课程一：虚拟敲除+虚拟过表达+虚拟筛药（Science首发新算法），搭配“机器学习+单细胞细胞互作+拟时序” 腾讯会议线上直播7月2日开始，七个晚上课程二：系统学习单细胞多组学、空间转录组和机器学习单细胞分析应用 腾讯会议线上直播6月21日开始，每个周日全天 两个月左右课程一：虚拟敲除+过表达+虚拟筛药（Science首发新算法），搭配“机器学习+单细胞细胞互作+拟时序” 腾讯会议线上直播7月2日开始还在靠单一虚拟敲除凑数据？发文非常内卷。当下生信高分主流是三虚拟时代：“虚拟敲除+虚拟筛药（Science首发新算法）+虚拟过表达”的联合思路，搭配“机器学习
+单细胞细胞互作+拟时序”这套科研套路，复刻就能快速产出，零基础也能跟着落地。所以有发文需求的朋友，建议大家抓住这波红利哦，系统学习下
1，多技术联合筛选核心基因：依托 GEO 疾病数据集，经差异分析、WGCNA、三类机器学习联合筛选，锁定关键致病靶点基因。
2，双向虚拟实验深挖基因功能：结合单细胞数据，运用 scTenifoldKnk 虚拟敲除搭配虚拟过表达，一敲一过双向验证基因调控作用，无需构建基因编辑模型。
3，
前沿 AI 助力靶向药物挖掘：采用 2025 年 Science 首发 DrugReflector 算法开展全库虚拟筛药，联合分子对接快速筛选靶向小分子化合物。
4，完整发文框架通用易复现：遵循“靶点筛选 - 功能验证
- 药物筛选” 标准化研究思路，模块清晰、代码成熟，多疾病方向均可直接套用复刻课题。
钱博士：来自北京大学，长期从事单细胞多组学方面的项目研究，发表Nature子刊等杂志几十篇
第一天晚上(19:30-22:00)高分论文拆解
2026年4月新发“多组学 + 机器学习 + 单细胞 +三虚拟”JCR Q1论文解读和技术路线
1，文章思路解读：“组学+ 机器学习 + 单细胞 +三虚拟”JCR Q1
论文思路解读，论文分析的核心逻辑和可视化呈现方式。
2，核心概念讲解：多组学，机器学习，虚拟基因敲除/过表达，虚拟筛药中各种概念讲解，关键技术的应用逻辑，各种图表含义。
3，数据库使用方法：介绍多组学数据库各个数据库使用方法
第二天晚上(19:30-22:00)
R语言入门与绘图实践
1.环境配置：R语言基础介绍与安装指南，RStudio集成开发环境的配置及核心功能说明。
2.
R包管理：从CRAN、Bioconductor、Github等不同来源安装R包的方法与常见问题处理。
3.
语法基础：R语言核心语法结构、常用函数及数据操作命令。
4.数据处理：数据读取、存储及统计分析（如t检验、回归分析）的典型应用场景。
5.R语言绘图实操：小提琴图，箱型图，火山图，热图，网络图，GO、KEGG富集图。
第三天晚上(19:30-22:00)
数据下载，整合和差异分析和
WGCNA挖掘关键模块
1.GEO数据处理： 对GEO数据库多个Osteoarthritis 数据库下载，合并，去批次
2.数据差异分析：通过limma差异分析，识别OA与正常组之间的差异表达基因，为后续筛选奠定基因基础。
3.WGCNA挖掘关键模块：构建加权基因共表达网络，挖掘与疾病强相关的关键基因模块
4. 差异共表达基因：挖掘将差异基因与共表达基因取交集，获得差异共表达的基因集。
第四天晚上(19:30-22:00)
利用机器学习为疾病患者识别相关的诊断特征和枢纽基因识别
1.机器学习筛选核心基因：使用LASSO、RF、SVM-RFE模型进行特征重要性排序，确定核心基因，构建相关诊断模型。
2.
单基因GSEA分析：使用单基因GSEA富集分析核心基因的功能
3.免疫浸润分析：使用CIBERSORT 分析疾病和对照样本中免疫浸润的差异
第五天晚上(19:30-22:00)
相关诊断模型在疾病患者中表现的交叉验证
1，核心基因TAZ在疾病内部数据集的表达差异和诊断价值评估
2，核心基因TAZ在疾病训练数据集的表达差异和诊断价值评估
3，核心基因TAZ在疾病数据集的表达差异和诊断价值评估第六天晚上(19:30-22:00)
疾病患者单细胞分析验证的TAZ表达
1.疾病患者单细胞数据处理和注释:疾
病患者细胞图谱
2.单细胞样本中细胞通讯: 各个细胞之间的通讯和细胞类型之间的代谢异质性。
3.单细胞数据拟时序分析：TAZ基因在发育各个阶段中的表达情况。
第七天晚上(19:30-22:00)
虚拟基因敲除，虚拟基因过表达和虚拟药物筛选
深度解析
1.虚拟基因敲除方法使用: 利用单细胞虚拟敲除技术模拟TAZ缺失
2.虚拟基因敲除后富集分析:敲除后影响的基因的富集分析，揭示其在疾疾病进展中起着关键作用
3.虚拟基因过表达方法使用: 利用单细胞虚拟过表达技术模拟TAZ过表达
4.
虚拟药物筛选分析: 使用AI驱动的治疗筛查框架（DrugRefLector）筛选疾疾病相关的药物，并使用分子对接验证可作为靶向TAZ的潜在治疗药物。
课程二：系统学习单细胞多组学、空间转录组和机器学习单细胞分析应用
单细胞+空间转录组这个组合现在可是顶刊思路中的标配啊，前者能观察基因表达谱，后者观察空间分布定位，二者结合把微环境研究的更全面。今年的内容里大家又在此基础上做了进一步升级，把机器学习也带上了！“想学的伙伴们可以尝试系统跟中科院老师学习下思路、设计和分析方法 主讲嘉宾：来自中科院，长期从事单细胞多组学方面的项目研究，发表Nature、Science等杂志七十多篇论文，累计引用上万次，系统学习交流，一次到位，安排在休息时间；
1，设置从零基础开始一步一步递进，掌握各种组学（RNA-seq、ChIP-seq、ATAC-seq等）bulk及单细胞分析技能
2，从生信零基础开始到单细胞基础和高阶，最后到空间转录组和单细胞机器学习应用逐步提高，
3，系统学习交流，一次学到位，
4，连续一个月紧凑学习交流，精细化讲解 将单细胞内容全部学懂、学会、学透彻、学以致用，
5，了解单细胞测序基本概念及原理、测序分析的常用软件、测序数据的下载方法和研究思路、学会用R代码进行单细胞转录组分析并作图、熟悉
CNS杂志单细胞转录组文章思路、熟悉零成本的单细胞相关课题设计思路、获得全套全自动化分析单细胞数据的流程脚本
6，空间基础处理、多样本联合分析、单细胞空间联合分析、空间转录组通讯分析、轨迹分析、富集分析、高级绘图、空间转录组绘图、空间转录组细胞聚类、细胞共定位、细胞网络等
7，机器学习单细胞分析应用，通过deepseek设计单细胞空间课题分析思路和内容
8，一次报名不用东拼西凑反复报名各类生信单细胞学术会议。
单细胞多组学课程主讲嘉宾： 来自
中科院，长期从事单细胞多组学方面的项目研究，发表Nature、Science等杂志七十多篇论文，累计引用上万次，目前承担国家科技部、国家自然基金委和重点研发计划等多项课题。第一天上午（8:30-12:00）：
单细胞转录组数据分析模块及技术路线
1.文献案例学习
：通过10篇经典CNS文献的系统解读，掌握单细胞分析的核心内容与可视化呈现方式。
2.高分文章方法论：解析细胞亚群鉴定、拟时序分析、差异表达分析、功能富集、转录因子预测及细胞通讯等关键分析技术的应用逻辑。
3.分析框架梳理：总结单细胞研究的十大标准化分析模块及其关联性。
4.工具资源指南：介绍单细胞组学常用数据库（如CellMarker、PanglaoDB等）的操作流程与适用场景。
5.实践能力培养：结合自测案例，归纳单细胞数据挖掘的完整思路与问题解决策略。
第一天下午（14:00-17:30）：
R语言入门与绘图实践
1.环境配置：R语言基础介绍与安装指南，RStudio集成开发环境的配置及核心功能说明。
2.R包管理：从CRAN、Bioconductor、
Github等不同来源安装R包的方法与常见问题处理。
3.语法基础：R语言核心语法结构、常用函数及数据操作命令。
4.数据处理：数据读取、存储及统计分析（如t检验、回归分析）的典型应用场景。
5.
R语言绘图实操：小提琴图，箱型图，火山图，热图，网络图，GO、KEGG富集图。
第二天上午（8:30-12:00）：
单细胞转录组数据分析实操流程
1.
Cellranger工具应用：10X Genomics官方单细胞分析软件Cellranger的功能详解与上机操作指导。
2.Seurat分析流程原理及实操：基于基因表达矩阵的标准化处理、特征筛选及Marker基因鉴定全流程实践。
3.数据质量控制
：使用Seurat包进行基因/细胞层面的质控标准与过滤方法。
4.Seurat归一化、降维与可视化：
4.1，Seurat数据处理：标准化、鉴定高变基因、归一化、PCA降维与聚类分析
4.2，二维
及三维投影：tSNE/UMAP可视化与结果解读
5.Markers基因计算：差异表达基因识别与可视化。
6.细胞类型注释：结合已知标记基因、自动注释工具及人工验证的多策略分类方案。
第二天下午（14:00-17:30）：
单细胞转录组多样本整合与分析流程
1.双细胞去除：使用DoubletFinder工具识别并去除双细胞污染，重点讲解预期双细胞率、分群数等核心参数的设置依据。
2.参数优化：针对不同数据集特点，个性化调整分群分辨率、降维维度等关键参数的操作指南。
3.
亚群解析：基于标记基因表达谱的细胞亚分群策略与可视化验证方法。
4.组间差异：多样本间差异表达基因（DEGs）的识别。
5.样本整合：
5.1，使用Seurat的
CCA/ IntegrateLayers算法进行批次校正
5.2，通过harmony框架消除技术变异与样本异质性
第三天上午（8:30-12:00）：
功能富集分析与基因集评分及可视化
1.
基础理论与可视化：功能富集分析（GO/KEGG）的核心原理，以及富集结果常用图形（如条形图、气泡图、网络图、热图、弦图、富集路径图）的解析方法。
2.R包实现：使用clusterProfiler、enrichR等R包进行GO及KEGG
功能富集分析的操作流程与结果解读。
3.在线平台：DAVID数据库的富集分析步骤与参数设置；metascape平台的多组学整合分析功能。
4.GSEA分析：基于GSEA软件（Java
版）的标准化分析流程,R包实现GSEA的替代方案。
5.基因集评分：GSVA算法在无监督基因集活性评估中的应用, AddModuleScore/AUCell/UCell针对特定基因集得分的计算方法。
第三天下午（
14:00-17:30）：
拟时序分析方法与实操指南
1.monocle2全流程分析：
1.1,细胞与基因筛选标准
1.2,降维（如PCA/tSNE）与细胞排序算法
1.3,差异表达基因鉴定方法
1.4,轨迹图、分支图等常用可视化图形绘制
2.monocle3应用
：
2.1,基于图结构的拟时序分析流程
2.2,轨迹状态与分支点可视化
3.RNA速率分析：
3.1,剪接动力学原理与计算流程
3.2,速度场与轨迹方向性验证
4.CytoTRACE分析：
4.1,细胞分化潜能评分方法
4.2,拟时间轴构建与结果解读
5.slingshot和DiffusionMap进行轨迹可视化：
5.1,slingshot的贝叶斯轨迹推断
5.2,DiffusionMap降维与轨迹叠加展示
第四天上午（8:30-12:00）：
细胞通讯与代谢分析方法及实操
1.Cellphonedb分析：
1.1,基于配体-受体互作的细胞通讯分析流程
1.2,网络图、热图等可视化图形生成方法
2.CellChat分析
：
2.1,单数据集与多数据集整合分析策略
2.2,信号通路活性图、细胞间通讯网络图等可视化
3.NicheNet分析：
3.1,配体-受体-靶基因调控网络构建
3.2,下游基因调控预测与结果验证
4.scMetabolism分析
：
4.1,单细胞水平代谢通路活性评估
4.2,代谢状态聚类与差异分析
第四天下午（14:00-17:30）：
转录调控网络与拷贝数变异分析方法
1.SCENIC转录因子分析：
1.1,基于共表达网络的转录因子活性推断流程
1.2,顺式调控元件（motif）富集分析方法
2.SCENIC网络构建与可视化：
2.1,细胞调控网络活性得分计算（AUCell算法）
2.2,调控网络图、热图等可视化展示
3.hdWGCNA分析：
3.1,单细胞水平共表达网络构建（基于WGCNA改进）
3.2,模块识别与功能关联分析
4.inferCNV分析：
4.1,染色体拷贝数变异推断算法原理
4.2,拷贝数变异热图与差异区域可视化
第五天上午（8:30-12:00）：
单细胞多组学分析思路与方法
1.单细胞组学技术概述
1.1,主流技术：单细胞RNA测序（scRNA-seq）、单细胞ATAC测序（scATAC-seq）、单细胞蛋白组（CITE-seq）
1.2,技术特点：分辨率、通量、多组学联用方案（如10x Genomics多组学平台）
2.
联合组学解析策略
1.1,数据关联：基因表达-开放染色质共定位、mRNA-蛋白表达一致性分析
1.2,工具支持：Seurat、WNN等算法的跨组学特征对齐
3.多组学整合分析方法：细胞类型注释（基于主导组学数据），跨组学特征映射（如基因→开放区域）
4.Seurat实现转录组+ATAC联合分析：Signac及ArchR进行ATAC分析，锚点及WNN方法实现转录组+ATAC联合分析
5.Seurat
实现转录组+蛋白组联合分析：锚点基因匹配（如表面蛋白对应基因），WNN算法
第五天下午（14:00-17:30）：
机器学习基础理论及Python语言介绍
1.机器学习基本概念与常用模型
1.1,核心概念：监督学习、无监督学习、强化学习
1.2,典型模型：线性回归、决策树、支持向量机、神经网络
2.单细胞及空间组学中的机器学习方法
2.1,应用场景：细胞聚类、轨迹推断、空间模式识别
2.2,常用算法：t-SNE、UMAP、随机森林、图神经网络
3.Python入门
3.1,环境搭建：Python及Jupyter Notebook安装
3.2,基础语法：变量、运算符、控制结构
3.3,数据类型：数值、字符串、布尔值
4.Python数据结构与文件操作
4.1,数据结构：列表、元组、字典、集合
4.2,文件操作：读写文本文件、CSV处理
5.Python控制流与函数
5.1,控制流：条件语句、循环语句
5.2,函数：定义、参数传递、返回值
第六天上午（8:30-12:00）：
空间转录组技术及分析内容
1.主流空间转录组技术概述
1.1,技术平台：10X Visium、10X HD、Stereo-seq、Xenium、CosMx
1.2,分析特点：分辨率、捕获效率、多组学兼容性及适用场景对比
2.经典文献解析
2.1,15篇CNS
文献核心内容串讲
2.2,重点：空间组学关键发现与分析模块
3.高分文章分析思路及模块总结
3.1,反卷积分析（细胞类型空间分布）
3.2,生态位分析（微环境互作）
3.3,拟时序分析（发育/疾病轨迹）
3.4,差异表达分析（空间特异性基因）
3.5,功能富集（区域化功能模块）
3.6,细胞共定位（亚群空间关系）
3.7,细胞通讯（配体-受体空间互作）
4.各分析模块工具包汇总
4.1,常用工具：Seurat空间模块、Squidpy、RCTD、mistyR、Cell2location等
4.2,功能覆盖：细胞注释、空间统计、交互分析
第六天下午（
14:00-17:30）：
空间转录组R包Seurat分析及与单细胞联合分析实操
1.10x Visium官方分析软件Space Ranger
1.1,软件功能与操作流程讲解
1.2,实战演练：从原始数据到标准输出
2.Space Ranger输出结果解读
2.1,关键指标：测序质量、基因检测效率
2.2,空间基因表达矩阵结构说明
3.Seurat基础分析流程
3.1,降维方法：PCA、UMAP/t-SNE
3.2,聚类算法：分辨率参数设置与结果评估
3.3,可视化：空间点图与聚类分布展示
4.Seurat高级功能应用
4.1,基因表达空间可视化（FeaturePlot
）
4.2,空间变量特征识别（Spatially Variable Features）
5.单细胞数据关联分析
5.1,数据整合：锚点对齐与批次校正
5.2,空间细胞类型定义（细胞类型映射）
6.多样本整合分析
6.1,样本间差异处理
6.2,联合可视化与统计检验
第七天上午（8:30-12:00）：
空间转录组Python库Scanpy与Squidpy基础分析及可视化
1.Scanpy数据读取与预处理
1.1,数据导入：支持10X Visium等格式的空间转录组数据读取
1.2,质控流程：基因/细胞过滤、标准化、批次校正
2.Scanpy核心分析流程
2.1,高变基因筛选（HVG）
2.2,降维方法：PCA、UMAP/t-SNE
2.3,聚类算法：Louvain/Leiden算法
2.4,可视化：二维/三维空间分布展示
3.Scanpy差异基因分析
3.1,空间差异表达基因识别
3.2,统计检验与结果可视化
4.Squidpy功能模块
4.1,图像特征计算：组织形态学量化
4.2,邻域富集分析（NPA）
4.3,空间差异基因分析
第七天下午（14:00-17:30）：
空间转录组基因表达分析、细胞反卷积及差异基因分析
1.Seurat包scTransform与Python库Tangram
1.1,scTransform标准化方法复习
1.2,Tangram空间数据整合实操
2.细胞反卷积分析R包
2.1,RCTD与CARD算法原理
2.2,实战流程：从输入到细胞组成预测
3.Python
反卷积工具Cell2location
3.1,贝叶斯模型原理
3.2,空间细胞类型解卷积实操
4.空间差异基因分析工具
4.1,跨平台SpatialDE（Python/R）
4.2,trendsceek与SPARK-R包
第八天上午（8:30-12:00）：
空间转录组轨迹分析、细胞共定位、hdWGCNA及CNV分析
1.空间轨迹分析
1.1,R包SPATA2实现
1.2,Python库stlearn实现
2.细胞共定位分析
2.1,R包mistyR基础分析
2.2,扩展分析：细胞-通路-基因共定位
3.hdWGCNA
分析
3.1,空间转录组加权共表达网络构建
3.2,结果可视化
4.CNV分析
R包SPATA2实现
第八天下午（14:00-17:30）：
空间转录组细胞通讯分析
1.R包CellChat
细胞通讯分析及可视化
2.R包NicheNet
2.1,配体
-受体互作分析
2.2,下游基因调控网络构建
3.Python库CellPhoneDB
细胞通讯分析及可视化
4.Python库COMMOT
细胞通讯分析及可视化
5.
Python库stlearn
细胞通讯分析及可视化
第九天上午（8:30-12:00）：
空间转录组细胞生态位及分子生态位分析
1. 基础矩阵类型
1.1,基因表达矩阵
1.2,细胞类型矩阵
1.3,细胞生态位矩阵
1.4,分子生态位矩阵
2.生态位聚类方法
2.1,Python及R包Banksy实现
2.2,适用于空间转录组数据
3.细胞
niche分析
1.1,R包Seurat
1.2,R包ISCHIA
4.生态位差异表达分析
1.1,R包nicheDE
1.2,空间转录组数据应用
第九天下午（14:00-17:30）：
Visum HD及Xenium、CosMx数据分析
1.R包Seurat
1.1,Visum HD数据分析
1.2,Xenium、CosMx数据分析
2.Python库scanpy
Visum HD数据分析
3.Python库squidpy
Xenium
、CosMx数据分析
4.RCTD反卷积
4.1,Visum HD数据
4.2,double模式反卷积分析
5.案例复现
授课方式：
腾讯会议线上直播
主办单位：
玮瑜科研平台
承办单位：
上海玮瑜生物科技有限公司
上海玮瑜信息科技有限公司
会议费用：
报名方法一：电话报名 您可以直接联系13611825136谢先生
序号 | 近期会议名称 |
1 | ★单细胞多组学分析空间转录组和单细胞机器 |
2 | ★文献计量论文写作发表 |
3 | ★多学科，多数据库，多种技术交叉联合孟德尔随机化高分sci训练营 |
4 | ★利用R语言挖掘TCGA GEO等公共数据库发文章 |
5 | ★多模态脑影像数据的处理与分析零基础实操 |
6 | ★大师兄手把手一对一辅导论文写作 |
7 | ★一对一医学毕业论文辅导写作 |
8 | ★全多组学 | 代谢组学+肠道菌群+
转录组+蛋白质组生信分析 |
9 | ★机器学习在临床数据挖掘中的应用 |
10 | ★国自然基金写作 |
11 | ★SCI论文插图机制模式图专题 |
12 |
★线粒体和细胞死亡课题思路介绍及热点方向分析 |
13 | ★Chat-GPT结合万用模版英文论文写作法 |
14 | ★全程辅导影像组学应用与SCI论文写作 |
15 |
★全程辅导学Meta分析和网状Meta分析 |
16 | ★SPSS+R语言临床预测模型实战 |
17 | ★RNA甲基化修饰（m6A）研究思路及国自然课题设计 |
18 |
★肿瘤微环境和免疫治疗课题思路介绍及热点方向 |
19 | ★随访资料生存分析处理方法 |
20 | ★中药复方结合分子对接技术发高分文章 |
21 | ★统计分析和图表处理 |
22 |
★MIMIC数据库 |
23 | ★CRISPR/Cas9基因编辑技术专题 |
24 | ★利用现有的R语言代码和数据教您快速发表SCI文章 |
诚邀嘉宾合作
不用担心您的资历，我们做事只看能力
也别担心您的能力，好不好市场说了算
兼职工作 招生函里不公布老师个人信息
您的朋友如感兴趣麻烦您给我介绍 谢谢
您可以在科研领域选择您的专长与我合作
如有意，请与我联系，谢谢
联系人：谢老师
联系电话：13611825136
（微信17317557680）
合作方式：线下或线上课程皆可
