R实战分享！数据挖掘及其统计应用的原理和ggplot2为主的多种绘图实操

01

自然微生物综述( IF：31.851)于2018年在线发表了微生物组领域的研究方法综述，不仅系统总结了过去，更为未来3-5年内本领域研究方法的选择，提供了清晰的技术路线，让大家做出更好的研究，微生物组学研究主要涉及两方面技术：测序技术和数据分析技术，随着基因测序技术的进步和测序成本不断下降，大样本量的微生物组学研究激增。传统的统计方法已经不再适用于极度高维、稀疏的微生物组数据分析，而适用于复杂数据分析的机器学习逐渐成为微生物组学数据分析的首选方法。机器学习已被证明是分析微生物群落数据并对特定结果进行预测（包括人类和环境健康）的有效方法，基于微生物群落数据的机器学习已被成功用于预测人类健康中的疾病状态、环境质量和环境中污染的存在，并可以作为法医学中的微量证据。机器学习算法已经在肠道微生物、微生物组数组表型、环境微生物、微生物生态学、皮肤微生物、土壤微生物、植物微生物、人体微生物等领域应用广泛，通过查阅文献发现近几年机器学习在微生物组研究发刊分值都很高，特别是在Nature Communications、Advanced Materials（IF=30.849）、Water Research Nature Microbiology、Environment International 、Nature Methods、Cell Regeneration、JAIMS等期刊多次发表！

02

细胞生物学的相关研究一直受限于数据的完整性和表型的完整性，对应激状态和稳态下的细胞区别观察不够充分。过去五年中，计算机视觉和语音识别领域通过对大量的无标签数据进行学习、建模，很好的解决了数据不足的问题。同样在最近的研究中，机器学习方法使用单细胞数据进行扰动建模也推动了细胞生物领域前进。对于生物学家来讲，无论研究基因、转录本、修饰、蛋白功能，都要频繁的进行人为干预，实现对感兴趣变量的正向或者反向改变，观察细胞表型的变化。整个过程需要对干预工具的构建、导入、实验观察，从而得出表型结论。扰动建模的目的就是想要通过数学模型的建立，通过对已有数据的分析、归纳和总结，对一个分子的功能在没有实验时做出预判，对于生物学家和药物研发者来讲，好的模型一定能够帮助加深对生物机制的理解，推动药物的研发进程

03

“单细胞多组学技术”和“空间转录组技术”先后在2019年和2020年被Nature Methods评为年度技术方法。时间和空间维度多维研究技术结合，将以全新研究思路出发，既能够获得单个细胞间异质性，又能获得细胞在组织空间上的结构位置信息，发现更多未知且精细化结果。总而言之，单细胞测序+空间转录组测序：优势互补，同时获得细胞类型群体，以及基因表达和细胞的空间位置信息。空间转录组能够定位和区分功能基因在特定组织区域内的活跃表达，为研究和诊断提供宝贵见解。10x Visium 的推出使空间转录组成为了新的研究热点，受到广大研究者的青睐，其不仅可以提供研究对象的转录组等数据信息，同时还能定位其在组织中的空间位置，这对于癌症发病机制、神经科学、发育生物学等众多领域的研究都有重要意义。

04

深度学习已经被广泛应用于基因组学研究中，利用已知的训练集对数据的类型和应答结果进行预测，深度学习，可以进行预测和降维分析。深度学习模型的能力更强且更灵活，在适当的训练数据下，深度学习可以在较少人工参与的情况下自动学习特征和规律。调控基因组学，变异检测，致病性评分成功应用。深度学习可以提高基因组数据的可解释性，并将基因组数据转化为可操作的临床信息。深度学习通过强大的深度神经网络模型从高维大数据中自动挖掘数据潜在特征得以实现，过去10年，深度学习在计算机视觉、语音识别、自然语言处理领域取得了巨大成功。基因组学大数据与疾病表型间的复杂关系难以解析，运用深度学习挖掘多组学数据探索复杂疾病致病机制及药物反应机制将会极大的提升精准医学和转化医学的进度。，近两年国内外顶尖课题组MIT、Harvard University、UPenn、清华大学、复旦大学等都在从事深度学习基因组学的研究，这一研究成果更是多次发表在Nature Reviews Genetics、Nature Methods、Science Advances、Cancer Cell、Nature Biotechnology 等知名国际顶刊上，为我们发表顶刊鉴定了基础。

05

比较基因组学(Comparative Genomics)利用模式生物基因组与人类基因组之间编码顺序上和结构上的同源性，克隆人类疾病基因，揭示基因功能和疾病分子机制，阐明物种进化关系，及基因组的内在结构。比较不同物种的整个基因组,增强对各个基因组功能及发育相关性的认识。比较不同物种的整个基因组,增强对各个基因组功能及发育相关性的认识。比较基因组学分析已成为生物学尤其是遗传学相关研究的重要手段。通过对生物基因组上遗传信息的挖掘与研究能够促进对不同生物具有的生物学形状下的遗传机制差异、性状演化历史等生物学问题进行深入的了解与研究。

由于学习平台文献、视频教程资料较少，技术不公开，对于有相应科研任务和发高质量文章的科研人员极度困扰，而培训学习迫在眉睫， 应广大科研人员要求，本单位经过数月调研，决定联合专家共同举办“机器学习单细胞分析+单细胞空间转录组+深度学习基因组学+比较基因组学”专题培训班，本单位已经举办十一期培训，参会人员高达1200余人，对于培训安排和培训质量一致评价极高 ！将内容全部学懂、学会、学透彻、学以致用，完成科研任务和高质量文章！

背景

刘老师，生物信息学博士，有十余年的测序数据分析经验。研究领域涉及人工智能、自然语言处理、功能基因组学、转录组学、miRNA及靶基因网络分析，单细胞测序数据分析，基因调控网络时序分析，蛋白质互作网络分析，多组学联合分析等。主持省自然科学基金等项目4项，出版医学实用教材《Python医学实战分析》，发表SCI论文22篇，其中一作及并列一作9篇。

主讲老师来自中山大学海洋生物学博士三亚市引进人才，近6年来主要从事动植物基因组、转录组和重测序相关的分析研究工作，尤其关注鱼类适应性演化相关研究。已在Science of The TotalEnvironmentFishandShellfishlmmunology .BMCge-nomics等专业期刊发表论文10余篇。

主讲老师来自国内高校陈老师和张老师授课。在国内外学术刊物发表论文数篇，包括Nature Communication,CellRegeneration等知名期刊，研究方向为生物信息学，发育生物学和遗传学等。利用多组学数据，通过深度学习算法进行数据分析和挖掘，包括ChlP-seq,ATAC-seq,RNA-seq,CNV等。

主讲老师来自国内高校李老师授课，有十余年的微生物组数据分析经验。研究领域涉及机器学习，芯片数据分析，微生物组数据分析，DNA，RNA，甲基化测序数据分析，单细胞测序数据分析，miRNA及靶基因分析等，发表SCI论文30余篇，其中一作及并列一作15篇。

第一天

深度学习算法介绍

理论内容：

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

理论内容

1.基因组数据库

2.表观基因组

3.转录基因组

4.蛋白质组

5.功能基因组

实操内容

基因组常用深度学习框架

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

2.在工具包中识别深度学习模型要素

2.1.数据表示

2.2.张量运算

2.3.神经网络中的“层”

2.4.由层构成的模型

.5.损失函数与优化器

2.6.数据集分割

2.7.过拟合与欠拟合

3.基因组数据处理

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

3.2使用keras_dna设计深度学习模型

3.3使用keras_dna分割训练集、测试集

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

卷积神经网络CNN在基因调控预测中的应用

理论内容

1.Chip-Seq中识别基序特征G4，如DeepG4

2.Chip-Seq中预测DNA甲基化，DeepSEA

3.Chip-Seq中预测转录调控因子结合，DeepSEA

4.DNase-seq中预测染色体亲和性，Basset

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.复现DeepG4从Chip-Seq中识别G4特征

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.复现Basset，从Chip-Seq中预测染色体亲和性

复现Enformer，从Chip-Seq中预测基因表达eQT

第四天

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

理论内容

1.SNP微阵列中预测拷贝数变异CNV，DeepCNV

2.RNA-Seq中预测premiRNA，dnnMiRPre

3.从蛋白序列中预测调控因子蛋白质，DeepFactor

实操内容

1.复现DeepCNV利用SNP微阵列联合图像分析识别拷贝数变异

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

复现DeepFactor，从蛋白序列中识别转录调控因子蛋白质

第五天

理论内容

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.从高维多组学数据中识别疾病表型，XOmiVAE

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.复现DeepType，从METABRIC乳腺癌数据中区分乳腺癌亚型

2.复现XOmiVAE，从TCGA多维数据库中识别乳腺癌亚型

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

理论部分

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

预处理药物分子结构信息

计算药物相似性

在不同数据集上构建self-attention SWnet

评估self-attention SWnet

构建多任务的SWnet

构建单层SWnet

构建带权值层的SWnet

第二天

理论内容

1.机器学习概述

2.线性模型

3.决策树

4.支持向量机

5.集成学习

6.模型选择与性能优化

实操内容

1.决策树算法实现

2.随机森林算法实现

3.支持向量机(SVM)算法实现

4.朴素贝叶斯算法实现

5.Xgboost算法实现

6.主成分分析PCA算法实现

7.聚类算法实现

8.DBSCAN算法实现

第三天

理论内容

理论部分

第六天

8.单细胞表达数据中深度学习基因关系

第一天

单细胞测序技术与应用

理论内容：

1.单细胞组学研究简介

2.单细胞转录组测序技术进展及其原理：1992\2009-至今

3.单细胞多组学和空间转录组技术简要介绍；

4.单细胞转录组测序技术的常见应用和重要的生物学问题的探索；

4.单细胞主要数据库介绍。

实操内容：

1. Linux命令入门讲解及实操训练。

2. R语言简介及安装。

3. R语言简单语法及常见命令。

4. 数据挖掘及其统计应用的原理。

5. R语言实操画图ggplot2为主简单实操。

第二天

单细胞转录组数据分析思路及流程以及数据分析实操

理论内容：

1. 单细胞实验介绍，常见建库结构（以10*建库为例）。

2. 单细胞转录组Pipeline软件和代码介绍。

3. 单细胞转录组转录因子及其细胞通讯介绍。

4. 单细胞组学在肿瘤、发育、免疫及其它等领域的研究思路介绍。

实操内容：

1. 10X官方单细胞软件Cellranger讲解及实操；

2.质控基因和细胞；

3.选取高可变基因；

4.降维与分群；

5.Biomarker定义细胞类型；

6.寻找差异基因；

6. 通过Seurat 合并多样本及消除样本异质性；

7. 通过harmony合并多样本及其消除样本异质性。

第三天

单细胞转录组轨迹、通路、转录因子、hdWGCNA等分析及绘图实操

实操内容：

1. 通过Monocle软件对单细胞转录组进行拟时序的分析。

2. 对单细胞各个簇进行通路的功能富集分析。

3. 通过GSVA给细胞通路打分等。

4. 利用cellchart软件对细胞互作进行分析。

5. 讲解单细胞WGCNA，利用关联共表达找到某些细胞中有关联作用的基因list（也就是模块）。

6. 全面解析SCENIC软件进行转录因子预测分析。

理论内容：

1. 空间转录组技术的介绍。

2. 空间转录组技术的应用。

3. 空间转录组文章图表的解读。

5. 空间转录组技术在癌症、发育、神经科学等领域的研究思路。

第四天

1.空间转录组数据比对、降维以及聚类等分析

2.空间转录组多样本及与但单细胞数据关联分析

实操内容：

1. 10x Visium 组织优化及文库制备。

2. 10x Visium官方分析软件Space Ranger讲解及实操。

3. Space Ranger输出结果解读。

4. Loupe Browser软件安装及使用。

5. 通过Seurat软件进行降维、聚类和可视化。

6. 通过Seurat进行基因表达可视化。

理论+实操内容

1. 通过Seurat进行空间变量特征的识别。

2. 与单细胞数据关联分析（空间细胞类型定义）

3. 通过Seurat处理多个切片。

4. 单细胞及空间转录组数据分析总结。

第一天（背景知识）

1.二代基因组测序技术原理

2.三代基因组测序技术原理

3.Hi-C技术测序技术原理

4.基因组测序策略

5.基因组的评估标准

6.基因组学的研究进展

7.比较基因组学的概念与分析方法

8.常用数据库的介绍与使用

9.Linux操作系统介绍

10.Linux常用命令

第二天 （基因组组装与注释）

1.基因组Survey分析

2.基因组的de novo组装

3.Hi-C数据挂载、染色体级别基因组的组装

4.基因组组装结果的评估

5.重复序列注释

6.基因组结构注释之同源注释法

7.基因组结构注释之从头注释法

8.基因组结构注释之RNA-seq法

9.ncRNA注释

10.基因组功能注释

第三天（比较基因组学分析1）

1.基因组数据的准备

2.蛋白序列比对

3.基因家族聚类

4.Single-copy tree的构建

5.物种分歧时间

6.基因家族扩张/收缩分析

7.基因家族的富集分析

8.串联法构建全基因组树

第四天（比较基因组学分析2）

1.ASTRAL分析

2.Densitree基因多序列比对

3.正选择分析

4.基因组共线性分析

5.Circos plot的绘制

6.SNP calling

7.SV的检测与注释

8.CNV的检测与注释

9.PAV的检测与注释

第一天

机器学习及微生物学简介

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

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.常用的机器学习和微生物数据相关的R包介绍

第二天

机器学习在微生物学中的应用案例分享

1．利用机器学习基于微生物组学数据预测宿主表型

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

6.微生物biomarker鉴定

第三天（实操）

零代码工具利用机器学习分析微生物组学数据

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

8.利用模型进行预测

第四天（实操）

利用机器学习基于微生物组学数据预测宿主表型(二分类变量以及连续变量)

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

7.模型性能评估

第五天（实操）

利用机器学习预测微生物风险（多分类）

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

6.外部数据测试模型

单细胞空间转录组应用培训时间

2023.03.18----2023.03.19全天授课 (上午 09.00-11.30 下午 13.30-17.00)

2023.03.25----2023.03.26全天授课(上午 09.00-11.30 下午 13.30-17.00)

比较基因组学培训时间

2023.03.18----2023.03.19全天授课 (上午 09.00-11.30 下午 13.30-17.00)

2023.03.25----2023.03.26全天授课(上午 09.00-11.30 下午 13.30-17.00)

机器学习微生物培训时间

2023.03.18----2023.03.19全天授课(上午09.00-11.30下午13.30-17.00)

2023.03.21---2023.03.22晚上授课（晚上19.00-22.00）

2023.03.25----2023.03.26全天授课(上午09.00-11.30下午13.30-17.00)

（腾讯会议直播上课，线上实操，提供录像回放，录像永久观看）

培训福利

腾讯会议问题实时解答

国内院系高校；有来自中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所）、中山大 学、北京大学第一医院、中国医学科学院北京协和医院、西北民族大学、西南大学、山东大学、加州伯克 利大学、启元实验室、中国人民解放军总医院第一医学中心、河南师范大学、南京工业大学、南方科技大 学、南京大学、中国医学科学院基础医学研究所、青海省农林科学院、天津中医药大学第一附属医院、山东大学、黑龙江八一农垦大学、南昌大学第二附属医院、台州市中心医院（台州学院附属医院）、宁波大 学附属人民医院、新疆农业大学、北京林业大学、广西医科大学、湖南文理学院、滨州医学院、滨州医学 院烟台附属医院、华南师范大学、中国环境科学研究院、云南师范大学、昆明理工大学、湖北医药学院、 苏州大学、福州大学、南方医院、南昌大学第二附属医院、深圳市中医院、湖南文理学院、河南科技学 院、福建省立医院、中南大学湘雅医院、深圳市中医院、省立同德医院、内蒙古科技大学包头师范学院、 乌鲁木齐市疾病预防控制中心、中国林业科学研究院林业研究所、中国农业科学院兰州畜牧与兽药研究 所、鲁东大学、河北工程大学、南方医科大学珠江医院、首都医科大学附属北京妇产医院、重庆医科大学 附属第二医院、北京普利智诚生物技术有限公司、复旦大学上海医学院、陕西中医药大学附属医院、中国 医学科学院血液病医院（中国医学科学院血液学研究所）、滨州康达欣医疗器械有限公司、深圳北京大学 香港科技大学医学中心、天津市肿瘤医院、陆军特色医学中心、空军军医大学第一附属医院、江南大学、 中国科学院深圳先进技术研究院、中国科学院上海营养与健康研究所、北京阅众时刻文化传媒有限公司、 北京慧康健怡医疗器械有限公司、杭州奥明基因科技有限公司、亦欣生物科技无锡有限公司、广州市肖悦 生物科技有限公司、张家口泽涵生物科技有限公司、平安科技。感谢对我们培训的认可！还有许多因为时 间冲突无法参加。这次我们诚挚邀请您来参加！

联系人：袁老师

QQ：1228930623

报名电话：18737171433( 微信同号）

 引用往期参会学员的一句话