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；
课程一：系统学习交流单细胞多组学、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7月5日开始，每个周日全天直播
课程二：多组学联合分析、孟德尔随机化结合多组学和人工智能（AI）辅助多组学联合分析 腾讯会议线上直播7月4日开始 每个周六直播
课程三：零基础学生信分析、生信技能和人工智能辅助生信分析腾讯会议线上直播7月28日，每个晚上
课程一：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
7月5日开始，每周日全天直播，两个月时间
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；
考虑到您太忙，直播的同时也录播供您复习；
考虑到您不会怎么办，建群老师给您答疑和指导；
考虑到您太累，后期您可以免费复听。
一、单细胞多组学课程特色
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。
二、主讲嘉宾
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。
三、课程安排
周日腾讯直播 其他时间学员练习和群内答疑
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
课程三：零基础学生信分析、生信技能和人工智能辅助生信分析腾讯会议线上直播7月28日，每个晚上
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。
周日腾讯直播 其他时间学员练习和群内答疑
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