01
数据分析普及计划（第一批）
为了提高科研工作者对数据的处理能力，通过分析复杂数据，辅助研究者发现隐藏的生物学特征，从而将其转变为可以被认知的研究数据，为研究人员提供了全新维度的科研发现的可能性，加速了科学发现的进程。为此，我们举办了生命科学数据分析技能普及计划。
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）
►►►
技能普及计划质量保证
1.从19年开始到现在，我们在生信教育领域深耕五年之久，时间是最好的证明！
►►►
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！
►►►
普及内容
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）
主讲老师介绍
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
每人：￥3880元（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）
