不用担心学生信没服务器，我们提供——单细胞基础班、进阶班、python班终于来了！

考虑到很多小伙伴学习的时候没有服务器，我们这次把云服务器都给备好了，培训期间免💰用（高性能配置），完全不用担心自己的电脑运行不了了。三班连报直接免💰用 1 年；

这次的💰降的很低了，可直接看文末

如果自学比较吃力，想报班和了解服务器的，可以添加我的vx了解课程情况，“生信钱同学”（vx：sx_qtx01），有时候加的人太多会加不上，到时候后台发消息就行，报名成功后，记得找小助手领大额红包🧧

尽管R语言在单细胞数据分析中占据主导地位，凭借其强大的生物信息学包和成熟的分析框架，但随着单细胞数据规模和分析复杂性的增加，Python展现出了独特的优势。Python在数据处理和计算效率方面的优势尤为突出，尤其在处理大规模数据集时，其灵活的计算框架和多样化的库（如pandas、NumPy）使得数据预处理、转化和清洗变得更加高效和便捷。

更重要的是，许多先进的算法和工具的Python版本提供了强大的分析能力，帮助解决单细胞数据分析中遇到的实际科学问题。像scanpy、scVI、scVelo等工具包能够处理更加复杂和多样化的数据，从而为研究人员提供更为精准的分析结果，帮助他们更好地解答科学问题。

越来越多的CNS文章开始用python来分析单细胞多组学数据，所以我们本次围绕单细胞的python分析进行系统培训。

课程一：单细胞python 班安排

第1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2节：Python数据结构进阶

1.列表、元组、字典、集合高级用法

2.Python包（numpy、pandas、matplotlib等）

第3节：Shell基础命令学习
了解Shell，基础命令学习（文件操作、权限管理）

第4节：Scanpy单细胞基础分析流程

scanpy 单个样本的单细胞分析流程
AnnData 对象层级结构理解
Leiden算法、Louvain算法（Python）
scanpy 多种单细胞数据文件读取
scrublet去除双细胞

第5节：多个样本数据整合方法

1.ingest和BBKNN：多个样本数据整合

2.scVI和harmonypy:整合多个高维数据集的算法

第6节：单细胞注释方法

1.CellTypist 自定义高精度和低精度注释出细胞的亚群

2.scCODA（Python）：基于贝叶斯模型精准分析单细胞组成差异，识别与条件相关的细胞类型丰度变化

第7节：功能富集分析

1.GSEApy：python版本的功能富集分析

2.PROGENy（Python）活性打分（基于转录组数据预测细胞内信号通路活性，帮助揭示细胞功能的调控机制）

第8节：转录因子调控网络分析-pySCENIC转录因子分析

第9节：细胞间通讯分析方法

1.CellphoneDB：整合多物种配体-受体互作与统计建模，系统解析细胞间通讯网络与功能模块

2.LIANA+（Python）：整合多组学互作与概率建模，精准量化细胞间配体-受体活性并解析功能特异性通讯网络

第10节：单细胞发育轨迹推断-Palantir进行单细胞发育轨迹推断分析

第11节：降维与轨迹识别方法

2.Slingshot（Python）轨迹分析

3.PAGA轨迹推断

第12节：RNA速率分析 - scVelo：RNA速率分析

第13节：扰动分析——CellOracle 结合基因调控网络与机器学习，动态模拟细胞命运决策的扰动响应与转录重编程

第14节：百万细胞数分析方法：Metacell （R）、Supercell（Python）

第15节：muon—— Single-cell RNA-seq and ATAC-seq integration

第16节：Scirpy TCR/BCR分析工具

第17节：hotspot 空间聚集识别方法
识别单细胞数据中具有显著空间聚集的区域，揭示细胞间的局部相互作用

第18节：CellRank：基于马尔可夫过程和RNA速率的细胞命运预测

第19节：scFEA：代谢分析（自定义代谢通量建模，从单细胞数据解析高精度代谢网络和低覆盖基因谱，揭示细胞代谢重编程。）

第20节：染色体拷贝数推断
inferCNVpy: python版的inferCNV

第21节：metaVIPER 自定义蛋白活性推断，整合多组学数据解析高精度调控网络和低信噪比样本，揭示关键驱动蛋白

第22节：drug2cell: 单细胞尺度解析药物扰动响应，量化靶点机制与细胞特异性药效网络

第23节：scAge: 单细胞水平解析衰老相关基因表达动态，量化细胞年龄状态与衰老轨迹

第24节：scTE : 单细胞转座子表达分析工具，解析转座子活性与细胞异质性关联（转座元件分析）

第25节：MAGIC ：使用数据扩散从单细胞数据中恢复基因的相互作用

第26节：CellOracle：通过单细胞多组学（转录组+表观组）数据推断细胞命运调控网络的计算工具

第27节：scDRS：将单细胞RNA-seq数据中的单个细胞与疾病GWASs相关联

如果你是完全零基础可以报名基础班

课程二：单细胞基础班安排

1：通过两篇Nature文章了解单细胞测序基础原理，解读单细胞测序在癌症、发育及神经科学等领域的研究内容及思路。

2：单细胞数据下载、读取、处理，以Cancer Cell文章为例系统讲解单细胞数据质控

3：公共数据库单细胞数据常见文件读取方式，

4：多个样本循环结构整合，使用Harmony和CCA去除批次效应【Nat Genet】

5：机器注释、Transfer 映射、手动注释等四种方法注释细胞类型

6：跟着CNS文章进行marker 基因画图展示

7单细胞亚群再次降维聚类、注释和metadata的理解

轨迹分析：slingshot、

如果想进阶CNS文章分析可以报名单细胞进阶班

课程三：单细胞进阶班安排

1：单细胞ATAC分析：peak calling、差异peak分析、peak注释

2：scATAC:motif富集分析、染色质共可及性、转录因子的footprint

3：伪时间分析

5：CITE–seq对单细胞转录组和膜蛋白进行定量分析【Nat Med】

6：scRepertoire系统分析TCR和BCR数据【Nature】

7：Scissor、BayesPrism进行Bulk和单细胞的联合分析【Science】

8：scRNA-seq和bulk RNA-seq数据联合分析推断细胞类群互作网络【Cell】

：hdWGCNA单细胞转录组加权基因共表达网络分析【Cell】

14：CytoTRACE进行拟时间分析，基因表达量随PC1轴的变化【Cell】

15：3D Diffusion Pseudotime Analysis diffusion component【Cell Stem Cell】

16：Monocle2拟时间与CytoTRACE结合的个性化绘图【Nat Med】

17：Monocle3在三维空间轨迹与scVelo结合【Nature】

19：SCEVAN表征细胞的克隆结构【Science】

20：inferCNV结合UPhyloplot2分析肿瘤进化

23：scTenifoldKnk：单细胞RNA测序数据进行虚拟基因敲除分析，预测特定

基因在某一细胞群体中敲低后的整体基因表达谱变化

24：scPagwas采用多基因回归模型对一组性状相关基因进行优先排序，并通过将途径活性转化的单细胞RNA测序（scRNA-seq）数据与全基因组关联研究（GWAS）汇总数据相结合，揭示性状相关的细胞亚群。

25：Beyondcell进行药敏分析和药物治疗预测

26：SoupX：进行RNA污染检测和矫正

主讲老师

主讲老师华哥：华哥，中山大学博士，目前在东京大学从事医学人工智能研究。深耕单细胞多组学、空间转录组与机器学习领域6年，培养学员3万余人 ; 指导学员发表CNS主刊文章8篇、一区及子刊90余篇 ; 参与国自然重点、国家重大专项、孔雀计划等项目申报;合作院士团队及国际顶尖实验室，发表SCI论文21篇（PNAS、Cell Rep Med、JACS、Mol Cancer、EMBO Mol Med等顶刊）