第一节：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
3.Python控制流与函数（条件语句、循环语句、函数定义、返回值）
第二节：Python数据结构进阶
1.列表、元组、字典、集合高级用法
2.Python常用的包（numpy、pandas、matplotlib等）
3.了解Shell，基础命令学习（文件操作、权限管理）
第三节：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
3.空间转录组技术在不同科学等领域的研究内容及思路及常见图形解读
第四节：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
![]()
第五节：反卷积算法--空间注释-【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
3.深度学习框架--Tangram
第六节：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
2.训练模型--【Sci Transl Med】源代码
第七节：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
4.其他文章解读--【Nat Med】源代码
第八节：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】
3.根据微环境对细胞进行分类，CellNeighborEX 使用直接细胞定位
第九节：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算法提高空间转录组的分辨率【Cell】
第十节：Giotto|| 空间表达数据分析工具箱【Mol Cell】
1.PAGE--单细胞数据注释空转的spot
2.spatital patterns 提取连续的空间表达模式分析【Nature】
3.cell neighborhood 空间和配受体表达计算细胞空间相互作用
第十一节：空间转录组数据三大矩阵分析（重点讲解niche矩阵）
1.基因表达矩阵【Nature Metab】
2..细胞类型矩阵【Nature Aging】
3.细胞生态位矩阵【Cancer Cell】
第十二节：空间分子生态位差异分析---Niche-DE以【Cancer Cell】源代码
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
3.Effective Niche Calculation
第十三节：空间基因模式 系统学习三类识别空间高变基因的方法--【Nat Methods】
1.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
第十四节：空间转录组的轨迹分析--【Cancer Cell】源代码
1.stlearn：基于全组织SME均一化的PAGA轨迹分析【Immunity】
2.SPATA：空间背景下不同表达的基因和基因集轨迹变化【Cell】
3.CytoTRACE进行发育起点推断
第十五节：MISTy--空间细胞共定位
1.MISTy不仅可以做细胞-细胞之间的dependency【Nat Med】
2.基因和基因之间、细胞和通路之间的dependency【Immunity】
第十六节：COMMOT--细胞间通讯
1.利用最优运输进行空间转录组细胞间通讯分析【Cell】
2.推断的信号传导与已知下游基因活性相关性【Nat Genet】第十七节：空间转录组速率分析--SIRV以【Nat Med】源代码
1.单细胞分辨率推断空间 RNA 速度
2.空间转换张量方法重建空间数据中的细胞吸引子【Cell】
第十八节：空间细胞网络构建--cell degree以Cell源代码讲解
1.构建空间近邻网络【Nat Commun】
2.在空间领域展示细胞网络【Cell】
第十九节：肿瘤克隆空间演化--空间肿瘤细胞CNV--【Nature】
1. siCNV 分析并构建了克隆进化树
2.空间克隆分布与 Gleason 分级相关性
3.CopyKAT肿瘤推断个性化展示【JCI】
第二十节：空间区域组织模块发现以【Nat Med】源代码
1.深度学习框架的人工智能算法 SPACE
2.能够从空间转录组数据中识别空间细胞类型和发现组织模块
第二十一节：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
第二十二节：MIA---多模态数据取交集方法进行单细胞和空间转录组联合分析
1.针对Spot Cluster 水平上利用单细胞注释信息来对ST-Spot聚类结果进行细胞类型注释。【Nature Metab】
第二十三节：空转数据可视化semla以【Nature】源代码
第二十四节：利用pyVIPER算法来定量单细胞蛋白的活性【Cell】
1.检查谱系特异性基因调控网络
2.基因表达特征转换为蛋白质活性矩阵
3.在蛋白质活性水平上分析单细胞
第二十五节：GeneTrajectory算法的单细胞基因轨迹推断【Science】
1.构建一个细胞到细胞的 kNN 图
2.计算基因分布之间基于成对图的 Wasserstein 距离
3.基因-基因 Wasserstein 距离矩阵，确定基因沿每个基因轨迹的顺序
第二十六节：系统学习pySCENIC转录调控网络，网络特异性评分，转录调控网络和轨迹联合分析【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
第二十七节：Visium HD空转数据在R和Python中的运行【Science】源代码
1.Python的scanpy分析Visium HD数据
2.R语言的Seurat分析Visium HD数据第二十八节：实践课一（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
第二十九节：实践课二（课程总结，带领学员使用自测数据完成整体分析流程）
1.知识点汇总
2.实战答疑
