机器学习人工智能辅助多组学联合分析，小投入拿下13分顶刊，系统来学一次吧

周六腾讯直播 周日学员练习和群内答疑

第一节（周六上午9:00-11:30）

代谢组学生信分析

1，代谢组学基本入门知识（研究背景，技术发展和原理，课题设计、样品类型、所用的仪器设备、样品收集要求、寄送注意事项）

2，原始矩阵归一化处理,

3，Simca-p软件的使用进行模型的建立

4，Pca、oplsda模型的建立、代谢物VIP值的计算

5，置换检验判断oplsda模型的稳定性

6，差异代谢物的筛选、鉴定

7，HMDB、metaboanalyst数据库的使用，代谢通路富集分析

8，代谢物的pearson相关性分析

第二节（周六下午2:00-4:30）

转录组学数据分析

1，转录组学的内容，应用，测序原理等

2，R语言做差异分子的筛选

3，PPI蛋白互做网络构建鉴定重要的分子

4，富集分析获取重要的GOterm和通路

5，基因的pearson相关性分析

6.GSEA，GSVA分析获取重要通路

7.免疫浸润量化不同免疫细胞在组织中的浸润程度

8.多个芯片合并获取分析用数据

9.GEO数据库的使用和芯片下载

第三节（周六上午9:00-11:30）

蛋白组学数据分析

1，蛋白组学的发展史，检测方法，所需的仪器设备，蛋白组学的应用

2，差异蛋白分子的筛选

3，PPI蛋白互做网络构建筛选重要的差异蛋白

4，富集分析筛选重要的GOterm和通路

5，蛋白的pearson相关性分析

第四节（周六下午2:00-4:30）

肠道菌群课题设计+数据分析

1，肠道微生物的作用，影响因素，粪菌移植等相关知识，课题设计

2，α、β多样性分析识别组间肠道微生物的复杂程度和组成差异,

3，组间差异物种分析

4，Lefse分析筛选biomarker,

5，功能分析筛选重要的通路

6，关联环境因子进行肠道微生物与临床性状或者其余组学的相关性分析

第五节（周六上午9:00-11:30）

代谢组学与转录组学、蛋白组学联合分析

1，案例分析：代谢组学与转录组学、蛋白组学联合分析思路 、流程和方法

2，KEGG数据库的使用

3，代谢通路、富集分析通路的查询

4，多组学差异的分子或者物种的Pearson相关性分析

5，Metscape的应用进行代谢组学与蛋白组学，转录组学或者网络药理学的联合分析

6，联合分析网状图的绘制

7，Pearson相关性分析

第六节（周六下午2:00-4:30）

肠道微生物组学与代谢组学与转录组学、蛋白组学联合分析

1，案例分析：肠道微生物组学与代谢组学与转录组学、蛋白组学联合分析思路、流程和方法

2，肠道微生物组学与代谢组学联合分析

3，肠道微生物组学与蛋白组学联合分析

4，肠道微生物组学与转录组学联合分析

5，多组学联合分析网状图的绘制

6，微生信查询通路图

第七节（周六上午9:00-11:30）

网络药理学结合代谢组学、实验验证及nhanes等多方法发表sci（一）

1，案例分析：网络药理学和代谢组学的联合分析思路、流程和方法

2，药物靶点的查询，包括复方，单位药，单体，TCMSP，Dgldb，pharmmapper， Swisstargetprediction数据库的使用

3，疾病靶点的查询，基于NCBI，genecards，TTD，TCMSP数据库

4，药物治疗疾病潜在靶点的确定，韦恩图绘制

5，蛋白互作，string数据库和cytoscape数据库的使用

6，富集分析，BP，CC，MF，KEGG

7，分子对接，配体受体相互作用，结合能的计算，结合位点的确定。

8，常见疾病的表型检测内容

第八节（周六下午2:00-4:30）

网络药理学结合代谢组学、实验验证及nhanes等多方法发表sci（二）

1，实验所需生物样本类型

2，细胞和动物实验分组

3，干预措施的确定

4，常见疾病动物模型造模方法

5，Elisa，病理切片，wb，qpcr，免疫组化等实验设计，注意事项

6，Nhanes与临床变量简介，

7，临床研究分类与设计、nhanes数据清洗、

8，交互分析、曲线拟合、分层分析

9，无随访的临床预测模型、C指数计算，

10，诺莫图绘制、DCA曲线绘制、

11，ROC曲线和校准曲线的绘制

12，孟德尔随机化结合网络药理学

13，生物信息学结合网络药理学，

14，单细胞测序结合网络药理学

第九节（周六上午9:00-11:30）

机器学习应用于多种组学筛选重要特征 

1，缺失值处理

2，随机森林模型

3，xgboost模型

4，lasso回归等模型

5，shap值计算

6，拟合曲线的绘制

7，模型评价，ROC曲线的绘制

8，特征变量与shap值相关性计算

9，多种机器学习算法用于各组学筛选重要的特征：代谢物、肠道微生物、mRNA、蛋白质

第十节（周六下午2:00-4:30）

1. bourta算法进行特征选择

2.多种机器学习模型的比较应用（Lasso，Xgboost，随机森林，朴素贝叶斯，神经网络，支持向量机，Gbm，Lightgbm，Catboost）

3.蜂窝图的绘制进行模型可解释性

4.单样本全特征的SHAP值分析绘制

5.特征重要性条形图绘制进行特征排序

第十一节（周六上午9:00-11:30）

人工智能辅助多组学分析（一）

1，deepseek辅助多组学课题设计，数据处理和快速获取idea 

2，deepseek辅助多组学分析思路、流程和方法

3，deepseek用于辅助多组学文章写作 

4，deepseek用于辅助多组学获取背景知识

第十二节（周六下午2:00-4:30）

人工智能辅助多组学分析和课程总结

1.deepseek用于代码修改

2.deepseek用于文章润色，降重

3.课程总结：多组学文章整体思路/框架的搭建

4.课程总结：多组学文章图片组合

5.课程总结：多组学与湿实验结合

课程二：单细胞、空间转录组和机器学习课程

单细胞生信课程

9月7日开始 一个半月时间左右

每个周日直播