生信基地第二课
想了很久的生信基地已经落地，我们也开始积极探索为生信领域做贡献的新方法，希望能够给大家提供系统性、形成性、规范性的生信教学。
这次我们邀请到的主讲老师华哥在生信基地完成12月7~8日为期两天的线下教学。在有限的时间里我们完成了"编程基础学习--R语言"、"编程基础知识---数据结构"、"以Nature文章源代码学习转录组数据表达矩阵处理基本处理"、"以Cell文章源代码学习生存曲线"的学习。现已把一~四节课的代码数据文件整理打包，并录制了视频回放，大家可以转发此条推送至朋友圈，30赞添加客服微信发送截图领取(不限名额)：
已有生信基地联系方式的同学无需重复添加
上课ing:
下课留念合影：
华哥介绍：中山大学博士，师从加州大学终身教授，深耕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，指导过多篇CNS文章生信分析。
完整课表
2.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！
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
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】
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）
如何联系我们
已有生信基地联系方式的同学无需重复添加
