Nature重磅||建议收藏！利用人工智能机器学习技术已在多个领域取得关键性突破！

第一天

 1.机器学习基本概念介绍

 2.常用机器学习模型介绍

 3.混淆矩阵

 4.ROC曲线

 5.主成分分析（PCA）

 6.蛋白组学基本概念

R语言简介及实操

 1．R语言概述

 2．R软件及R包安装

 3．R语言语法及数据类型

 4．条件语句

 5．循环

 6．函数

 7．常用的机器学习相关R包介绍

第二天

 1.利用机器学习鉴定疾病相关蛋白标志物

 2.利用机器学习基于蛋白组学数据预测表型

 3.利用机器学习基于蛋白组学数据进行分类

 4.利用机器学习基于蛋白组学数据构建预后模型

蛋白组学相关数据库介绍

 1.Uniport

 2.HPA

 3.TCPA

 4.CPTAC

利用PLOS Computational Biology（IF:5分）发表零代码工具，轻松完成差异表达分析，常见统计分析，常见可视化，内置7种机器学习方法，轻松调用。

 1.数据导入（两套数据，二分类，多分类）

 2.数据可视化（散点图，热图，柱形图，相关性热图，火山图，层次聚类图）

 3.缺失值填充

 4.数据归一化

 5.离群值检测/清理

 6.常见统计方法应用（t-test, limma, Kruskal-Wallis ,ANOVA, PCA, k-means, 相关性分析）

7.机器学习方法应用（RF, lasso, SVM等）

第四天

实操内容

 1.蛋白组学数据处理，差异表达分析

 2.火山图，多分组热图，多组箱型图展示差异表达分析结果

 3.构建Random Forest模型

 4.重要蛋白筛选

 5.绘制ROC曲线

 6.独立测试集检测模型表现

利用机器学习鉴定疾病相关蛋白标志物，基于Olink数据，复现影响因子17分文章中，蛋白数据常规分析+时序蛋白聚类分析+机器学习分析结果

实操内容

 1.读取蛋白表达数据

 2.差异蛋白挑选，火山图绘制，箱型图绘制

 3.时序蛋白表达数据聚类分析

 4.构建随机森林模型

 5.挑选重要特征

 6.独立测试集进行验证

第五天

实操内容

 1.鉴定与不同肝病显著相关的蛋白

 2.比较22种不同的机器学习分类器，挑选最优算法构建不同肝病的分类模型

3.独立队列验证模型准确性

 4.构建预后模型

 5.绘制生存曲线和时间依赖的ROC曲线

第一天

1.机器学习基本概念介绍

   2. 常用机器学习模型介绍（GLM,BF,SVM,lasso,KNN等等）

   3. 混淆矩阵

   4. ROC曲线

   5. 主成分分析（PCA）

   6. 微生物学基本概念

   7. 微生物学常用分析介绍

   1.R语言概述

   2.R软件及R包安装

   3.R语言语法及数据类型

   4.条件语句

   5.循环

第二天

1.利用机器学习基于微生物组学数据预测宿主表

   2.利用机器学习基于微生物组学数据预测疾病状态

   3.利用机器学习预测微生物风险

   4.机器学习研究饮食对肠道微生物的影响

微生物学常用分析（实操）

   1. 微生物丰度分析

   2. α-diversity，β-diversity分析

   3. 进化树构建

   4. 降维分析

   5. 基于OTU的差异表达分析，热图，箱型图绘制微生物biomarker鉴定

1. 加载数据及数据归一化

2. 构建训练模型（GLM, RF, SVM）

3. 模型参数优化

4. 模型错误率曲线绘制

5. 混淆矩阵计算

6. 重要特征筛选

7. 模型验证，ROC曲线绘制利用模型进行预测

第四天（实操）

1. 加载数据（三套数据）

2. 数据归一化

3. OUT特征处理

4. 机器学习模型构建（RF, KNN, SVM, Lasso等9种机器学习方法）

5. 5倍交叉验证

6. 绘制ROC 曲线，比较不同机器学习模型模型性能评估

第五天（实操）

1. 加载数据

2. 机器学习模型构建（RF, gbm, SVM, LogitBoost等等）

3. 10倍交叉验证

4. 模型性能评估

利用机器学习预测刺激前后肠道菌群变化

1. 数据加载及预处理

2. α-diversity，β-diversity分析

3. RF模型构建（比较分别基于OUT，KO，phylum的模型效果）

4. 10倍交叉验证, 留一法验证

5. 特征筛选及重要特征可视化外部数据测试模型

第一天

（1） 代谢生理功能；

（2） 代谢疾病；

（3） 非靶向与靶向代谢组学；

（4） 空间代谢组学与质谱成像（MSI）；

（5） 代谢流与机制研究；

（6） 代谢组学与药物和生物标志物。

A2 代谢组学实验流程简介

A3 色谱、质谱硬件原理

（1） 色谱分析原理；

（2） 色谱的气相、液相和固相；

（3） 色谱仪和色谱柱的选择；

（4） 质谱分析原理及动画演示；

（5） 正、负离子电离模式；

（6） 色谱质谱联用技术；

（7） LC-MS 的液相系统

A4 代谢通路及代谢数据库

（1） 几种经典代谢通路简介；

（2） 能量代谢通路；

（3） 三大常见代谢物库：HMDB、METLIN 和 KEGG;

（4） 代谢组学原始数据库：Metabolomics Workbench 和Metabolights.

第二天

（1） 组织、血液和体液样本的提取流程与注意事项；

（2） 用 ACN 抽提代谢物的流程与注意事项；

（3） 样本及代谢物的运输与保存问题；

B2 LC-MS 数据质控与搜库

（1） LC-MS 实验过程中 QC 样本的设置方法；

（2） LC-MS 上机过程的数据质控监测和分析；

（3） XCMS 软件数据转换与提峰；

B3 R 软件基础

（1） R 和 Rstudio 的安装；

（2） Rstudio 的界面配置；

（3） R 的基本数据结构和语法；

（4） 下载与加载包；

（5） 函数调用和 debug；

B4 ggplot2

（1） 安装并使用 ggplot2

（2） ggplot2 的画图哲学；

（3） ggplot2 的配色系统；

（4） ggplot2 画组合图和火山图；

第三天

（1） 大数据处理中的降维；

（2） PCA 分析作图；

（3） 三种常见的聚类分析：K-means、层次分析与 SOM

（4） 热图和 hcluster 图的 R 语言实现；

C2 一组代谢组学数据的降维与聚类分析的 R 演练

(1) 数据解析；

(2) 演练与操作；

C3 有监督式机器学习在代谢组学数据处理中的应用

（1） 数据用 PCA 降维处理后仍然无法找到差异怎么办？

（2） PLS-DA 找出最可能影响差异的代谢物；

（3） VIP score 和 coef 的意义及选择；

（4） 分类算法：支持向量机，随机森林

C4 一组代谢组学数据的分类算法实现的 R 演练

(1) 数据解读；

(2) 演练与操作；

第五天

（1） Nature Communication 一篇代谢组学小鼠脑组织样本 database 类型的文献；

（2） Cell 一篇代谢组学患者血液样本的机器学习与疾病判断的文献；

（3） 1-2 篇代谢组学与转录组学和蛋白组学结合的文献。

 E2 文献数据分析部分复现（1 篇）

（1） 文献深度解读；

（2）实操：从原始数据下载到图片复现；

（3） 学员实操。

人工智能药物发现(AIDD)简介

机器学习和深度学习在药物发现领域的应用

工具的介绍与安装

 1.人工智能药物发现(AIDD)简介2.机器学习和深度学习在药物发现领域的应用

1.2环境搭建

python

anaconda

工具包

RDKit

scikit-learn

pandas

numpy

（第二天）

机器学习

机器学习与药物发现

2.1 机器学习

2.1.1 随机森林Random Forest (RF)

2.1.2 支持向量机Support Vector Machines （SVMs）

2.1.3卷积神经网络

梯度下降

反向传播

随机梯度下降

学习率和激活函数

卷积神经网络CNN

常用框架介绍

 Pytorch

TensorFlow

2.1.4机器学习任务

分类任务：classification

回归任务：regression

聚类任务：clustering

2.1.5机器学习验证和评估指标

验证：K折交叉验证K-fold cross validation

性能评估指标：

Sensitivity

Specificity

Accuracy

ROC-curve

AUC

2.2 ChEMBL数据库介绍和使用

compound activity measures

IC50

pIC50

2.3 化合物的编码方式及化学相似性

2.3.1 化合物编码方式

SMILES

InChI

Chebi

分子指纹

MACCS：Molecular ACCess System fingerprints (MACCS Keys)

Morgan Fingerprints：Extended-Connectivity Fingerprints (ECFPs)

2.3.2 化合物的化学相似性

Tanimoto 系数

Dice 系数

2.4 项目实战

2.4.1 Classification：基于分子指纹的化合物活性预测

2.4.2 Clustering：基于Butina算法的分子聚类方法研究

（第三天）

图神经网络与药物发现

3.1 图神经网络

图卷积网络 GCN

图注意力网络 GAN

图同构网络 GIN

常用框架介绍

Pytorch_Geometric

DGL

3.2 分子毒性简介与相关数据集介绍

Tox21

ToxCast

ClinTox

3.3 项目实战：基于图神经网络的分子毒性预测

3.4 经典论文讲解：DeepTox: Toxicity Prediction using Deep Learning

（第四天）

自然语言处理与药物发现

4.1 自然语言处理

循环神经网络 RNN

LSTM

Seq2seq

Transformer

常用框架介绍：

Pytorch

TensorFlow

4.2 有机反应产量简介及相关数据集

4.2.1 有机反应的表示方法

4.2.2 有机反应的产量

4.2.3 有机反应相关数据集 USPTO

4.3 项目实战：基于Transformer的有机化学反应产量预测

4.4 经典论文解读：Extraction of organic chemistry grammar from unsupervised learning of chemical reactions

(第五天)

生化代谢路径设计与药物发现

5.1 生化数据集介绍与使用

KEGG

BiGG

BioCyc

PubChem

Chebi

5.2 搜索方法

基于化学计量矩阵的搜索方法

基于逆合成的搜索方法

基于图结构的搜索方法

基于进化算法的搜索方法

5.3 评估方法

通量平衡分析FBA

理论产量计算

热力学可行性分析

5.4 项目实战：基于逆合成的生物代谢路

5.5 经典论文讲解：Predicting Organic Reaction Outcomes with Weisfeiler-Lehman Network

赠送视频：深度学习AiphaFold2蛋白质结构预测实例讲解

（以下内容为赠送的视频教程）

蛋白质结构与功能的概述。

蛋白质的组成

蛋白质的结构

蛋白质的功能

常见蛋白质结构预测的网站及方法。

常用蛋白质结构预测的相关网站及软件

常用网站及软件的使用方法及说明

机器学习在蛋白质结构预测的应用。

蛋白质结构与小分子药物库获取

机器学习加速预测小分子药物

AlphaFold2机器学习模型对蛋白结构预测

实战蛋白结构预测目前最好的人工智能模型AlphaFold2。

AlphaFold2模型的获取及安装

AlphaFold2相关数据的获取

AlphaFold2模型的实战操作

第一天

理论部分

深度学习算法介绍

1.有监督学习的神经网络算法

1.1全连接深度神经网络DNN在基因组学中的应用举例

1.2卷积神经网络CNN在基因组学中的应用举例

1.3循环神经网络RNN在基因组学中的应用举例

1.4图卷积神经网络GCN在基因组学中的应用举例

2.无监督的神经网络算法

2.1自动编码器AE在基因组学中的应用举例

2.2生成对抗网络GAN在基因组学中的应用举例

实操内容

1.Linux操作系统

1.1常用的Linux命令

1.2 Vim编辑器

1.3基因组数据文件管理, 修改文件权限

1.4查看探索基因组区域

2.Python语言基础

2.1.Python包安装和环境搭建

2.2.常见的数据结构和数据类型

第二天

理论部分

基因组学基础

1. 1.      基因组数据库

2. 2.     表观基因组

3. 3.     转录基因组

4. 4.     蛋白质组

5. 5.     功能基因组

实操内容

基因组常用深度学习框架

1. 1.     安装并介绍深度学习工具包tensorflow, keras，pytorch

2. 2.     在工具包中识别深度学习模型要素

3. 2.1.数据表示

4. 2.2.张量运算

5. 2.3.神经网络中的“层”

6. 2.4.由层构成的模型

7. 2.5.损失函数与优化器

8. 2.6.数据集分割

9. 2.7.过拟合与欠拟合

10. 3.基因组数据处理

11. 3.1安装并使用keras_dna处理各种基因序列数据如BED、 GFF、GTF、BIGWIG、BEDGRAPH、WIG等

12. 3.2使用keras_dna设计深度学习模型

13. 3.3使用keras_dna分割训练集、测试集

14. 3.4使用keras_dna选取特定染色体的基因序列等

4．深度神经网络DNN在识别基序特征中应用

4.1实现单层单过滤器DNN识别基序

4.2实现多层单过滤器DNN识别基序

4.3实现多层多过滤器DNN识别基序

第三天

理论部分

卷积神经网络CNN在基因调控预测中的应用

1. 1.      Chip-Seq中识别基序特征G4，如DeepG4

2. 2.      Chip-Seq中预测DNA甲基化，DeepSEA

3. 3.      Chip-Seq中预测转录调控因子结合，DeepSEA

4. 4.      DNase-seq中预测染色体亲和性，Basset

5. 5.      DNase-seq中预测基因表达eQTL，Enformer

实操内容

复现卷积神经网络CNN识别基序特征DeepG4、非编码基因突变DeepSEA ，预测染色体亲和性Basset，基因表达eQTL

1. 1.      复现DeepG4从Chip-Seq中识别G4特征

2. 2.      安装selene_sdk，复现DeepSEA从Chip-Seq中预测DNA甲基化，非编码基因突变

3. 3.      复现Basset，从Chip-Seq中预测染色体亲和性

4. 4.      复现Enformer，从Chip-Seq中预测基因表达eQTL

第四天

理论部分

深度学习在识别拷贝数变异DeepCNV、调控因子DeepFactor上的应用

1. 1.      SNP微阵列中预测拷贝数变异CNV，DeepCNV

2. 2.      RNA-Seq中预测premiRNA，dnnMiRPre

3. 3.      从蛋白序列中预测调控因子蛋白质，DeepFactor

实操内容

1. 1.      复现DeepCNV利用SNP微阵列联合图像分析识别拷贝数变异

2. 2.      复现循环神经网络RNN工具 dnnMiRPre，从RNA-Seq中预测premiRNA

3. 3.      复现DeepFactor，从蛋白序列中识别转录调控因子蛋白质

第五天

理论部分

深度学习在识别及疾病表型及生物标志物上的应用

1. 1.      从基因表达数据中识别乳腺癌分型的深度学习工具DeepType

2. 2.      从高维多组学数据中识别疾病表型，XOmiVAE

3. 3.      基因序列及蛋白质相互作用网络中识别关键基因的深度学习工具DeepHE

实操内容

1. 1.      复现DeepType，从METABRIC乳腺癌数据中区分乳腺癌亚型

2. 2.      复现XOmiVAE，从TCGA多维数据库中识别乳腺癌亚型

3. 3.      复现DeepHE利用基因序列及蛋白质相互作用网络识别关键基因

第六天

理论部分

深度学习在预测药物反应机制上的应用

1. 1.      联合肿瘤基因标记及药物分子结构预测药物反应机制的深度学习工具SWnet

实操内容

1. 1.      预处理药物分子结构信息

2. 2.      计算药物相似性

3. 3.      在不同数据集上构建self-attention SWnet

4. 4.      评估self-attention SWnet

5. 5.      构建多任务的SWnet

6. 6.      构建单层SWnet

7. 7.      构建带权值层的SWnet