最近一个月一直在跟华哥沟通课程安排，不断的精简课程，想尽量覆盖的多一些，把一些最新的文章内容也纳入进去。我们还考虑到大部分报名的都是学生，资金有限，但生信系列课程又是现在的热点，对自己的论文或科研帮助很大，又十分想学习。所以为了减轻大家资金上的负担，这次价格直接降低了一半多。
在这里统一解答一下很多小伙伴后台咨询的生信学习问题——生信该怎么学，要不要报班？
其实如果时间充裕的话，比如几个月的空窗期、还没开始正式的科研、没那么赶，确实也没必要报，网上资料那么多，慢慢啃嘛，也就是学起来吃力些，但肯定能学会，而且学的也不会差。报班的话，主要是有人指导，华哥这边是实在实包教包会，有什么不懂的，直接问就行，肯定你的问题都能够解决，这也是报班的好处，这期学不会，那跟着下期学，让你无限制学习，能减少学习周期，毕竟研究生最大的目标就是尽快多发文章。所以还是要看个人的情况和需求。
为什么要和华哥合作？因为我个人认为他是生信，单细胞，空间组学教学上做的top系统和细致的班，学习周期是1个月，很扎实。（当时我刚学生信的时候，就心动想报。但奈何我老师就是做生信的，我也就忍住了）
目前我与华哥生信教学团队达成了深度合作，为大家争取了最大的优hui，通过“生信钱同学”报名（微信：sx_qtx01），报名成功后我这边会给大家一些大额🧧福利和一些学习资料哈。
这次的课程安排也算是一个全面的技能普及了。
技能普及目标
2.系统学习多组学分析包括机器学习（临床预后模型）、转录组（RNAseq）、单细胞测序、表观遗传（Chipseq、ATACseq）、时空测序，一次学到位
3.将CNS文章数据分析内容全部学懂（理解）、学会（会敲代码分析）、学透彻（课题顶层设计和思路挖掘）、学以致用（用到标书申请和文章发表中）
每次都能看到学员报喜，确实都能学以致用，这点我比较佩服
►►►
数据分析技能普及计划特色
3.授课方式采用线上线下相结合，同步进行。线上腾讯会议直播课，互动答疑。线下在南京，现场教学更踏实！
►►►
下面是具体的内容，无论是报班
还是自学，其实按照这套体系去
学，你绝对能够应付你所有组
学数据处理的问题。
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
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
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
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
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】
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】
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】
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】
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】
第十一节课：高分辨空间转录组分析（空间技术现在非常热，能用到自己的课题会提不少分）
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（这次专门加的内容，之前的很多学员反馈想学习这个）
1.随机森林和支持向量机（SVM）
2.弹性网络回归算法Enet【Cell】
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】
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】
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】
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）
主讲老师
周六下午2:30--5:30、周日上午9:00--12:00、
周日晚上7:00--9:00
线上：腾讯会议线上直播
