等領域的研究思路。
實操內容：
1. 10X官方單細胞軟件講解及實操。
2.質控基因和細胞。
3.選取高可變基因。
4.降維與分群。
5.定義細胞類型。
6.尋找差異基因
7. 通過 合并多樣本及消除樣本異質性。
第三天
單細胞轉錄組軌跡、通路、轉錄因子等分析及繪圖實操
實操內容；
1. 通過軟件對單細胞轉錄組進行擬時序的分析。
2. 對單細胞各個簇進行通路的功能富集分析。
3. 通過GSVA給細胞通路打分等。
4. 利用軟件對細胞互作進行分析。
5. 通過典型的生信軟件對染色體拷貝數變異進行推斷。
6. 全面解析軟件進行轉錄因子預測分析。
理論內容：
1. 空間轉錄組技術的介紹。
2. 空間轉錄組技術的應用。
3. 空間轉錄組文章圖表的解讀。
4. 空間轉錄組技術在癌癥、發育、神經科學等領域的研究思路。
第四天
空間轉錄組數據比對、降維以及聚類等分析
實操內容：
1. 10x 組織優化及文庫制備。
2. 10x 官方分析軟件Space 講解及實操。
3. Space 輸出結果解讀。
4. Loupe 軟件安裝及使用。
5. 通過軟件進行降維、聚類和可視化。
6. 通過進行基因表達可視化。
理論+實操內容
1. 通過進行空間變量特征的識別。
2. 與單細胞數據關聯分析（空間細胞類型定義）
3. 通過處理多個切片。
4. 單細胞及空間轉錄組數據分析總結。
課程三：深度學習在基因組學應用課表內容
第一天
深度學習算法介紹
理論內容：
1.有監督學習的神經網絡算法
1.1全連接深度神經網絡DNN在基因組學中的應用舉例
1.2卷積神經網絡CNN在基因組學中的應用舉例
1.3循環神經網絡RNN在基因組學中的應用舉例
1.4圖卷積神經網絡GCN在基因組學中的應用舉例
2.無監督的神經網絡算法
2.1自動編碼器AE在基因組學中的應用舉例
2.2生成對抗網絡GAN在基因組學中的應用舉例
實操內容
1.Linux操作系統
1.1常用的Linux命令
1.2 Vim編輯器
1.3基因組數據文件管理, 修改文件權限
1.4查看探索基因組區域
2.語言基礎
2.1.包安裝和環境搭建
2.2.常見的數據結構和數據類型
第二天
基因組學基礎
理論內容
1.基因組數據庫
2.表觀基因組
3.轉錄基因組
4.蛋白質組
5.功能基因組
實操內容
基因組常用深度學習框架
1.安裝并介紹深度學習工具包, keras，
2.在工具包中識別深度學習模型要素
2.1.數據表示
2.2.張量運算
2.3.神經網絡中的“層”
2.4.由層構成的模型
2.5.損失函數與優化器
2.6.數據集分割
2.7.過擬合與欠擬合
3.基因組數據處理
3.1安裝并使用處理各種基因序列數據如BED、 GFF、GTF、、、WIG等
3.2使用設計深度學習模型
3.3使用分割訓練集、測試集
3.4使用選取特定染色體的基因序列等
4．深度神經網絡DNN在識別基序特征中應用
4.1實現單層單過濾器DNN識別基序
4.2實現多層單過濾器DNN識別基序
4.3實現多層多過濾器DNN識別基序
第三天
卷積神經網絡CNN在基因調控預測中的應用
理論內容
1.Chip-Seq中識別基序特征G4，如
2.Chip-Seq中預測DNA甲基化，
3.Chip-Seq中預測轉錄調控因子結合，
4.DNase-seq中預測染色體親和性，
5.DNase-seq中預測基因表達eQTL，
實操內容
復現卷積神經網絡CNN識別基序特征、非編碼基因突變，預測染色體親和性，基因表達eQTL
1.復現從Chip-Seq中識別G4特征
2.安裝，復現從Chip-Seq中預測DNA甲基化，非編碼基因突變
3.復現，從Chip-Seq中預測染色體親和性
復現，從Chip-Seq中預測基因表達eQT
第四天
深度學習在識別拷貝數變異、調控因子上的應用
理論內容
1.SNP微陣列中預測拷貝數變異CNV，
2.RNA-Seq中預測，
3.從蛋白序列中預測調控因子蛋白質，
實操內容
1.復現利用SNP微陣列聯合圖像分析識別拷貝數變異
2.復現循環神經網絡RNN工具 ，從RNA-Seq中預測
復現，從蛋白序列中識別轉錄調控因子蛋白質
第五天
深度學習在識別及疾病表型及生物標志物上的應用
理論內容
1.從基因表達數據中識別乳腺癌分型的深度學習工具
2.從高維多組學數據中識別疾病表型，
3.基因序列及蛋白質相互作用網絡中識別關鍵基因的深度學習工具
實操內容
1.復現，從乳腺癌數據中區分乳腺癌亞型
2.復現，從TCGA多維數據庫中識別乳腺癌亞型
復現利用基因序列及蛋白質相互作用網絡識別關鍵基因
第六天
深度學習在預測藥物反應機制上的應用
理論部分
聯合腫瘤基因標記及藥物分子結構預測藥物反應機制的深度學習工具SWnet
實操內容
預處理藥物分子結構信息
計算藥物相似性
在不同數據集上構建self- SWnet
評估self- SWnet
構建多任務的SWnet
構建單層SWnet
構建帶權值層的SWnet
課程四：比較基因組學應用專題線上培訓班
第一天
（背景知識）
1.二代基因組測序技術原理
2.三代基因組測序技術原理
3.Hi-C技術測序技術原理
4.基因組測序策略
5.基因組的評估標準
6.基因組學的研究進展
7.比較基因組學的概念與分析方法
8.常用數據庫的介紹與使用
9.Linux操作系統介紹
10.Linux常用命令
第二天
（基因組組裝與)
1.基因組分析
2.基因組的de novo組裝
3.Hi-C數據掛載、染色體級別基因組的組裝
4.基因組組裝結果的評估
5.重復序列注釋
6.基因組結構注釋之同源注釋法
7.基因組結構注釋之從頭注釋法
8.基因組結構注釋之RNA-seq法
9.ncRNA注釋
10.基因組功能注釋
第三天
（比較基因組學分析1）
1.基因組數據的準備
2.蛋白序列比對
3.基因家族聚類
4.-copy tree的構建
5.物種分歧時間
6.基因家族擴張/收縮分析
7.基因家族的富集分析
8.串聯法構建全基因組樹
第四天
（比較基因組學分析2）
1.分析
2.基因多序列比對
3.正選擇分析
4.基因組共線性分析
5. plot的繪制
6.SNP
7.SV的檢測與注釋
8.CNV的檢測與注釋
9.PAV的檢測與注釋
部分案例圖片
授課時間地點
機器學習單細胞分析
2022.12.10-2022.12.11全天授課(上午09.00-11.30下午13.30-17.00)(騰訊會議線上實操)
2022.12.17-2022.12.18全天授課(上午09.00-11.30下午13.30-17.00)(騰訊會議線上實操)
2022.12.24-2022.12.25全天授課(上午09.00-11.30下午13.30-17.00)(騰訊會議線上實操)
單細胞空間轉錄組
2022.12.17-2022.12.18全天授課（上午9.00-11.30下午13.30-17.00）(騰訊會議線上實操)
2022.12.19-2022.12.22晚上授課（晚上19.00-22.00）(騰訊會議線上實操)
深度學習在基因組學培訓時間
2022.12.12-2022.12.15晚上授課(晚上19.00-22.00)(騰訊會議線上實操)
2022.12.17-2022.12.18全天授課（上午9.00-11.30下午13.30-17.00）(騰訊會議線上實操)
2022.12.19-2022.12.22晚上授課（晚上19.00-22.00）(騰訊會議線上實操)
比較基因組學培訓時間
2022.12.10-2022.12.11全天授課(上午09.00-11.30下午13.30-17.00)(騰訊會議線上實操)
2022.12.17-2022.12.18全天授課(上午09.00-11.30下午13.30-17.00)(騰訊會議線上實操)
報名費用
機器學習單細胞分析； 深度學習基因組學
公費價：每人每班￥5880元 （含報名費、培訓費、資料費）
自費價：每人每班￥5480元 （含報名費、培訓費、資料費）
單細胞空間轉錄組； 比較基因組學
公費價：每人每班￥5080元 （含報名費、培訓費、資料費）
自費價：每人每班￥4680元 （含報名費、培訓費、資料費）
優惠
優惠1：兩班同報：9880元 三班同報：13880元 四班同報：17880元
優惠2：提前報名繳費學員+轉發到朋友圈或者到學術交流群可享受每人400元優惠（僅限15名）
優惠3：同時報名兩個班免費贈送一個學習名額（贈送班任選）
優惠4: 報名五個培訓班以上，免費贈送三個培訓名額（贈送班任選）
證書：參加培訓并通過考試的學員，可以申請獲得工業和信息化部工業文化發展中心頒發的“工業強國建設素質素養提升尚工行動”崗位能力適應評測證書。該證書可在中心官網查詢，可作為能力評價，考核和任職的重要依據。評測證書查詢網址：（自愿申請，須另行繳納考試費500元/人）
培訓福利
報名繳費成功贈送報名班型全套預習視頻，課后學習完畢提供全程錄像視頻回放，針對培訓課程內容進行長期答疑，微信解疑群永不解散，參加本次課程的學員可免費再參加一次本單位后期組織的相同的專題培訓班（任意一期都可以）
授課方式
通過騰訊會議線上直播，理論+實操的授課模式，老師手把手帶著操作，從零基礎開始講解，電子PPT和教程開課前一周提前發送給學員，所有培訓使用軟件都會發送給學員，有什么疑問采取開麥共享屏幕和微信群解疑，學員和老師交流、學員與學員交流，培訓完畢后老師長期解疑，培訓群不解散，往期培訓學員對于培訓質量和授課方式一致評價極高
