生信需要掌握哪些内容？光看这个大纲也能收获不少！

第1节：Python编程语言入门

1.Spyder和Anaconda安装

2.环境配置；基本语法、数据类型等

第2节：Python数据结构进阶

1.列表、元组、字典、集合高级用法

2.Python包（numpy、pandas、matplotlib等）

第3节：空间转录组在CNS文章应用

1.空间转录组CNS文章思路解析

2.空间转录组技术在科研领域的应用

第4节：以Nature Genetics文章源代码为例，系统学习squidpy和scanpy的系统分析

1.常规空间转录组数据读取

2.数据质控--scrublet去除双细胞

第5节：反卷积算法【Science】源代码

1.CCA锚定算法--【Nature】源代码

2.非负矩阵分解和非负最小二乘 

第6节：Visium HD空转数据系统分析【Science】

1.Python的scanpy分析Visium HD数据

2.语言的Seurat分析Visium HD数据

第7节：Stereo-seq空转数据分析【Cell】源代码

1.Tissue Segmentation、Cell Correction分析

2.SpaTrack、PAGA、RNA Velocity分析

第8节：Cell2location采用贝叶斯层次框架--整合单细胞和空转数据--【Cell】源代码

1.计算单细胞细胞类型的表达特征

第9节：Hotspot识别空间数据集中信息基因（和基因模块）探索空间组织微环境【Nat Genet】

     1.计算 KNN 图--【Nat Genet】源代码

     2.查找信息基因，将基因分组到模块

     3.评估成对基因关联【Nat Med】源代码

第10节：Banksy--深入地理解细胞间的相互作用和组织构造【Science】

1.空转数据分析之生态位聚类算法Banksy

2.空间转录组学数据中细胞邻居依赖性基因表达的新方法【Neuron】

第11节：表达增强：BayesSpace--利用空间转录组数据中的邻域结构来增加子点级别分辨率的计算方法【Nat Commun】

1.TESLA--利用神经网络CNN算法提高空转的分辨率

第12节：空间转录组的轨迹分析-【Cancer Cell】

1.stlearn：基于全组织SME均一化的PAGA轨迹分析

2.SPATA：空间背景下不同表达的基因和基因集轨迹变化【Cell】

第13节：MISTy--空间细胞共定位【Nat Med】

1.MISTy不仅可以做细胞-细胞之间的dependency

2.基因和基因之间、细胞和通路之间的dependency

第14节：COMMOT--细胞间通讯【Cell】

1.利用最优运输进行空间转录组细胞间通讯分析

2.推断的信号传导与已知下游基因活性相关性【NC】

第15节：细胞互作分析 -- NicheNet、CellChat

1.CellChat各种图形可视化【Cell】

2.NicheNet分析配体对下游基因调控

第16节：空转速率分析-SIRV 【Nat Med】

1.单细胞分辨率推断空间 RNA 速度【Cell】

第17节：空间细胞网络构建--cell degree

1.构建空间近邻网络【Nat Commun】

2.在空间领域展示细胞网络【Cell】

第18节：空间区域组织模块发现以【Nat Med】

1.深度学习框架的人工智能算法 SPACE

2.ISCHIA细胞类型和转录物在同一位置空间共现

第19节：Giotto|| 空间表达数据分析工具箱

1.PAGE--单细胞数据注释空转的spot【Nature】

2.spatital patterns 提取连续的空间表达模式分析

第20节：空间转录组数据三大矩阵分析

1.基因表达矩阵【Nature Metab】

2..细胞类型矩阵【Nature Aging】

第21节：空间分子生态位差异分析---Niche-DE

1.空转数据中的生态位差异基因表达分析

2.可识别上下文依赖性细胞间相互作用

第22节：trendsceek识别基因空间表达趋势

1.空间基因模式基于Python的SpatialDE

2.基于R语言的trendsceek  【Nature】

3.SPARK-X--广义线性空间模型【Nat Methods】

第23节：肿瘤克隆空间演化--空间肿瘤细胞CNV

1. siCNV 分析并构建了克隆进化树【Nature】

2.空间克隆分布与 Gleason 分级相关性

1.神经网络模型StarDist定位图像中的星形细胞

2.基于深度学习Cellpose高质量的细胞分割

第25节：利用pyVIPER算法来定量空间蛋白的活性

1.检查谱系特异性基因调控网络【Cell】

2.基因表达特征转换为蛋白质活性矩阵

第26节：GeneTrajectory单细胞基因轨迹推断

1.构建一个细胞到细胞的 kNN 图【Science】

2.计算基因分布之间基于成对图的 Wasserstein 距离

第27节：pySCENIC转录调控网络，网络特异性评分和轨迹联合分析【Cell Stem Cell】

1.以Cell文章系统讲解pySCENIC源代码

2.以Nat Med多形式可视化调控单元

第28节：Xenium原位分析【NC】

1.构建空间邻域图、计算共现概率

2.Squidpy读取xenium数据、邻域富集分析

第29节：实践课（课程总结，带领学员使用自测数据完成整体分析流程）

1.实战答疑

2.课程大总结

会议时间：

2月27日开始第一节课（两个多月时间彻底掌握CNS文章空转数据分析） 

每周二、周四晚上七点到十点，每节课三小时

授课方式：腾讯会议线上直播

人数限制：

为了保证培训质量和一对一指导服务，每一批只招60人！

主办单位：

华哥科研平台

承办单位：

广州百奥信息科技有限公司

广州华哥信息科技有限公司

会议费用：联系阿昆的科研日常（微信：akunscience28）咨询，多人报名有优惠！（可开会务费 、培训费、数据分析费、测试费、测序技术服务费等发票）

同期举办：单细胞多组学班和生信基础班

 

2.生信基础班

第一节：编程基础学习--R语言 

• 1.R和Rstudio的安装、环境配置

• 2.R语言简单语法及常见命令

• 3.以Cell文章方法描述学习R包的安装及使用

• 4.以Nature文章源代码学习重点函数基础代码

第二节：编程基础知识---数据结构

• 1.向量、矩阵、数据框和列表的创建和索引

• 2.多种数据结构的合并【Cell】

• 3.自定义Function函数构建
  

• 4.for循环、字符型数据的处理【Cell】

第三节：以Nature文章源代码学习转录组数据表达矩阵处理基本处理

• 1.重复基因和缺失值的删除
  

• 2.不同分组样本的批量归类 【Nature】

• 3.多个样本的表达矩阵合并
  

• 4.芯片探针基因名字的转换【Nature】

第四节：以Cell文章源代码学习生存曲线

• 1.临床预后信息的批量整理
  

• 2.创建生存对象、拟合曲线【Cell】

• 3.特定基因的筛选构建预后分组

• 4.combat算法不同数据集的批次处理

第五节：差异分析 RNAseq数据分析

• 1.芯片数据上游分析【Cancer Discovery】

• 2.多个样本的数据归一化处理

• 3.分组矩阵系统讲解【Nature】

• 4.Deseq2分析流程【Science】
  

• 5.EdgeR差异分析系统讲解

第六节：以多篇CNS文章源代码学习画图

• 1.ggplot体系画图包括热图 

• 2.火山图 箱线图 小提琴图【Nature】

• 3.多分组显著性p值添加方法【Nat Med】

• 4.三维pca图展示差异特征 【Science】

• 5.层次聚类算法区分不同样本特征

第七节：基因集富集分析 

• 1.over representation

• 2.GSEA 富集 【Cancer Cell】

• 3.包括自定义基因集的富集分析

• 4.富集通路网络图【Nat Genet】

• 5.蛋白互作网络构建【Nature】

第八节：以Nature文章为例系统讲解单细胞转录组基本分析

• 1.单细胞在CNS文章思路解析及常见图形解读

• 2.数据质控、数据放缩、PCA降维、聚类

• 3.三维tSNE、UMAP可视化【Science】

• 4.单细胞多组学分析思路和方法【Nature】

第九节 ：单细胞转录组拟时序分析

• 1.monocle拟时序分析 【Nature】

• 2.细胞排序，构造一棵生成树

• 3.基因随轨迹分析变化热图【Cell】

• 4.BEAM轨迹分支分析【Nature】

• 5.自测和挖掘单细胞项目思路归纳总结

第十节：空间转录组理论及分析内容

• 1.空间转录组技术发展历程和原理介绍

• 2.空间转录组CNS文章思路解析及常见图解读

• 3.10x Visium 基本分析流程【Cancer Cell】

• 4.空间数据与单细胞整合分析思路

第十一节课：高分辨空间转录组分析

• 1.Xenium 空转数据分析【Nature】

• 2.Visium HD空转数据分析【Cell】

• 3.Stereo-seq “亚细胞级分辨率”测序介绍

• 4.空间测序多截面3D邻域重建【Nature】

第十二节课：机器学习基础理论

• 1.随机森林和支持向量机（SVM）

• 2.弹性网络回归算法Enet【Cell】

• 3.广义提升回归模型（GBM）

第十三节课：表观遗传研究

• 1.ChIP-seq、ATAC-seq在CNS文章中应用
  

• 2.ChIP-seq数据分析峰值可视化【Nature】

• 3. ATAC-seq数据peak注释【Cancer Cell】

• 4.峰值在外显子、内含子、启动子的分布计算

第十四节：加权基因共表达网络分析 (WGCNA）算法系统讲解以Nature文章为例 

• 1.构建邻接矩阵和拓扑重叠矩阵

• 2.无尺度网络模型【Nature】
  

• 3.共表达调控网络【Cell】

第十五节：免疫浸润计算

• 1.CIBERSORT反卷积算法，以TCGA数据为例

• 2.非监督共识聚类算法【Science】

• 3.转录因子富集【Cell Stem Cell】

• 4.Mfuzz、 BioNet调控网络构建

第十六节：大数据分析在基金申请中应用

第十七节：实践课（课程总结，带领学员使用自测数据完成整体分析流程）

3.单细胞多组学课程

第一节：通过两篇Nature文章了解单细胞测序基础原理，解读单细胞测序在癌症、发育及神经科学等领域的研究内容及思路。

第二节： 单细胞数据下载、读取、处理，以Cancer Cell文章为例系统讲解单细胞数据质控

第三节：多个样本循环结构整合，使用Harmony和CCA去除批次效应【Nat Genet】

第四节：大型语言模型GPT-4注释细胞类型【Nat Methods】

第五节：Seurat数据结构深入解读及多篇CNS单细胞数据的可视化，3D umap展示【Science】

第六节：利用OR比值查看不同处理组的各单细胞亚群的分布差异【Science】

第七节：Differences in pathway activities scored per cell by GSVA【Nat Med】

第八节：使用VISION算法推断单细胞代谢活性【Cancer Discovery】

第九节：MAGIC 利用流形学习还原单细胞的基因表达【Cell】

第十节：单细胞测序不同分组的相同cluster差异程度3维PCA展示以及差异热图展示【Cell】

第十一节：CellRanger处理单细胞上游数据，loom文件生成，velocyto.R 分析RNA速率【Nature】

第十二节：scVelo三种模型来确定动态变化过程驱动基因【Nat Biotechnol】

第十三节：将velocity 与PAGA联合分析【Nature】

第十四节：CytoTRACE进行拟时间分析，基因表达量随PC1轴的变化 【Cell】

第十五节： 3D Diffusion Pseudotime Analysis  diffusion component【Cell Stem Cell】

第十六节：Monocle2拟时间与CytoTRACE结合的个性化绘图【Nat Med】

第十七节：Monocle3在三维空间轨迹与scVelo结合 【Nature】

第十八节：SCEVAN表征细胞的克隆结构【Science】

第十九节：inferCNV结合UPhyloplot2分析肿瘤进化

第二十节：CellPhoneDB v.3.0系统讲解细胞互作和个性化作图展示【Nat Genet】

第二十一节：CellChat多分组数据集差异分析【Nat Med】

第二十二节：NicheNet to link ligands from cells in TME and the EMT program in tumor cells.【Cancer Cell】

第二十三节：使用SCENIC进行转录调控网络分析和核心驱动基因鉴定【Nat Med】

第二十四节：NMF鉴定不同的生物学功能【Cell】，不同cluster的异质性确定【Cancer Cell】

第二十五节：PHATE同时保留局部结构(local structure) 以及全局结构(global structure)对单细胞数据降维【Nature】

第二十六节：scRNA-seq和bulk RNA-seq数据联合分析推断细胞类群互作网络【Cell】

第二十七节：scATAC-seq分析Sequence motif enrichment and Transcription factor footprinting  【Nat Genet】

第二十八节：以Nature文章为例系统讲解scRNA-seq与scATAC-seq联合分析【Nat Genet】

第二十九节：CITE–seq对单细胞转录组和膜蛋白进行定量分析【Nat Med】

 

主讲老师华哥：中山大学博士，师从加州大学终身教授，一直钻研于单细胞多组学数据分析和机器学习算法研究，发表过多篇CNS子刊，参与过多项国自然重点、国家重大专项、孔雀计划等项目申报，在国内多家著名医院担任国自然标书指导老师，与多位院士团队和国外Top实验室合作，指导过多篇CNS文章生信分析。

 

感兴趣、想报班学习的，可以添加我的vx了解课程详情：