第一天

A1?代謝物及代謝組學的發(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；

（4） 空間代謝組學與質譜成像（MSI）；

（5） 代謝流與機制研究；

（6） 代謝組學與藥物和生物標志物。

A2?代謝組學實驗流程簡介

A3?色譜、質譜硬件原理

（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） 質譜分析原理及動畫演示；

（5） 正、負離子電離模式；

（6） 色譜質譜聯用技術；

（7）?LC-MS?的液相系統(tǒng)

A4?代謝通路及代謝數據庫

（1） 幾種經典代謝通路簡介；

（2） 能量代謝通路；

（3） 三大常見代謝物庫：HMDB、METLIN?和?KEGG;

（4） 代謝組學原始數據庫：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題；

B2 LC-MS數據質控與搜庫

（1）LC-MS?實驗過程中?QC?樣本的設置方法；

（2）LC-MS?上機過程的數據質控監(jiān)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?的畫圖哲學；

（3）ggplot2?的配色系統(tǒng)；

（4）ggplot2?畫組合圖和火山圖；

第三天

機器學習

C1無監(jiān)督式機器學習在代謝組學數據處理中的應用

（1）大數據處理中的降維；

（2）PCA?分析作圖；

（3）三種常見的聚類分析：K-means、層次分析與?SOM

（4）熱圖和?hcluster?圖的?R?語言實現；

C2一組代謝組學數據的降維與聚類分析的?R?演練

(1)數據解析；

(2)演練與操作；

C3有監(jiān)督式機器學習在代謝組學數據處理中的應用

（1）數據用?PCA?降維處理后仍然無法找到差異怎么辦？

（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）分類算法：支持向量機，隨機森林

C4一組代謝組學數據的分類算法實現的?R?演練

(1)數據解讀；

(2)演練與操作；

第四天

D1?代謝組學數據清洗與?R?語言進階

（1）代謝組學中的?t、fold-change?和響應值；

（2）數據清洗流程；

（3）R?語言?tidyverse

（4）R?語言正則表達式；

（5）代謝組學數據過濾；

（6）代謝組學數據?Scaling?原理與?R?實現；

（7）代謝組學數據的?Normalization；

（8）代謝組學數據清洗演練；

D2在線代謝組分析網頁?Metaboanalyst?操作

（1）用?R?將數據清洗成網頁需要的格式；

（2）獨立組、配對組和多組的數據格式問題；

（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機器學習與代謝組學頂刊解讀（2-3?篇）；

（1）Nature Communication?一篇代謝組學小鼠腦組織樣本?database?類型的文獻；

（2）Cell?一篇代謝組學患者血液樣本的機器學習與疾病判斷的文獻；

（3）1-2?篇代謝組學與轉錄組學和蛋白組學結合的文獻。

E2?文獻數據分析部分復現（1?篇）

（1）文獻深度解讀；

（2）實操：從原始數據下載到圖片復現；

（3）?學員實操。

第一天

理論部分

高通量測序原理

高通量測序基礎

測序方法及數據

二代測序數據分析流程

實操內容

R語言基礎

R（4.1.3）和Rstudio的安裝

R包安裝和環(huán)境搭建

數據結構和數據類型

R語言基本函數

數據下載

數據讀入與輸出

第二天

理論部分

多組學基礎

常用生物組學實驗與分析方法

常用組學數據庫介紹

批量處理組學數據

生物功能分析

基于轉錄組學的差異基因篩選，疾病預測

組學數據可視化

實操內容

Linux操作系統(tǒng)

Linux操作系統(tǒng)的安裝與設置

網絡配置與服務進程管理

Linux的遠程登錄管理

常用的Linux命令

在Linux下獲取基因數據

利用Linux探索基因組區(qū)域

Shell script與Vim編輯器

基因組文件下載與上傳

Linux權限管理

文件的身份

修改文件的所有者和所屬組

修改文件權限

第三天

理論部分

介紹轉錄組學的基本概念和研究流程

RNA-seq數據的預處理和質量控制

序列比對和對齊評估

基因表達量估計和差異表達分析

實操內容

轉錄組測序數據質量控制

轉錄組數據比對

RNA-seq數據原始定量

主成分分析

原始定量結果差異分析

差異結果篩選及可視化

GO和KEGG通路富集分析

GSEA基因集富集分析

第四天

理論部分

表觀遺傳學的基本概念和技術介紹

DNA甲基化和組蛋白修飾的分析方法

表觀組數據的預處理和質量控制

差異甲基化和差異修飾分析

甲基化和修飾的功能注釋和富集分析

甲基化數據的整合分析和基因調控網絡構建

表觀組數據的可視化方法和工具

介紹其他表觀組學技術（如染色質構象捕獲）

實操內容

測序數據質量控制和檢查

數據比對和多匹配問題

計算結合峰位置

IGV中組學結果可視化

差異peaks分析

結合程度矩陣計算

富集熱圖和曲線圖繪制

第五天

理論部分

機器學習概述

線性模型

決策樹

支持向量機

集成學習

模型選擇與性能優(yōu)化

實操內容

決策樹算法實現

隨機森林算法實現

支持向量機(SVM)算法實現

樸素貝葉斯算法實現

Xgboost算法實現

聚類算法實現

DBSCAN算法實現

層次聚類算法實現

第六天

理論部分

基因功能注釋和富集分析

WGCNA（Weighted Gene Co-expression Network Analysis）網絡分析

轉錄因子分析和調控網絡構建

轉錄組數據的可視化方法和工具

轉錄水平預測蛋白翻譯水平

實操內容

創(chuàng)建Seurat對象

數據質控

測序深度差異及標準化

單細胞數據降維

批次效應去除

數據整合

亞群注釋

GSVA通路活性分析

單細胞富集分析

第一天

?機器學習及微生物學簡介

1.?機器學習基本概念介紹

?2.?常用機器學習模型介紹（GLM,BF,SVM,lasso,KNN等等）

?3.?混淆矩陣

?4.?ROC曲線

?5.?主成分分析（PCA）

?6.?微生物學基本概念

?7.?微生物學常用分析介紹

R語言簡介及實操

?1.R語言概述

?2.R軟件及R包安裝

?3.R語言語法及數據類型

?4.條件語句

?5.循環(huán)

第二天

機器學習在微生物學中的應用案例分享

1.利用機器學習基于微生物組學數據預測宿主表

?2.利用機器學習基于微生物組學數據預測疾病狀態(tài)

?3.利用機器學習預測微生物風險

?4.機器學習研究飲食對腸道微生物的影響

微生物學常用分析（實操）

?1.?微生物豐度分析

?2.?α-diversity，β-diversity分析

?3.?進化樹構建

?4.?降維分析

?5.?基于OTU的差異表達分析，熱圖，箱型圖繪制微生物biomarker鑒定

第三天（實操）

零代碼工具利用機器學習分析微生物組學數據

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.?模型錯誤率曲線繪制

?5.?混淆矩陣計算

?6.?重要特征篩選

?7.?模型驗證，ROC曲線繪制利用模型進行預測

第四天（實操）

利用機器學習基于微生物組學數據預測宿主表型(二分類變量以及連續(xù)變量)

1.?加載數據（三套數據）

?2.?數據歸一化

?3.?OUT特征處理

?4.?機器學習模型構建（RF, KNN, SVM, Lasso等9種機器學習方法）

?5.?5倍交叉驗證

?6.?繪制ROC?曲線，比較不同機器學習模型模型性能評估

第五天（實操）

利用機器學習預測微生物風險（多分類）

1.加載數據

2.機器學習模型構建（RF, gbm, SVM, LogitBoost等等）

3.10倍交叉驗證

4.模型性能評估

利用機器學習預測刺激前后腸道菌群變化

1.數據加載及預處理

2.α-diversity，β-diversity分析

3.?RF模型構建（比較分別基于OUT，KO，phylum的模型效果）

4.10倍交叉驗證,?留一法驗證

5.特征篩選及重要特征可視化外部數據測試模型

第一天上午

背景與理論知識以及工具準備

1.PDB數據庫的介紹和使用

1.1數據庫簡介

1.2靶點蛋白的結構查詢與選取

1.3靶點蛋白的結構序列下載

1.4靶點蛋白的下載與預處理

1.5批量下載蛋白晶體結構

2.Pymol的介紹與使用

2.1軟件基本操作及基本知識介紹

2.2蛋白質-配體相互作用圖解

2.3蛋白-配體小分子表面圖、靜電勢表示

2.4蛋白-配體結構疊加與比對

2.5繪制相互作用力

3.notepad的介紹和使用

3.1優(yōu)勢及主要功能介紹

3.2界面和基本操作介紹

3.3插件安裝使用

下午

一般的蛋白

-配體分子對接講解

1.對接的相關理論介紹

1.1分子對接的概念及基本原理

1.2分子對接的基本方法

1.3分子對接的常用軟件

1.4分子對接的一般流程

2.常規(guī)的蛋白-配體對接

2.1收集受體與配體分子

2.2復合體預構象的處理

2.3準備受體、配體分子

2.4蛋白-配體對接

2.5對接結果的分析

以新冠病毒蛋白主蛋白酶靶點及相關抑制劑為例

第二天

虛擬篩選

1.小分子數據庫的介紹與下載

2.相關程序的介紹

2.1 openbabel的介紹和使用

2.2 chemdraw的介紹與使用

3.虛擬篩選的前處理

4.虛擬篩選的流程及實戰(zhàn)演示

案例：篩選新冠病毒主蛋白酶抑制劑

5.結果分析與作圖

6.藥物ADME預測

6.1ADME概念介紹

6.2預測相關網站及軟件介紹

6.3預測結果的分析

第三天

拓展對接的使用方法

1.蛋白-蛋白對接

1.1蛋白-蛋白對接的應用場景

1.2相關程序的介紹

1.3目標蛋白的收集以及預處理

1.4使用算例進行運算

1.5關鍵殘基的預設

1.6結果的獲取與文件類型

1.7結果的分析

以目前火熱的靶點

PD-1/PD-L1等為例。

2.涉及金屬酶蛋白的對接

2.1金屬酶蛋白-配體的背景介紹

2.2蛋白與配體分子的收集與預處理

2.3金屬離子的處理

2.4金屬輔酶蛋白-配體的對接

2.5結果分析

以人類法尼基轉移酶及其抑制劑為例

3.蛋白-多糖分子對接

4.1蛋白-多糖相互作用

4.2對接處理的要點

4.3蛋白-多糖分子對接的流程

4.4蛋白-多糖分子對接

4.5相關結果分析

以α-糖苷轉移酶和多糖分子對接為例

5.核酸-小分子對接

5.1核酸-小分子的應用現狀

5.2相關的程序介紹

5.3核酸-小分子的結合種類

5.4核酸-小分子對接

5.5相關結果的分析

以人端粒

g -四鏈和配體分子對接為例。

操作流程介紹及實戰(zhàn)演示

第四天

拓展對接的使用方法

1.柔性對接

1.1柔性對接的使用場景介紹

1.2柔性對接的優(yōu)勢

1.3蛋白-配體的柔性對接

重點：柔性殘基的設置方法

1.4相關結果的分析

以周期蛋白依賴性激酶

2（CDK2）與配體1CK為例

2.共價對接

2.1兩種共價對接方法的介紹

2.1.1柔性側鏈法

2.1.2兩點吸引子法

2.2蛋白和配體的收集以及預處理

2.3共價藥物分子與靶蛋白的共價對接

2.4結果的對比

以目前火熱的新冠共價藥物為例。

3.蛋白-水合對接

3.1水合作用在蛋白-配體相互作用中的意義及方法介紹

3.2蛋白和配體的收集以及預處理

3.3對接相關參數的準備

重點：水分子的加入和處理

3.4蛋白-水分子-配體對接

3.5結果分析

以乙酰膽堿結合蛋白

(AChBP)與尼古丁復合物為例

第五天

分子動力學模擬（linux與gromacs使用安裝）

1. linux系統(tǒng)的介紹和簡單使用

1.1 linux常用命令行

1.2 linux上的常用程序安裝

1.3體驗：如何在linux上進行虛擬篩選

2.分子動力學的理論介紹

2.1分子動力學模擬的原理

2.2分子動力學模擬的方法及相關程序

2.3相關力場的介紹

3.gromacs使用及介紹

重點：主要命令及參數的介紹

4.origin介紹及使用

第六天

溶劑化分子動力學模擬的執(zhí)行

1.一般的溶劑化蛋白的處理流程

2.蛋白晶體的準備

3.結構的能量最小化

4.對體系的預平衡

5.無限制的分子動力學模擬

6.分子動力學結果展示與解讀

以水中的溶菌酶為例

第七天

蛋白–配體分子動力學模擬的執(zhí)行

1.蛋白-配體在分子動力學模擬的處理流程

2.蛋白晶體的準備

3.蛋白-配體模擬初始構象的準備

4.配體分子力場拓撲文件的準備

4.1高斯的簡要介紹

4.2 ambertool的簡要介紹

4.3生成小分子的力場參數文件

5.對復合物體系溫度和壓力分別限制的預平衡

6.無限制的分子動力學模擬

7.分子動力學結果展示與解讀

8.軌跡后處理及分析

以新冠病毒蛋白主蛋白酶靶點及相關抑制劑為例