即将开课 | “三虚拟”已上线！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”

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14日开始，每个周日全天 两个月左右

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 

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。

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。

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

会议时间：

三虚拟：7月2日开始 七个晚上

单细胞：6月14日开始 每个周日全天

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：

三虚拟：3500元/人

单细胞：6600元/人

（可开会务 、注册、技术服务、数据分析等发票）

报名方式：

其他会议安排联系招生老师

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