通知 | 2017北京市计算中心8月培训班

日期

授课题目

授课内容

第一天

转录组学前沿概述

1.转录组技术发展前沿动态

2.转录组应用案例及应用热点

转录组学实验和分析基础

1.转录组学研究的实验技术

2.转录组技术流程及技术细节（重点讲解）

3.常用的转录组测序建库技术

转录组学中lncRNA的研究

1.lncRNA目前的定义、应用和发展

2.lncRNA的生物学过程（重点讲解）

3.lncRNA的测序（重点讲解）

4.lncRNA测序数据分析案例展示（重点讲解）

第二天

Linux基础操作

1.Linux基础操作

De novo转录组数据分析上机实践

1.原始测序数据的检测和预处理（重点讲解）

2.使用Trinity拼接转录组数据（重点讲解）

3.原始数据与拼接转录本的比对（重点讲解）

4.表达量统计和差异表达分析（重点讲解）

5.使用blast对转录本进行功能注释（重点讲解）

6.寻找转录本的ORF，翻译蛋白质序列

Reference based转录组数据分析上机实践（一）

1.转录组数据准备和软件介绍

2.使用Tophat进行转录组数据的比对（重点讲解）

3.用IGV查看比对结果

4.使用cufflinks进行表达量估计和分析（重点讲解）

5.使用samtools检测转录组数据中的突变（重点讲解）

6.利用DAVID数据库进行差异表达基因的功能分析（重点讲解）

第三天

Reference based转录组数据分析上机实践（二）

1.利用tophat和cufflinks组合，预测转录本

2.使用CNCI预测新的lncRNA转录本（重点讲解）

3.使用LncTar软件预测lncRNA调控的靶基因（重点讲解）

microRNA测序与数据分析（包含上机实践）

1.microRNA目前的应用、发展历史以及microRNA的定义

2.microRNA的生物学过程（重点讲解）

3.microRNA的测序（重点讲解）

4.microRNA测序数据分析软件（重点讲解）

5.microRNA测序数据预处理（重点讲解）

6.microRNA的预测（重点讲解）

7.microRNA靶标基因预测，结果提取、统计（重点讲解）

课程答疑

学员可以准备自己的数据，带着问题来实践课程所学内容，直接应用与科研当中。

日期

授课题目

授课内容

第一天

宏基因学研究的发展和挑战

1、宏基因组研究的发展历史
2、典型的宏基因组研究及应用
3、两种宏基因组研究的策略
4、宏基因组数据分析中的挑战
5、数据分析过程中的编程简介

QIIME在宏基因组分析中的应用（上机操作）

1．linux常用命令使用和上机操作
2、单样品物种多样性分析
A）序列聚类OTUs（Operational Taxonomic Units）
B）测序深度判定（Rarefaction Curve）
C）物种多样性及丰度分析（Relative Abundances）
3、多样品物种多样性分析，包括以下内容：
A）多样品OTUs比较（OUT Heatmap、Venn图）
B）多样品相似度比对（UPGMA 聚类分析）
C）多样品群落构成比较分析（柱状图）
D）Weighted PCA（Principal Component Analysis）分析
E）Unweighted PCA分析
F）组间差异显著性分析

第二天上午

基于shotgun测序的宏基因组数据分析技术

一、WGS测序分析的一般流程 1 流程概览
2 文库构建和测序方式选择
3 质量控制和污染序列去除
4 序列整合和分选
5 NR-BLAST和MEGAN分析
6 序列拼接和基因预测注释
7 循环处理
二、经常使用的数据资源和工具（重点）
1 NR/MG-RAST和reference
2 RAPSearch和alignment
3 MEGAN和classification
4 SOAP-denovo和assembly
5 BWA/inGAP和mapping
三、数据统计与结果展示（重点）
1 测序量和拼接效率
2 从比对文件中提取信息
3 物种/功能分类和组成
4 群落结构多样性
5 聚类和相关性
6 其它……
四、WGS测序分析的典型案例
1 人类微生物组计划-HMP
2 地球微生物组计划-EMP
3 反刍动物胃宏基因组
4 环境病毒组和噬菌体
5 从相关案例看WGS的优势
五、一些工具的操作演示（上机）

第二天下午

宏基因组研究的难点：宏基因组拼接\非拼接策略的数据分析

1.宏基因组拼接必要性
2.基因组拼接组装算法原理和流程
3. 宏基因组拼接的特点及难点
4. 基于非拼接的宏基因组研究策略
5.上机操作，演示SOAPdenovo2, MetaIDBA， SPAdes等软件的使用

授课题目

授课内容

第一天

生物信息学导论

1．生物信息学发展简史（重点讲解）
2．生物信息学主要研究领域（重点讲解）
3．生物信息学软件和工具
4．生物信息学重要会议

生物信息学基础（上机操作）

1、linux基础
掌握Linux系统下的常用命令(重点)
掌握linux环境下软件的安装使用
了解shell脚本的编写
2、perl基础
介绍Perl的基本元素
Perl在生物信息中应用示例(DNA复制、DNA转录、RNA翻译)

第二天

二代测序技术原理及基因组拼接

1、介绍目前主流二代测序仪的测序原理
2、主要操作流程及特点
3、序列拼接的技术方法
4、常用软件及全基因组个性化组装的技巧

基因组拼接组装（以细菌/病毒为例）（上机操作）

1、全基因组组装的流程介绍
2、原始测序数据的预处理
3、分别介绍Velvet和SOAPdenovo的使用，并以一株细菌的测序数据为例进行组装
4、介绍Newbler的是使用，并以一个IonTorrent测序的噬菌体数据为例进行组装
5、以细菌的数据为例,介绍填补gap的方法，包括延伸法，局部拼接法

第三天

基因组重测序与数据分析

1、讲解基因组重测序的概念、目的与应用
2、结合实例讲解其原理、类据类型与格式、操作流程、软件等相关知识

基因组重测序数据分析实例（上机操作）

1、对二代测序数据的解读
2、数据质量控制及数据过滤
3、使用BWA和Samtools进行数据比对并对比对结果进行可视化（重点讲解）
4、寻找SNP和Indel并进行注释（重点讲解）
5、寻找结构变异并对变异进行注释（重点讲解）

第四天

转录组测序与数据分析

1、转录组基本概况和技术发展简介
2、转录组技术流程及技术细节（重点讲解）
3、转录组应用案例

转录组数据分析实例（上机操作）

1、转录组数据准备和软件介绍及安装
2、转录组数据的比对（重点讲解）
3、表达量估计和分析（重点讲解）
4、后续功能分析简介

第五天

microRNA测序与数据分析

1、microRNA目前的应用、发展历史以及microRNA的定义
2、microRNA的生物学过程（重点讲解）
3、microRNA的测序（重点讲解）
4、microRNA测序数据分析软件（重点讲解）
5、microRNA目前的挑战以及将来的研究前景
6、microRNA测序数据分析案例展示（重点讲解）
7、近期文献

microRNA数据分析实例（上机操作）

1、microRNA测序数据预处理（重点讲解）
2、测序数据长度分布计算
3、microRNA的预测（重点讲解）
4、microRNA碱基偏好性计算
5、microRNA靶标基因预测，结果提取、统计（重点讲解）

蛋白结构与互作分析

PyMol,Cytoscape

优惠对象

注册费①/折扣

A

在校学生（需学生证）

5500元

B

工作人员

6000元

注册费含听课费、材料费、上机费和午餐。请自带笔记本电脑用以上机实习。材料：《高通量测序与高性能计算理论和实践》北京科学技术出版社。

时间

课程名称

课程内容

第1天

9:10~10:20

生物信息学导论与前沿

1、生物信息背景与研究进展；
2、新一测序原理与技术前沿；

10:20~12:00

生物信息学数据库及公共资源介绍

1、生物信息学数据库；
2、公共生物信息资源与应用

13:30~15:30

生物信息学基础上机

1、Linux系统操作与基本上机命令；
2、软件安装调试；
3、Blast序列检索（在线+本地）；

15:30~17:30

实用生物信息学分析与软件介绍

1、ClustalW/X序列比对；
2、Bioedit操作序列；
3、Mega序列分析与进化分析；
4、序列比对与进化树的构建

第2天

9:30~12:10

新一代测序技术应用

1、高通量测序技术应用与医学生物信息学；

2、基因组重测序理论及实例；

13:30~17:30

测序数据分析方法与技术

1、二代测序数据的解读；
2、数据质量控制及数据过滤；
3、重测序数据分析与实践；

4、基因本体数据及GO注释；
5、生物学通路KEGG注释方法与实现

第3天

9:30~12:10

生物信息学研究方法与实现策略

1、测序技术新方法与策略；

2、全基因组关联分析（GWAS）研究简介与实现方法；

13:30~16:00

生物信息学论文绘图及发表要求

1、科技论文绘图基础知识；
2、论文绘图方法；
3、实用绘图与实现方法及软件应用；
4、科技论文图表发表要求与注意事项；

16:00~17:30

自主练习与交流讨论

等级

授课题目

授课内容

第一天

基础

R语言基础知识

• R语言概述及特点

• R语言软件安装和功能介绍

• R语言包的安装和帮助文档

R语言的编程

• 介绍R语言中常用的数据结构（包括向量，数组，矩阵，列表，数据框等）的介绍和操作方法；

• R语言中数据的导入导出