JYB金盈宝APP官网

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

預測反應并確定可提高化療療效的其他靶點(diǎn)是癌癥研究的主要目標。通過(guò)對胰腺導管腺癌細胞進(jìn)行大規模的體內和體外CRISPR敲除篩選,我們鑒定了其基因缺失或藥理抑制協(xié)同增加MEK信號抑制劑的細胞毒性的基因。此外,我們表明,CRISPR活力評分與基礎基因表達水平相結合,可以模擬全球細胞對藥物治療的反應。我們通過(guò)體內CRISPR篩選(DREBIC)方法開(kāi)發(fā)藥物反應評估,并使用來(lái)自獨立實(shí)驗的大規模實(shí)驗數據驗證其療效。比較分析表明,DREBIC 可以高精度地預測來(lái)自各種組織的癌細胞中的藥物反應,并識別各種癌癥類(lèi)型中 MEK 抑制劑致癌突變的治療脆弱性。間充質(zhì)干細胞干細胞家族的又一重要成員,源于發(fā)育早期的中胚層和外胚層。間充質(zhì)干細胞是一種具有自我復制能力和多向分化潛能的成體干細胞,屬于非終末分化細胞,它既有間質(zhì)細胞,又有內皮細胞及上皮細胞的特征。間充質(zhì)干細胞在體外特定的誘導條件下,可分化為脂肪、軟骨、骨、肌肉、肌腱、神經(jīng)、肝、心肌、胰島β細胞和內皮等多種組織細胞,連續傳代培養和冷凍保存后仍具有多向分化潛能。不論是自體還是同種異源的間充質(zhì)干細胞,一般都不會(huì )引起宿主的免疫反應。

由于該項研究資料和學(xué)習平臺較少,信息技術(shù)公開(kāi)度低,培訓學(xué)習迫在眉睫,特此誠摯邀請您參加下述專(zhuān)題線(xiàn)上培訓課程

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

2023最新八大熱門(mén)專(zhuān)題

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

CADD計算機輔助藥物設計

機器學(xué)習代謝組學(xué)

AIDD人工智能藥物發(fā)現與設計

機器學(xué)習微生物組學(xué)

蛋白晶體結構解析

機器學(xué)習在生物醫學(xué)中的應用

CRISPR-Cas9基因編輯技術(shù)

深度學(xué)習基因組學(xué)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

課程內容

Part.專(zhuān)題一

CRISPR-Cas9基因編輯技術(shù)課表

第一天

基因編輯簡(jiǎn)介

1.基因編輯基本概念介紹

2.單基因遺傳病數據庫 (實(shí)操)

3.基因編輯歷史

4.TALEN

5.Zinc finger

6.Base editor

7.Prime editor

第二天

1.如何選擇正確Cas9蛋白類(lèi)型

2.gRNA設計和軟件(實(shí)操)

3.sgRNA修飾

4.手動(dòng)設計PegRNA的八個(gè)要點(diǎn)(實(shí)操)

5.七種PegRNA輔助設計軟件

第三天

1.AAV遞送(組織靶向)

2.脂質(zhì)體遞送

3.核糖核蛋白遞送

4.高分子遞送

5.Viral like particles遞送

6.外泌體遞送

7.無(wú)機納米粒遞送

8. 電轉

9. 超聲

10. 顯微注射

第四天

1.動(dòng)物模型

2.質(zhì)粒

3.分子克隆基礎

4.AAV設計(實(shí)操)

5.Base editing文章分析

6.Prime editing 相關(guān)的140篇文章概覽

7.如何提高Prime editing效率

第五天

1.基因編輯已經(jīng)批準的藥物

2. 臨床試驗

3.主要公司、科學(xué)家和專(zhuān)利

4.副作用和退市的產(chǎn)品

5.FDA政策

6.CRISPR在診斷中的應用

7.CRISPR library

8.CRISPR與單細胞測序

9. CRISPR與表觀(guān)遺傳學(xué)

10. CIRPSR在植物學(xué)中的應用

11. 設計課題與評價(jià)(實(shí)操)

上下滑動(dòng)查看更多內容

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

Part.專(zhuān)題二

機器學(xué)習在生物醫學(xué)中應用專(zhuān)題

第一天

機器學(xué)習及相關(guān)概念介紹

機器學(xué)習基本概念介紹

常用機器學(xué)習模型介紹

主成分分析

一致性聚類(lèi)分析

ROC曲線(xiàn)及時(shí)間依賴(lài)的ROC曲線(xiàn)

生存分析及生存曲線(xiàn)

預后模型介紹

R語(yǔ)言入門(mén)

R語(yǔ)言概述

R軟件及R包安裝

R語(yǔ)言語(yǔ)法及數據類(lèi)型

條件語(yǔ)句

循環(huán)

函數

常用的機器學(xué)習相關(guān)的R包介紹

第二天

機器學(xué)習在生物醫學(xué)中的應用案例分享

利用機器學(xué)習方法篩選疾病相關(guān)的生物標志物

機器學(xué)習 生存分析預測患病風(fēng)險

機器學(xué)習 生存分析預測患者預后

常用生物醫學(xué)公共數據庫介紹

TCGA數據庫介紹

TCGA數據庫表達譜數據下載

TCGA臨床數據下載

合并TCGA表達譜數據

GEO數據庫介紹

GEO數據庫檢索

GEO數據下載

第三天

機器學(xué)習 GEO公共數據,復現科研文章

差異表達分析

主成分分析

機器學(xué)習模型構建

特征篩選及重要性評估

模型評估及ROC曲線(xiàn)繪制

構建nomogram模型,繪制列線(xiàn)圖

矯準曲線(xiàn)繪制

決策曲線(xiàn)繪制

一致性聚類(lèi)分析

GSEA分析

第四天

機器學(xué)習 TCGA公共數據,復現科研文章

差異表達分析

主成分分析

火山圖,熱圖繪制

GO和KEGG富集分析及可視化

生存分析,生存曲線(xiàn)繪制

一致性聚類(lèi)分析

訓練集,測試集拆分

單因素,多因素cox分析

Lasso回歸分析

風(fēng)險評估模型構建

riskscore計算

Nomogram模型構建,繪制列線(xiàn)圖

時(shí)間依賴(lài)ROC曲線(xiàn)繪制

矯準曲線(xiàn),決策曲線(xiàn)繪制

第五天

ceRNA網(wǎng)格構建

miRNA,lncRNA,circRNA介紹

miRNA,lncRNA,circRNA相關(guān)數據庫及工具介紹

ceRNA案例分享

實(shí)操部分

差異mRNA,lncRNA,miRNA分析

火山圖,熱圖,聚類(lèi)圖,柱狀圖

差異表達基因GO,KEGG富集分析,氣泡圖,柱狀圖,KEGG通路圖展示

生存分析,生存曲線(xiàn)繪制

mRNA,lncRNA表達相關(guān)性分析,相關(guān)性散點(diǎn)圖

mRNA, lncRNA, miRNA網(wǎng)絡(luò )構建

cytoscape展示ceRNA網(wǎng)絡(luò ),hub基因篩選

上下滑動(dòng)查看更多內容

結果展示:

主成分分析(PCA)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

差異表達分析熱圖

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

差異表達分析火山圖

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

GO和KEGG富集分析

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

Part.專(zhuān)題三

機器學(xué)習代謝組學(xué)課表

第一天

A1 代謝物及代謝組學(xué)的發(fā)展與應用

(1) 代謝生理功能;

(2) 代謝疾??;

(3) 非靶向與靶向代謝組學(xué);

(4) 空間代謝組學(xué)與質(zhì)譜成像(MSI);

(5) 代謝流與機制研究;

(6) 代謝組學(xué)與藥物和生物標志物。

A2 代謝組學(xué)實(shí)驗流程簡(jiǎn)介

A3 色譜、質(zhì)譜硬件原理

(1) 色譜分析原理;

(2) 色譜的氣相、液相和固相;

(3) 色譜儀和色譜柱的選擇;

(4) 質(zhì)譜分析原理及動(dòng)畫(huà)演示;

(5) 正、負離子電離模式;

(6) 色譜質(zhì)譜聯(lián)用技術(shù);

(7) LC-MS液相系統

A4 代謝通路及代謝數據庫

(1) 幾種經(jīng)典代謝通路簡(jiǎn)介;

(2) 能量代謝通路;

(3) 三大常見(jiàn)代謝物庫:HMDB、METLIN 和 KEGG;

(4) 代謝組學(xué)原始數據庫:Metabolomics Workbench 和Metabolights.

第二天

B1 代謝物樣本處理與抽提

(1) 組織、血液和體液樣本的提取流程與注意事項;

(2) 用 ACN 抽提代謝物的流程與注意事項;

(3) 樣本及代謝物的運輸與保存問(wèn)題;

B2 LC-MS 數據質(zhì)控與搜庫

(1) LC-MS 實(shí)驗過(guò)程中 QC 樣本的設置方法;

(2) LC-MS 上機過(guò)程的數據質(zhì)控監測和分析;

(3) XCMS 軟件數據轉換與提峰;

B3 R 軟件基礎

(1) R 和 Rstudio 的安裝;

(2) Rstudio 的界面配置;

(3) R 的基本數據結構和語(yǔ)法;

(4) 下載與加載包;

(5) 函數調用和 debug;

B4 ggplot2

(1) 安裝并使用 ggplot2

(2) ggplot2 的畫(huà)圖哲學(xué);

(3) ggplot2 的配色系統;

(4) ggplot2 畫(huà)組合圖和火山圖;

第三天

機器學(xué)習

C1 無(wú)監督式機器學(xué)習在代謝組學(xué)數據處理中的應用

(1) 大數據處理中的降維;

(2) PCA 分析作圖;

(3) 三種常見(jiàn)的聚類(lèi)分析K-means、層次分析與 SOM

(4) 熱圖和 hcluster 圖的 R 語(yǔ)言實(shí)現;

C2 一組代謝組學(xué)數據的降維與聚類(lèi)分析的 R 演練

(1) 數據解析;

(2) 演練與操作;

C3 有監督式機器學(xué)習在代謝組學(xué)數據處理中的應用

(1) 數據用 PCA 降維處理后仍然無(wú)法找到差異怎么辦?

(2) PLS-DA 找出最可能影響差異的代謝物;

(3) VIP score 和 coef 的意義及選擇;

(4) 分類(lèi)算法:支持向量機,隨機森林

C4 一組代謝組學(xué)數據的分類(lèi)算法實(shí)現的 R 演練

(1) 數據解讀;

(2) 演練與操作;

第四天

D1 代謝組學(xué)數據清洗與 R 語(yǔ)言進(jìn)階

(1) 代謝組學(xué)中的 t、fold-change 和響應值;

(2) 數據清洗流程;

(3) R 語(yǔ)言 tidyverse

(4) R 語(yǔ)言正則表達式;

(5) 代謝組學(xué)數據過(guò)濾;

(6) 代謝組學(xué)數據 Scaling 原理與 R 實(shí)現;

(7) 代謝組學(xué)數據的 Normalization;

(8) 代謝組學(xué)數據清洗演練;

D2 在線(xiàn)代謝組分析網(wǎng)頁(yè) Metaboanalyst 操作

(1) 用 R 將數據清洗成網(wǎng)頁(yè)需要的格式;

(2) 獨立組、配對組和多組的數據格式問(wèn)題;

(3) Metaboanalyst 的 pipeline 和注意事項;

(4) Metaboanalyst 的結果查看和導出;

(5) Metaboanalyst 的數據編輯;

(6) 全流程演練與操作

第五天

E1 機器學(xué)習與代謝組學(xué)頂刊解讀(2-3 篇);

(1) Nature Communication 一篇代謝組學(xué)小鼠腦組織樣本 database 類(lèi)型的文獻;

(2) Cell 一篇代謝組學(xué)患者血液樣本的機器學(xué)習與疾病判斷的文獻;

(3) 1-2 篇代謝組學(xué)與轉錄組學(xué)和蛋白組學(xué)結合的文獻。

E2 文獻數據分析部分復現(1 篇)

(1) 文獻深度解讀;

(2) 實(shí)操:從原始數據下載到圖片復現;

(3) 學(xué)員實(shí)操。

上下滑動(dòng)查看更多內容

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

Part:專(zhuān)題四

深度學(xué)習在基因組學(xué)中的應用

第一天

理論部分

深度學(xué)習算法介紹

1.有監督學(xué)習的神經(jīng)網(wǎng)絡(luò )算法

1.1全連接深度神經(jīng)網(wǎng)絡(luò )DNN在基因組學(xué)中的應用舉例

1.2卷積神經(jīng)網(wǎng)絡(luò )CNN在基因組學(xué)中的應用舉例

1.3循環(huán)神經(jīng)網(wǎng)絡(luò )RNN在基因組學(xué)中的應用舉例

1.4圖卷積神經(jīng)網(wǎng)絡(luò )GCN在基因組學(xué)中的應用舉例

2.無(wú)監督的神經(jīng)網(wǎng)絡(luò )算法

2.1自動(dòng)編碼器AE在基因組學(xué)中的應用舉例

2.2生成對抗網(wǎng)絡(luò )GAN在基因組學(xué)中的應用舉例

實(shí)操內容

1.Linux操作系統

1.1常用的Linux命令

1.2 Vim編輯器

1.3基因組數據文件管理, 修改文件權限

1.4查看探索基因組區域

2.Python語(yǔ)言基礎

2.1.Python包安裝和環(huán)境搭建

2.2.常見(jiàn)的數據結構和數據類(lèi)型

第二天

理論部分

基因組學(xué)基礎

1. 基因組數據庫

2. 表觀(guān)基因組

3. 轉錄基因組

4. 蛋白質(zhì)組

5. 功能基因組

實(shí)操內容

基因組常用深度學(xué)習框架

1. 安裝并介紹深度學(xué)習工具包tensorflow, keras,pytorch

2. 在工具包中識別深度學(xué)習模型要素

2.1.數據表示

2.2.張量運算

2.3.神經(jīng)網(wǎng)絡(luò )中的“層”

2.4.由層構成的模型

2.5.損失函數與優(yōu)化器

2.6.數據集分割

2.7.過(guò)擬合與欠擬合

3.基因組數據處理

3.1安裝并使用keras_dna處理各種基因序列數據如BED、 GFF、GTF、BIGWIG、BEDGRAPH、WIG等

3.2使用keras_dna設計深度學(xué)習模型

3.3使用keras_dna分割訓練集、測試集

3.4使用keras_dna選取特定染色體的基因序列等

第三天

理論部分

卷積神經(jīng)網(wǎng)絡(luò )CNN在基因調控預測中的應用

1. Chip-Seq中識別基序特征G4,如DeepG4

2. Chip-Seq中預測DNA甲基化,DeepSEA

3. Chip-Seq中預測轉錄調控因子結合,DeepSEA

實(shí)操內容

復現卷積神經(jīng)網(wǎng)絡(luò )CNN識別基序特征DeepG4、非編碼基因突變DeepSEA復現DeepG4從Chip-Seq中識別G4特征

1. 安裝selene_sdk,復現DeepSEA從Chip-Seq中預測DNA甲基化,非編碼基因突變

第四天

理論部分

深度學(xué)習在識別拷貝數變異DeepCNV

1. SNP微陣列中預測拷貝數變異CNV,DeepCNV

2. RNA-Seq中預測premiRNA,dnnMiRPre

實(shí)操內容

1. 復現DeepCNV利用SNP微陣列聯(lián)合圖像分析識別拷貝數變異

2. 復現循環(huán)神經(jīng)網(wǎng)絡(luò )RNN工具 dnnMiRPre,從RNA-Seq中預測premiRNA

第五天

理論部分

深度學(xué)習在識別及疾病表型及生物標志物上的應用

1. 從基因表達數據中識別乳腺癌分型的深度學(xué)習工具DeepType

實(shí)操內容

1. 復現DeepType,從METABRIC乳腺癌數據中區分乳腺癌亞型

第六天

理論部分

深度學(xué)習在預測藥物反應機制上的應用

1. 聯(lián)合腫瘤基因標記及藥物分子結構預測藥物反應機制的深度學(xué)習工具SWnet

實(shí)操內容

1. 預處理藥物分子結構信息

2. 計算藥物相似性

3. 在不同數據集上構建self-attention SWnet

4. 評估self-attention SWnet

5. 構建多任務(wù)的SWnet

6. 構建單層SWnet

7. 構建帶權值層的SWnet

上下滑動(dòng)查看更多內容

上下滑動(dòng)查看更多

Part.專(zhuān)題五

機器學(xué)習微生物組學(xué)課表

第一天

1. 微生物學(xué)基礎知識回顧

2. 機器學(xué)習基本概念介紹

a. 什么是機器學(xué)習

b. 監督學(xué)習、無(wú)監督學(xué)習

c. 常用機器學(xué)習模型介紹

3. 混淆矩陣

4. ROC曲線(xiàn)

第二天

R語(yǔ)言簡(jiǎn)介與實(shí)操

1. R語(yǔ)言概述

2. R studio軟件與R包安裝

3. R語(yǔ)言語(yǔ)法及數據類(lèi)型

4. 條件語(yǔ)句和循環(huán)

Linux實(shí)操

1. Linux操作系統

2. Linux操作系統的安裝與設置

3. 網(wǎng)絡(luò )配置與服務(wù)進(jìn)程管理

4. Linux的遠程登錄管理

5. 常用的Linux命令

6. 在Linux下獲取基因數據

7. Shell script與Vim編輯器

第三天

微生物組常用分析方法(實(shí)操)

1. 微生物豐度分析

2. 轉錄組豐度分析

3. 進(jìn)化樹(shù)分析

4. 降維分析

第四天

機器學(xué)習在微生物組學(xué)中的應用案例分享

1. 疾病預測應用:利用機器學(xué)習基于微生物組學(xué)數據預測疾病狀態(tài)

2. 腸道菌群研究:機器學(xué)習研究飲食對腸道微生物的影響

第五天

機器學(xué)習模型訓練和分析(實(shí)操)

1. 加載數據及數據歸一化

2. 構建訓練模型(GLM, RF, SVM

3. 模型參數優(yōu)化

4. 模型錯誤率曲線(xiàn)繪制

5. 混淆矩陣計算

6. 重要特征篩選

7. 模型驗證,ROC曲線(xiàn)繪制利用模型進(jìn)行預測

利用機器學(xué)習基于微生物組學(xué)數據預測宿主表型

1. 加載數據

2. 數據歸一化

3. OUT特征處理

4. 機器學(xué)習模型構建(RF, KNN, SVM, Lasso等多種機器學(xué)習方法)

5. 繪制ROC 曲線(xiàn),比較不同機器學(xué)習模型模型性能評估

利用機器學(xué)習基于臨床特征和腸道菌群預測疾病風(fēng)險

1. 加載數據

2. 機器學(xué)習模型構建(RF, gbm, SVM等等)

3. 交叉驗證

4. 模型性能評估

上下滑動(dòng)查看更多內容

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

Part.專(zhuān)題六

CADD計算機輔助藥物設計課表

第一天

上午

導論與基礎

1. 蛋白質(zhì)三維結構的預測對于藥物發(fā)現的重要性

1.1 同源建模

1.2 從頭建模

2. 蛋白質(zhì)(酶/靶點(diǎn))活性位點(diǎn)在藥物發(fā)現的重要性

3. 藥物發(fā)現中的關(guān)鍵結構特征(特別是小分子)

4. 藥物輔助發(fā)現常用的計算方法

4.1 分子對接

4.2 虛擬篩選

4.3 分子動(dòng)力學(xué)模擬

4.4 其他

下午

1. PDB數據庫的介紹

1.1 檢索蛋白

1.2 頁(yè)面功能及解讀

1.3 數據的下載

1.4 PDB文件格式的解讀

2. PyMol

2.1 軟件介紹

2.2 基本操作介紹

2.3 蛋白及小分子表面圖、靜電勢表示

2.4 繪制相互作用圖及制作簡(jiǎn)單動(dòng)畫(huà)

第二天

上午

同源建模

1. 同源建模原理介紹

1.1 同源建模的功能及使用場(chǎng)景

1.2 同源建模的方法

2. Swiss-Model 同源建模;

2.1 同源蛋白的搜索(blast等方法)

2.2 蛋白序列比對

2.3 蛋白模板選擇

2.4 蛋白模型搭建

2.5 模型評價(jià)(蛋白拉曼圖)

2.6 蛋白模型優(yōu)化

實(shí)例講解與練習:用2019-nCoV spike蛋白序列建模,根據相應參數和方法評價(jià)模型

下午

小分子構建

1. ChemDraw軟件介紹

1.1 小分子結構構建

1.2 小分子理化性質(zhì)(如分子量、clogP等)計算

1.3 分別構建大環(huán)、氨基酸、DNA、RNA等分子

小分子化合物庫

2 小分子數據庫

2.1 DrugBank、ZINC、ChEMBL等數據庫介紹及使用

2.2 天然產(chǎn)物、中藥成分數據庫介紹及使用

第三天

上午

1. 分子對接基礎

1.1 分子對接原理

1.2 分子對接分類(lèi)

1.3 分子對接打分函數

2. 常規分子對接實(shí)踐

2.1 對接的執行

2.1.1 藥物分子配體的準備

2.1.2 蛋白受體的準備

2.1.3 受體格點(diǎn)計算

2.1.3 執行半柔性對接

下午

1.2對接結果評價(jià)

1.2.1 晶體結構構象進(jìn)行對比

1.2.2 能量角度評價(jià)對接結果

1.2.3 聚類(lèi)分析評價(jià)對接結果

1.2.4 最優(yōu)結合構象的選擇

2 對接其他方式的實(shí)現

第四天

上午

1 柔性對接

1.1 小分子配體優(yōu)化準備

1.2 蛋白受體的準備

1.3 柔性殘基的定義

1.4 蛋白受體格點(diǎn)計算

1.5 柔性對接計算及結果評價(jià)

1.6 半柔性對接與柔性對接比較與選擇

2 柔性對接其他方式的實(shí)現

下午

基于受體的藥物發(fā)現

1 虛擬篩選的準備

1.1 小分子文件的不同格式

1.2 openbabel最實(shí)用功能的介紹

1.3 小分子不同格式的轉化

2. 基于對接的虛擬篩選

2.1 虛擬篩選定義、流程構建及演示

2.2 靶點(diǎn)蛋白選擇、化合物庫獲取

2.3 虛擬篩選

2.4 結果分析(打分值、能量及相互作用分析)

第五天

上午

一些特殊的分子對接

1.小分子-小分子對接

1.1小分子-小分子相互作用簡(jiǎn)介

1.2小分子結構預處理

1.3小分子-小分子對接(糖-小分子為例)

1.4對接結果展示與分析

2. 蛋白-核酸對接

3. 蛋白-蛋白對接

下午

基于配體的藥物發(fā)現

1. 3D-QSAR模型構建(Sybyl軟件)

1.1 小分子構建

1.2 創(chuàng )建小分子數據庫

1.3 小分子加電荷及能量?jì)?yōu)化

1.4 分子活性構象確定及疊合

1.5 創(chuàng )建3D-QSAR模型

1.6 CoMFA和CoMSIA模型構建

1.7 測試集驗證模型

1.8 模型參數分析

1.9 模型等勢圖分析

1.10 3D-QSAR模型指導藥物設計

第六天

上午

1. linux系統介紹

2.常用命令介紹

3. linux上程序的安裝(gromacs)

下午

MD實(shí)踐一:溶劑化下蛋白質(zhì)分子動(dòng)力學(xué)模擬

全面熟悉分子動(dòng)力學(xué)模擬的一般流程

第七天

上午

MD實(shí)踐二:溶劑化下蛋白質(zhì)-配體的分子動(dòng)力學(xué)模擬

掌握處理非標準殘基的力場(chǎng)擬合

下午

分子動(dòng)力學(xué)模擬中的常用分析命令

蛋白-配體結合自由能的結算

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

Part.專(zhuān)題七

AIDD人工智能藥物發(fā)現與設計課表

第一天

1 人工智能藥物發(fā)現(AIDD)簡(jiǎn)介

2 機器學(xué)習和深度學(xué)習在藥物發(fā)現領(lǐng)域的應用

2.1 分子屬性預測與優(yōu)化

2.2 虛擬篩選

2.3 藥物副作用預測與安全性評估

2.4 新藥分子設計

3 工具介紹與安裝

3.1 Anaconda3/Pycharm 安裝

3.2 Numpy 基礎

3.3 Pandas 基礎

3.4 Matplotlib 基礎

3.5 Scikit-learn 基礎

3.6 Pytorch 基礎

3.7 RDKit 基礎

第二天

1 機器學(xué)習簡(jiǎn)介

1.1 機器學(xué)習四要素

1.2 數據模塊

1.3 核心和高級 API

2 回歸算法與應用

2.1 線(xiàn)性回歸

2.2 Lasso 回歸

2.3 Ridge 回歸

2.4 ElasticNset 彈性網(wǎng)絡(luò )

3 分類(lèi)算法與應用

3.1 邏輯回歸

3.2 樸素貝葉斯

3.3 KNN

3.4 SVC

3.5 決策樹(shù)

3.6 隨機森林

3.7 集成學(xué)習

4 聚類(lèi)算法

4.1 KMeans

4.2 密度聚類(lèi) DBSCAN

5 降維

5.1 奇異值分解 SVD

5.2 主成分分析 PCA

5.3 非負矩陣分解 NMF

6 模型的評估方法和評價(jià)指標

6.1 超參數優(yōu)化

6.2 交叉驗證

6.3 評價(jià)指標

7 特征工程

8 機器學(xué)習藥物發(fā)現案例(一)

——化合物生物活性分類(lèi)模型

9 機器學(xué)習藥物發(fā)現案例(二)

——化合物生物活性回歸模型

10 機器學(xué)習藥物發(fā)現案例(三)

—— 藥物副作用預測模型

第三天

1 深度學(xué)習與藥物發(fā)現( 一)

1.1 深度神經(jīng)網(wǎng)絡(luò )

1.2 正向和反向傳播

1.3 優(yōu)化方法

1.3.1 梯度下降增加動(dòng)力

1.3.2 自適應學(xué)習

1.3.3 Adam

1.4 損失函數

1.4.1 平均絕對誤差

1.4.2 均方誤差損失函數

1.4.3 交叉熵損失函數

1.5 卷積神經(jīng)網(wǎng)絡(luò )

1.5.1 卷

1.5.2 填充和步幅

1.5.3 池化層

1.5.4 LeNet 網(wǎng)絡(luò )

1.5.5 AlexNet 網(wǎng)絡(luò )

2 深度學(xué)習藥物發(fā)現案例(一)

—— 藥物-藥物相互作用預測模型

第四天

1 深度學(xué)習與藥物發(fā)現( 二)

1.1 循環(huán)神經(jīng)網(wǎng)絡(luò )

1.2 消息傳遞神經(jīng)網(wǎng)絡(luò )

1.3 圖卷積神經(jīng)網(wǎng)絡(luò )

1.4 圖注意力神經(jīng)網(wǎng)絡(luò )

1.5 圖采樣和聚合

2 深度學(xué)習藥物發(fā)現案例(二)

—— 藥物靶標相互作用預測模型

3 深度學(xué)習藥物發(fā)現案例(三)

—— 藥物重定位模型

第五天

1 深度學(xué)習與藥物發(fā)現 (三)

1.1 注意力機制

1.2 自注意力模型

1.3 多頭自注意力模型

1.4 交叉注意力模型

1.5 Transformer 模型

2 深度學(xué)習藥物發(fā)現案例(四)

—— 藥物-藥物相互作用預測模型

3 深度學(xué)習藥物發(fā)現案例(五)

—— 藥物靶標結合親和力預測模型

上下滑動(dòng)查看更多內容

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

副作用在藥物-藥物相似性網(wǎng)絡(luò )中傳播

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

利用藥物關(guān)聯(lián)網(wǎng)絡(luò )特征和深度神經(jīng)網(wǎng)絡(luò )識別藥物之間潛在相互作用事件

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

通過(guò)深度學(xué)習整合來(lái)自異構網(wǎng)絡(luò )的鄰接信息以發(fā)現新的藥物靶點(diǎn)相互作用

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

將藥物和蛋白質(zhì)信息關(guān)聯(lián)起來(lái)的帶有注意力區塊的 AttentionDTA 模型

Part.專(zhuān)題八

蛋白質(zhì)晶體結構解析課表

第一天

蛋白質(zhì)結晶前準備

課程介紹和蛋白質(zhì)結構功能基本介紹

提純蛋白質(zhì),確定濃度、pH值、緩沖液等條件,控制蛋白質(zhì)穩定性等。

1、目的蛋白質(zhì)信息檢索與調查

– 利用生物信息學(xué)工具搜集目標蛋白質(zhì)的基因序列、結構域、同源蛋白質(zhì)的信息

– 分析目標蛋白質(zhì)的理化性質(zhì),如分子量、等電點(diǎn)、聚合程度、穩定性等

2、質(zhì)粒制備

– 設計引物,克隆目標基因到表達載體

– 轉化表達宿主,提取重組質(zhì)粒

– 質(zhì)粒測序驗證目標基因插入

3、蛋白質(zhì)純化

– 選擇合適的誘導條件,表達可溶性或不溶性重組蛋白

– 裂解菌體,釋放重組蛋白質(zhì)

– 蛋白質(zhì)純化:親和層析、離子交換層析、凝膠過(guò)濾等

4、蛋白質(zhì)不表達和包涵體問(wèn)題

– 分析不表達的原因,優(yōu)化誘導條件

– 改進(jìn)溶解緩沖液條件,提高蛋白從包涵體中釋放

5、蛋白質(zhì)活性鑒定

– 進(jìn)行Western Blot或酶活性實(shí)驗驗證蛋白質(zhì)活性

6、蛋白質(zhì)結晶前分析

– 測定蛋白質(zhì)的純度、聚合狀態(tài)、穩定性

– 優(yōu)化緩沖液條件,調整蛋白質(zhì)到適宜的pH和離子濃度

第二天

蛋白質(zhì)結晶與衍射數據收集

利用協(xié)同結晶篩選獲得蛋白質(zhì)結晶,在同步輻射光源下收集衍射數據。

1、蛋白質(zhì)結晶

– 蛋白質(zhì)結晶的基本原理

– 蛋白質(zhì)結晶的影響因素

– 蛋白質(zhì)結晶的基本方法

– 結晶條件篩選策略

2、SSRF(同步輻射光源) 的介紹

– SSRF簡(jiǎn)介

– SSRF的光源優(yōu)勢

– SSRF的實(shí)驗站介紹

3、蛋白質(zhì)晶體衍射數據收集

– X射線(xiàn)結晶學(xué)基本原理

– 晶體探針和晶體定位

– 晶體測試和優(yōu)化

– 衍射數據收集參數設定

– 衍射數據處理和分析

第三天

蛋白質(zhì)晶體結構解析軟件安裝

安裝相關(guān)計算機程序,如Phenix, XDS, Pymol等用于后續的數據處理與模型建立。

1、Linux系統安裝

– Linux系統選擇和安裝

– Linux系統基本命令

– Linux系統環(huán)境配置

2、蛋白質(zhì)晶體結構解析軟件安裝

– CCP4安裝

– Phenix安裝

– Coot安裝

– PyMol安裝

– 其他結構解析支持軟件安裝

蛋白質(zhì)結構解析的各種軟件主要在Linux系統下使用。建議使用Linux系統。首先需要對Linux系統進(jìn)行簡(jiǎn)單的介紹,包括選擇發(fā)行版本、基本命令使用、環(huán)境變量配置等。然后依次介紹CCP4、Phenix、Coot、PyMol等主要的結構解析軟件的下載、編譯和安裝方法。也可以介紹一些結構解析中需要的其他軟件工具的安裝。通過(guò)這個(gè)章節的學(xué)習,學(xué)生可以掌握在Linux系統上配置蛋白質(zhì)結構解析的軟件環(huán)境。

Index、integrate與scale軟件使用和介紹

利用軟件index及integrate衍射點(diǎn),scale衍射數據以校正強度。

1、晶體結構學(xué)知識

– 晶體學(xué)中的衍射理論基礎

– 布拉格定律和倒易格向量

– 晶體的對稱(chēng)性

2、蛋白質(zhì)晶體結構解析流程

– 蛋白質(zhì)的表達與純化

– 蛋白質(zhì)的結晶

– X射線(xiàn)晶體學(xué)數據收集

– 晶體結構解析流程概述

3、Index和integrate

– Indexing的目的和原理

– Integration的目的和過(guò)程

4、Scale

– Scale的目的——校正數據

– Scale常用方法

5、使用XSCALE功能進(jìn)行scale

– XSCALE軟件介紹

– 使用XSCALE進(jìn)行數據scale的步驟

6、使用HKL2000進(jìn)行index、integrate和scale

– HKL2000軟件介紹

– 使用HKL2000進(jìn)行indexing

– 使用HKL2000進(jìn)行integration

– 使用HKL2000進(jìn)行scaling

第四天

分子置換、構建優(yōu)化與結構提交

利用分子置換法確定蛋白質(zhì)框架,手動(dòng)構建余下結構,進(jìn)行優(yōu)化后提交蛋白質(zhì)坐標庫。

1、分子置換

(1) 分子置換的概念

(2) 分子置換的目的

(3) 常用的分子置換軟件介紹

(4) 分子置換的具體操作步驟

2、蛋白質(zhì)晶體結構構建

(1) 蛋白質(zhì)序列比對確定構建起始模型

(2) 主鏈構建方法

(3) 側鏈構建方法

(4) 構建完成后的模型檢查

3、蛋白質(zhì)晶體結構優(yōu)化

(1) 能量最小化原理

(2) 模擬退火原理

(3) 分子動(dòng)力學(xué)模擬原理

(4) 優(yōu)化過(guò)程中的評估標準

4、蛋白質(zhì)晶體結構驗證

(1) Ramachandran圖分析

(2) 各類(lèi)鍵長(cháng)和鍵角分布

(3) 密接點(diǎn)分析

(4) B因子分布

(5) 電子密度匹配度評價(jià)

5、蛋白質(zhì)晶體結構提交到PDB

(1) PDB數據提交要求

(2) 各項驗證確認無(wú)誤后壓縮需提交文件

(3) 在PDB網(wǎng)站提交表單,上傳文件,等待審核結果

第五天

蛋白質(zhì)晶體結構展示

利用Pymol等軟件分析并展示蛋白質(zhì)的二級結構、三級結構,活性口袋等結構信息。

1、pdb格式文件簡(jiǎn)介

– pdb文件概述:包含蛋白質(zhì)晶體學(xué)數據的標準格式

– 原子坐標:記錄每個(gè)原子的xyz坐標

– 溫度因子:記錄每個(gè)原子的熱運動(dòng)參數

– 二級結構:記錄α螺旋和β片層的位置

– 結構注解:記錄配體、酶活性中心等重要結構信息2、PyMOL制作蛋白質(zhì)晶體結構圖

– PyMOL簡(jiǎn)介:流行的分子可視化軟件

– 加載pdb文件

– 顯示蛋白質(zhì)鏈、α螺旋和β片層

– 調整視角、變色和放大關(guān)鍵結構

– 導出高質(zhì)量圖像3、使用PyMOL制作蛋白質(zhì)配體結合位點(diǎn)信息

– 識別蛋白質(zhì)與配體的相互作用

– 突出顯示配體結合位點(diǎn)殘基

– 在結合位點(diǎn)生成表面模型

– 制作配體結合位點(diǎn)的特寫(xiě)圖4、使用PyMOL調查蛋白質(zhì)的溫度因子B-factors

– 顯示溫度因子putty圖

– 分析柔性域和穩定域

– 與酶活性中心和功能位點(diǎn)的關(guān)系5、使用PyMOL重疊對比不同的蛋白質(zhì)晶體結構

– 載入不同狀態(tài)的pdb文件

– 重疊對齊蛋白質(zhì)結構

– 比較構象變化,如酶動(dòng)力學(xué)過(guò)程中的不同中間狀態(tài)6、使用PyMOL顯示蛋白質(zhì)晶體結構中配體的電子密度圖

– 加載包含配體密度的pdb文件

– 顯示2Fo-Fc 和 Fo-Fc電子密度圖

– 檢查配體與電子密度的匹配程度

– 評估配體定位和取向的準確性7、使用PyMOL結合Chimera實(shí)現同步顯示非對稱(chēng)單元的蛋白質(zhì)分子

– 在PyMOL中顯示蛋白質(zhì)非對稱(chēng)單元

– 在Chimera中同步顯示非對稱(chēng)單元

– 細節對比不同分子中的相同結構

– 分析蛋白質(zhì)多聚體形成的分子間相互作用

上下滑動(dòng)查看更多內容

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

三、

講師介紹

CADD主講老師來(lái)自國內高校、中科院等單位,老師主要擅長(cháng)深度學(xué)習、機器學(xué)習、藥物虛擬篩選、計算機輔助藥物設計、人工智能藥物發(fā)現、分子對接、分子動(dòng)力學(xué)等方面的研究

AIDD授課老師余老師,有十余年的計算機算法研究和程序設計經(jīng)驗。研究方向涉及生物信息學(xué),深度學(xué)習,藥物靶標識別,藥物不良反應等。參與了國自然基金2項,主持了省廳級科研項目3項。一作身份發(fā)表SCI論文數篇,包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。

蛋白晶體結構解析主講老師顧博士來(lái)自基礎醫學(xué)院醫學(xué)藥理學(xué)系教師。具有十年以上的高校教學(xué)經(jīng)驗,承擔本科生、研究生的教學(xué)任務(wù)。主持省自然科學(xué)基金1項(已結題),發(fā)表SCI論文10余篇。參與編寫(xiě)教材5部,擔任人民衛生出版社配套教材編委,高等教育出版社數字教材編委,另外主編教輔教材2部。獲省教學(xué)成果獎二等獎(排名第9),省一流本科課程(排名3),省在線(xiàn)開(kāi)放課程(排名3),擔任省藥理學(xué)會(huì )教學(xué)專(zhuān)委會(huì )委員,學(xué)系教學(xué)副主任。

CRISPR-Css9基因編輯主講老師來(lái)自加州大學(xué)生物醫學(xué)工程專(zhuān)業(yè)博士,曾在麻省理工和哈佛大學(xué)從事基因編輯研究,在耶魯大學(xué)從事基因遞送工作。文章發(fā)表在Nature Biomedical Engineering, Nature Communications等雜志上。曾在天使投資機構工作,主要投資基因編輯、單細胞測序、AI制藥等方向的創(chuàng )業(yè)公司。

機器學(xué)習代謝組學(xué)主講老師來(lái)自985高校神經(jīng)科學(xué)博士,主要利用代謝組學(xué)、轉錄組學(xué)和分子生物學(xué)等技術(shù)研究神經(jīng)內科慢性病的發(fā)病機制和生物標志物。擅長(cháng)高效液相色譜-質(zhì)譜聯(lián)用(LC-MS)技術(shù)進(jìn)行非靶向和靶向代謝組學(xué)從樣本制備到數據分析的全流程研究,以及多組學(xué)大數據的生物信息學(xué)整合分析。5年內在J Clin Invest, EBioMedicine, Cell Death Dis, Cell Death Discov, Nanotoxicology等雜志發(fā)表SCI論文10篇。

機器學(xué)習微生物組學(xué)主講老師來(lái)自生物科技公司核心高管,曾在麻省理工學(xué)院、加州大學(xué)舊金山分校等機構工作,過(guò)去5年科研工作發(fā)表于Cell, PNAS等雜志

機器學(xué)習生物醫學(xué)主講老師生物信息學(xué)博士,有十余年的測序數據分析經(jīng)驗。研究領(lǐng)域涉及機器學(xué)習,芯片數據分析,核酸及蛋白序列分析,DNA,RNA,甲基化測序數據分析,單細胞測序數據分析,miRNA及靶基因分析,生存分析及預后模型構建等。具有5年培訓經(jīng)驗,對常用公共數據庫TCGA,NCBI, UCSC, GEO等非常熟悉。發(fā)表SCI論文30余篇,其中一作及并列一作15篇。

深度學(xué)習基因組學(xué)主講老師劉老師,生物信息學(xué)博士,有十余年的測序數據分析經(jīng)驗。研究領(lǐng)域涉及人工智能、自然語(yǔ)言處理、功能基因組學(xué)、轉錄組學(xué)、miRNA及靶基因網(wǎng)絡(luò )分析,單細胞測序數據分析,基因調控網(wǎng)絡(luò )時(shí)序分析,蛋白質(zhì)互作網(wǎng)絡(luò )分析,多組學(xué)聯(lián)合分析等。主持省自然科學(xué)基金等項目4項,發(fā)表SCI論文23篇,論著(zhù)一部。

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

四 培訓對象

全國各大高校、企業(yè)、科研院所從事人工智能、生命科學(xué)、代謝工程、有機合成、天然產(chǎn)物、藥物、生物信息學(xué)、植物學(xué),動(dòng)物學(xué)、化學(xué)化工,醫學(xué)、基因組學(xué)、農業(yè)科學(xué)、植物學(xué)、動(dòng)物學(xué),臨床醫學(xué)、食品科學(xué)與工程、腫瘤免疫與靶向治療、全基因組泛癌分析、人黏連蛋白折疊基因組機、病毒檢測、功能基因組、遺傳圖譜、基因挖掘變異、代謝組學(xué)、蛋白質(zhì)組學(xué)、轉錄組學(xué)、生物醫學(xué)、核酸、毒物學(xué)等研究科研人員及愛(ài)好者

五 學(xué)習目標

CADD計算機輔助藥物設計:讓學(xué)員能夠掌握包括PDB數據庫、靶點(diǎn)蛋白、蛋白質(zhì)-配體、蛋白-配體小分子、蛋白-配體結構、notepad的介紹和使用、分子對接、蛋白-配體對接、虛擬篩選、蛋白-蛋白對接、蛋白-多糖分子對接、蛋白-水合對接、Linux安裝、gromacs分子動(dòng)力學(xué)全程實(shí)操、溶劑化分子動(dòng)力學(xué)模擬

CRISPR-Cas9基因編輯技術(shù):課程從全局出發(fā),由淺入深,課程通過(guò)基礎入門(mén) 應用案例實(shí)操演練的方式,從最初的原理講解到最后的應用實(shí)戰,學(xué)完本課程你將掌握基因編輯技術(shù)的相關(guān)原理及其應用,此外可以學(xué)到基因編輯系統的優(yōu)化策略,可以學(xué)到如何操作常用的生物學(xué)軟件。能夠快速運用到自己的科研項目和課題上。

AIDD人工智能藥物發(fā)現與設計:本課程讓學(xué)員了解藥物發(fā)現的前沿背景,學(xué)習人工智能領(lǐng)域的各類(lèi)常見(jiàn)算法,熟悉工具包的安裝與使用,掌握一定的算法編程能力,能夠運用計算機方法研究藥物相關(guān)問(wèn)題。通過(guò)大量的案例講解和實(shí)踐操作,具備一定的AIDD模型構建和數據分析能力

蛋白質(zhì)晶體結構解析:近年來(lái)結構生物學(xué)發(fā)展迅速并和其他學(xué)科相互滲透交叉,特別是受到結構基因組學(xué)等熱點(diǎn)學(xué)科的極大帶動(dòng)。作為結構生物學(xué)的基本手段和技術(shù),蛋白質(zhì)晶體學(xué)從解析簡(jiǎn)單的蛋白質(zhì)三維結構延伸到解決各類(lèi)生物大分子及復合物結構,并更加注重研究結構與功能之間的相互關(guān)系,派生出諸如基于結構的藥物設計等應用性很強的分支。生物技術(shù)及計算機技術(shù)的飛速發(fā)展,尤其是高通量技術(shù)在生物學(xué)領(lǐng)域的應用,為蛋白質(zhì)晶體學(xué)帶來(lái)了全新的概念和更加廣闊的前景。

機器學(xué)習代謝組學(xué):熟悉代謝組學(xué)和機器學(xué)習相關(guān)硬件和軟件;熟悉代謝組學(xué)從樣本處理到數據分析的全流程;能復現至少1篇CNS或子刊級別的代謝組學(xué)文章圖片。

機器學(xué)習微生物組學(xué):通過(guò)本次培訓多個(gè)案例的系統講解讓參會(huì )學(xué)員學(xué)會(huì )機器學(xué)習在微生物組數據分析流程,能夠快速運用到自己的科研項目和課題上

機器學(xué)習生物醫學(xué):通過(guò)本次學(xué)習,你將了解機器學(xué)習基本概念及常用機器學(xué)習模型的原理;生存分析及風(fēng)險模型的構建;R語(yǔ)言構建常用機器學(xué)習模型;機器學(xué)習常見(jiàn)圖,表的繪制;生存分析,預后模型常見(jiàn)圖,表的繪制

深度學(xué)習基因組學(xué):適于對深度學(xué)習、課程通過(guò)基礎入門(mén) 應用案例實(shí)操演練的方式,從初學(xué)及應用研究的角度出發(fā),帶大家實(shí)戰演練多種深度學(xué)習模型(深度神經(jīng)網(wǎng)絡(luò ) DNN、 卷積神經(jīng)網(wǎng)絡(luò ) CNN、循環(huán)神經(jīng)網(wǎng)絡(luò ) RNN、可變自動(dòng)編碼器 VAE、圖卷積神經(jīng)網(wǎng)絡(luò ) GCN)在基因組學(xué)分析中的各種應用:通過(guò)對這些深度學(xué)習在基因組學(xué)中的應用案例進(jìn)行深度講解和實(shí)操,讓學(xué)員能夠掌 握深度學(xué)習分析高維基因組學(xué)、轉錄組學(xué)、蛋白組學(xué)等多組學(xué)數據流程,系統學(xué)習深度學(xué)習及基因組學(xué)理論知識及熟悉軟件代碼實(shí)操, 熟練掌握這些前沿的分析工具的使用以及研究創(chuàng )新深度學(xué)習算法解決生物學(xué)及臨床疾病問(wèn)題與需求。

六 課程特色

課程特色

1、課程特色–全面的課程技術(shù)應用、原理流程、實(shí)例聯(lián)系全貫穿

2、學(xué)習模式–理論知識與上機操作相結合,讓零基礎學(xué)員快速熟練掌握

3、課程服務(wù)答疑–主講老師將為您實(shí)際工作中遇到的問(wèn)題提供專(zhuān)業(yè)解答

福利及授課方式

福利:報名繳費成功贈送報名班型全套預習資料,課后學(xué)習完畢提供全程錄像視頻回放,針對與培訓課程內容進(jìn)行長(cháng)期答疑,微信解疑群永不解散,參加本次課程的學(xué)員可免費再參加一次本單位后期組織的相同的專(zhuān)題培訓班(任意一期都可以)

授課方式:

通過(guò)騰訊會(huì )議線(xiàn)上直播,理論 實(shí)操的授課模式,老師手把手帶著(zhù)操作,從零基礎開(kāi)始講解,電子PPT和教程開(kāi)課前一周提前發(fā)送給學(xué)員,所有培訓使用軟件都會(huì )發(fā)送給學(xué)員,有什么疑問(wèn)采取開(kāi)麥共享屏幕和微信群解疑,學(xué)員和老師交流、學(xué)員與學(xué)員交流,培訓完畢后老師長(cháng)期解疑,培訓群不解散,往期培訓學(xué)員對于培訓質(zhì)量和授課方式一致評價(jià)極高!

七、授課時(shí)間

CADD計算機輔助藥物設計

2023.10.17-2023.10.20晚上授課

(晚19:00—晚22:00)

2023.10.21-2023.10.22全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.24-2023.10.25晚上授課

(晚19:00—晚22:00)

2023.10.28-2023.10.29全天授課

(上午9:00-11:30下午13:30-17:00)

AIDD人工智能藥物發(fā)現與設計

2023.10.24-2023.10.27晚上授課

(晚19:00—晚22:00)

2023.10.28-2023.10.29全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.31-2023.11.01晚上授課

(晚19:00—晚22:00)

蛋白晶體結構解析

2023.10.17-2023.10.20晚上授課

(晚19:00—晚22:00)

2023.10.21-2023.10.22全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.24-2023.10.25晚上授課

(晚19:00—晚22:00)

CRISPR-Cas9基因編輯技術(shù)

2023.10.24-2023.10.25晚上授課

(晚19:00—晚22:00)

2023.10.28-2023.10.29全天授課

(上午9:00-11:30下午13:30-17:00)

2023.11.04-2023.11.05全天授課

(上午9:00-11:30下午13:30-17:00)

機器學(xué)習代謝組學(xué)

2023.10.24-2023.10.27晚上授課

(晚19:00—晚22:00)

2023.10.28-2023.10.29全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.31-2023.11.01晚上授課

(晚19:00—晚22:00)

機器學(xué)習微生物組學(xué)

2023.10.17-2023.10.20晚上授課

(晚19:00—晚22:00)

2023.10.21-2023.10.22全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.24-2023.10.25晚上授課

(晚19:00—晚22:00)

機器學(xué)習生物醫學(xué)

2023.10.17-2023.10.20晚上授課

(晚19:00—晚22:00)

2023.10.21-2023.10.22全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.24-2023.10.25晚上授課

(晚19:00—晚22:00)

深度學(xué)習基因組學(xué)

2023.10.24-2023.10.27晚上授課

(晚19:00—晚22:00)

2023.10.28-2023.10.29全天授課

(上午9:00-11:30下午13:30-17:00)

2023.10.31-2023.11.01晚上授課

(晚19:00—晚22:00)

2023.11.04全天授課

(上午9:00-11:30下午13:30-17:00)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

報名費用及福利

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

CADD計算機輔助藥物設計;

AIDD人工智能藥物發(fā)現;

蛋白晶體結構解析;

深度學(xué)習基因組學(xué);

公費價(jià):5880 自費價(jià):5480

每班價(jià)格

機器學(xué)習代謝組學(xué);

機器學(xué)習微生物組學(xué);

機器學(xué)習生物醫學(xué);

CRISPR-Cas9基因編輯技術(shù);

公費價(jià)4880 自費價(jià)4480

每班價(jià)格

優(yōu)惠一

兩班同報9880元另外贈送一個(gè)課程

(贈送一個(gè)班任選)

優(yōu)惠二

三班同報13880元

(贈送一個(gè)班任選)

四班同報17880元

(贈送兩個(gè)班任選)

特惠三

五班同報22880

(贈送三個(gè)班任選)

一年內可免費參加本公司舉辦的任何課程(不限次數及課程)

證書(shū):參加培訓并通過(guò)考試的學(xué)員,可以申請獲得工業(yè)和信息化部工業(yè)文化發(fā)展中心頒發(fā)的“工業(yè)強國建設素質(zhì)素養提升尚工行動(dòng)”崗位能力適應評測證書(shū)。該證書(shū)可在中心官網(wǎng)查詢(xún),可作為能力評價(jià),考核和任職的重要依據。評測證書(shū)查詢(xún)網(wǎng)址:www.miit-icdc.org(自愿申請,須另行繳納考試費500元/人)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

官方聯(lián)系方式

聯(lián)系人:汪老師

咨詢(xún)電話(huà):17638148717(同V)

重磅綜述-2023年生物醫學(xué)領(lǐng)域八大新興技術(shù)問(wèn)世(生物醫學(xué)新技術(shù)有哪些)

聽(tīng)說(shuō)99%的同學(xué)都來(lái)這里充電吖

版權聲明:本文內容由互聯(lián)網(wǎng)用戶(hù)自發(fā)貢獻,該文觀(guān)點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù),不擁有所有權,不承擔相關(guān)法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規的內容, 請發(fā)送郵件至 舉報,一經(jīng)查實(shí),本站將立刻刪除。

(0)
上一篇 2024年6月20日 下午4:45
下一篇 2024年6月20日 下午4:57

相關(guān)推薦

JYB金盈宝APP官网