AI加持,全新改版!生信入门&数据挖掘线上直播课5月班

1. 入门认知和总体介绍  

2. R和Rstudio的介绍、设置和使用  

3. 项目管理  

4. 函数和R包的使用  

5. AI加持：介绍GitHub Copilot AI编程助手，体验“智能编程伙伴”。讲解如何用AI解决报错。

1. 数据类型介绍、生成和运算  

2. 数据结构介绍、生成和运算  

3. tidyverse三大包(dplyr, tidyr, stringr)的应用  

4. AI加持：选择合适的AI工具+提示词模板

1. 数据读取方法  

2. 数据导出方法  

3. 条件与循环语句及其应用  

4. 批处理函数（apply系列）

5. AI加持：优化粗糙代码，交互修改和解决报错。

1. ggplot2 系统学习

2. 拼图和保存

3. 文章图表复现案例  

4. AI加持：优化ggplot2绘图代码，按要求复现顶刊美图。

1. 读取实战的基因表达数据，包含三个分组（Primary, Metastatic, Normal）。（数据读取）

2. 删除多余列，修改列名，设置行名，检查缺失值。（数据清洗）

3. 转换为矩阵格式，适配热图的输入要求。（数据结构处理）

4. 筛选方差最大的3500个基因，适配WGCNA的输入要求。（apply系列批处理函数应用）

5. 从三组中挑选两组（Normal和Primary），筛选其中的内质网应激相关的基因。（条件语句应用）

6. 转为长格式，适配ggplot2的输入要求。（数据结构处理）

7. 选择合适的图表，展示感兴趣的基因表达分布和相关性，所有图表美化。（数据可视化）

8. 批量安装R包，适配后续课程所需。

1.登录Linux服务器2.Linux操作系统认知3.基本文件和目录操作AI加持：解决登陆服务器过程的各种报错

1.文本查看2.文本简单处理3.vim编辑器AI加持：复杂文本排序和统计

1.文本处理三驾马车(awk,sed,grep)2.正则表达式AI加持：描述需求，AI生成awk/sed脚本

1.conda 安装和环境管理2.环境变量3.原始的软件安装方法AI加持：遇到”command not found”，让AI分析PATH配置问题并给出修复命令

1.批处理2.条件语句3.系统变量（环境变量、位置参数变量、状态变量、自定义变量）5.通配符及参数扩展6.脚本编程7.任务提交和查看AI加持：变量作用域可视化：用流程图解释$?、$1的作用范围

1.转录组技术介绍：bulk RNA-seq/scRNA-seq/Spatial RNA-seq

2.转录组测序原理讲解(带视频)

3.转录组高分文献案例

4.服务器上文件目录管理

5.测序数据fastq下载与介绍

6.AI加持：解读linux代码并优化练习答案

1.测序数据fastq质量评估

2.测序数据fastq过滤

3.参考基因组介绍与下载(基因组数据库、fasta、gtf、gff3)

4.AI加持：质控报告评估与解读

1.cleandata数据比对

2.比对关键结果解读

3.基因表达定量

5.加餐：单端数据上游定量

6.AI加持：比对关键评估与解读

1.数据标准化和低表达基因过滤

2.三张图检查异常样本

3.三大差异分析(edgeR、limma、DESeq2)：包括3分组以上（kmeans、mfuzz）

4.常见高分文献差异结果可视化

5.常见高分文献候选基因筛选

6.常见功能数据库介绍和科研热点基因集介绍

7.基因的功能推断：ORA, GSEA, GSVA

8.常见高分文献富集分析结果可视化

9.AI加持：异常样本检测与解读

1.可变剪切分析

2.免疫组库分析

3.高分文献免疫组库结果可视化

1. 上游数据下载及结构介绍

2. cellranger流程概览

3. 上游数据质控流程

4. 表达矩阵获取

5. 数据读取质控、降维、整合、聚类、分群

6. AI加持：上游数据处理代码解读

1.人工注释和自动注释

2.细胞类型间差异分析

3.任意分组的差异分析

4.marker基因可视化及美化

5.AI加持：辅助细胞类型注释及美化代码调整

1. AI加持：拆解文章逻辑，详细解释图表

2. 多样品上游数据处理注意事项——改名及批量质控

3. 数据读取整合与批次校正、细胞分群命名

4. 细胞构成比例差异分析：统计并可视化对照组与病例组间各细胞比例的变化

5. 目标亚群的再聚类（Re-clustering）

1. 细胞通讯分析（CellChat/CellPhoneDB）

2. 拟时序分析（Trajectory Analysis）

3. 功能富集分析（GO/KEGG/GSEA）

4. 转录因子分析（SCENIC）：推断驱动成纤维细胞活化的关键转录因子。

5. AI加持：解读高级分析结果，提取关键通路

1. 基因模块评分（AddModuleScore）

2. 不同文章单细胞图表复现与拓展

3. 更换全新数据集演示全流程代码的应用与迁移

4. 寻找热点基因集与前沿分析方向的技巧

5. AI加持：如何利用 AI 将差异基因列表转化为实验设计方案

1. 入门认知和总体介绍  

2. R和Rstudio的介绍、设置和使用  

3. 项目管理  

4. 函数和R包的使用  

5. AI加持：介绍GitHub Copilot AI编程助手，体验“智能编程伙伴”。讲解如何用AI解决报错。

1. 数据类型介绍、生成和运算  

2. 数据结构介绍、生成和运算  

3. tidyverse三大包(dplyr, tidyr, stringr)的应用  

4. AI加持：选择合适的AI工具+提示词模板

1. 数据读取方法  

2. 数据导出方法  

3. 条件与循环语句及其应用  

4. 批处理函数（apply系列）

5. AI加持：优化粗糙代码，交互修改和解决报错。

1. ggplot2 系统学习

2. 拼图和保存

3. 文章图表复现案例  

4. AI加持：优化ggplot2绘图代码，按要求复现顶刊美图。

1. 读取实战的基因表达数据，包含三个分组（Primary, Metastatic, Normal）。（数据读取）

2. 删除多余列，修改列名，设置行名，检查缺失值。（数据清洗）

3. 转换为矩阵格式，适配热图的输入要求。（数据结构处理）

4. 筛选方差最大的3500个基因，适配WGCNA的输入要求。（apply系列批处理函数应用）

5. 从三组中挑选两组（Normal和Primary），筛选其中的内质网应激相关的基因。（条件语句应用）

6. 转为长格式，适配ggplot2的输入要求。（数据结构处理）

7. 选择合适的图表，展示感兴趣的基因表达分布和相关性，所有图表美化。（数据可视化）

8. 批量安装R包，适配后续课程所需。

1. 数据读取与整理

2. 差异分析及其可视化

3. 富集分析与GSEA

4. AI加持：换数据整理代码，并验证代码正确性。

1.多分组数据的差异分析

2.多个转录组数据集联合分析

3.加权共表达网络分析

4.AI加持：分析WGCNA特定模块可能代表的具体细胞功能或生物学过程。

1.利用lasso回归筛选基因

2.随机森林、支持向量机

3.多种机器学习算法的组合与评估

4.AI加持：解释机器学习模型评估指标，用通俗比喻解释专业术语。

1.KMplot绘制和批量Log-rank检验

2.lasso回归与cox比例风险模型

3.多种机器学习算法的组合

4.多种算法计算免疫浸润并可视化

5.AI加持：辅助解读Cox回归结果与森林图

1.多样本数据批量读取

2.质控、降维、整合、聚类、分群

3.双细胞去除与细胞周期计算

4.人工注释和自动注释

5.AI加持：辅助数据读取和细胞类型注释

1.细胞类型间差异分析

2.任意分组的差异分析

3.亚群分群并填回全局对象

4.多种算法实现基因集打分

5.AI加持：代码解读与定制可视化

1.Monocle 拟时序分析及可视化

2.Cellchat 细胞通讯分析及可视化

3.复杂结果的可视化与生物学解释

4.AI加持：解读细胞通讯网络，抓取关键信息。

1.AI辅助文章查找与高效阅读

2.AI辅助高质量数据集查找与筛选

3.分析思路拆解与复现逻辑梳理

4.数据收集和预处理

5.AI加持：拆解文章逻辑，生成思维导图，详细解释图表，列出数据清单。

1.单细胞图表复现与拓展

2.转录组图表复现与拓展

3.AI加持：生成图注和结果描述初稿。

1.更换全新数据集演示全流程代码的应用与迁移

2.寻找热点基因集与前沿分析方向的技巧

3.结课串讲和复习

4.AI加持：模拟审稿人视角，针对项目代码提出3个刁钻的技术或统计学问题，并生成相应的回复模板。