专栏名称: 生信宝典
生物信息分析入门、晋级和经验分享。Linux、R、Python学习教程;高通量测序数据分析学习教程;生信软件安装教程。所有内容均为原创分享,致力于从基础学习到提高整个过程。
目录
相关文章推荐
BioArt  ·  完整日程 | ... ·  15 小时前  
生物学霸  ·  教育部官宣,7 所「新大学」来了 ·  昨天  
生物探索  ·  Science | ... ·  4 天前  
生物制品圈  ·  53亿美元!罗氏持续加码 ·  5 天前  
BioArt  ·  Mol Cell | ... ·  2 天前  
51好读  ›  专栏  ›  生信宝典

微生物组-扩增子16S分析和可视化(2025.4)

生信宝典  · 公众号  · 生物  · 2025-03-18 21:00

正文



细菌/病毒基因组马上上线!


福利公告 为了响应学员的学习需求,经过易生信培训团队的讨论筹备,现决定 安排扩增子16S分析 宏基因组 转录组 的线上/ 线下 同时开课。报名 参加线上直播课的老师可在1年内选择参加同课程的一次线下课 。期待和大家的线上线下会晤。

目前可以通报的信息:

    • 单物种转录组线上/线下开课时间:

      2025/03/21-22

    • 临床基因组线上/线下开课时间:

      2025/5/16-18

    • 单菌基因组线上/线下开课时间:

      2025/3/28-30

    • 宏基因组线上/线下开课时间:

      2025/5/9-11

    • 扩增子线上/线下开课时间:

      2025/4/11-13

    • 报名链接: http://www.ehbio.com/Training/


在广大粉丝的期待下,《生信宝典》联合《宏基因组》在 北京于 2025-4-11到 2025-4-13 推出《 扩增子 16S 分析 》专题培训第24期( 线上课和线下课程同步开通 ,为大家提供一条走进生信大门的捷径、为同行提供一个扩增子分析实战学习和交流的机会、助力学员真正理解分析原理和完成实战分析,独创五段式教学(3天集中授课+自行练习2周+微信群问题答疑+上课视频回看反复练习+后续线上课免费参加), “教—练—答—用”四个环节统一协调,真正实现独立分析大数据


关于学习生物信息学分析的重要性,请阅读 《生物信息9天速成班—成为团队中不可或缺的人》

课程简介

宏基因组/微生物组是当今世界科研最热门的研究领域之一,为加强本领域的技术交流与传播,推动中国微生物组计划发展,中科院青年科研人员创立“宏基因组”公众号,目标为打造本领域纯干货技术及思想交流平台。成立两年,分享专业技术原创文章30 00+篇,关注人数 13万+ ,累计阅读量31,000,000+。

请详细阅读课程简介,如果以下内容您全精通,不必参加此培训。

本课程一共3天,每天6节课,共18节课,全部课程均理论与实战结合(只要课上讲的内容,都是要带你亲自实现的分析)。从分析平台搭建、Linux和R基础、图表解读和绘图实战、扩增子分析标准流程、功能预测、差异统计分析以及各类高级分析(进化树、网络、环境因子、随机森林、Adaboost和来源追溯等),和CNS级图片编辑和排版。3天时间,老司机带您完成自学需要3个月甚至是3年的崎岖之路,助力您真正玩转扩增子分析。

课程大纲

每节课1小时一个主题,理论结合实战,学懂原理,实战操作,全是老司机多年经验和代码的无私分享。下面是课程安排,如11代表第一天第一节课,26代表第二天第六节课,41为两周后的线上集中视频答疑。


编号
主题
简介
01
分析平台搭建
Win10: git 、R、Rstudio、R包、 STAMP AI 等 (开课前 1 天晚上)
02
Linux基础
简介、优势、常用操作、序列处理、 软件安装等 (视频课)
03
R基础
发展史、 生物学中应用 ggplot2绘图 模板 (视频课)
11
扩增子基本流程
基本理论、流程介绍和测试
12
结果可视化
16种图表的解读、数据整理和在线绘制
16
发表级图版制作
Adobe Illustrator制作CNS标准图版 (视频课)
21
扩增子介绍
背景知识
、分析原理、科学问题
22
扩增子分析流程
vsearch
+ usearch跨平台分析流程
23
STAMP统计分析
玩转样本筛选、差异比较和统计图表保存
24
多样性分析
R语言实现多样性、物种组成和差异比较图表
25
QIIME2
Linux平台QIIME2私人定制流程
26
网络分析
文章解读,实战网络绘制和属性比较 (视频课)
31
PICRUSt 功能预测
KEEG功能组成预测和统计绘图
32
Faprotax,Bugbase
细菌元素循环
表型层面功能挖掘
33
机器学习
随机森林分类 回归 ,重现两篇Nature分析、 来源追溯
34
进化分析
序列筛选、比对、进化树构建和 美化
35
环境因子
文章解读,高分文章重现 (视频课)
36
研究热点展望
总结、把握研究热点、展望技术发展趋势
37






请到「今天看啥」查看全文