第一节：Python系统讲解 ，jupyter notebook的环境搭建和基础知识讲解。第二节：Linux系统讲解 ，Anaconda的安装和conda环境创建，rstudio-server的系统讲解。第三节：以Nature文章为例系统讲解单细胞数据质控、归一化处理、PCA降维、聚类、tSNE、UMAP可视化第四节：Scrublet去除双细胞【Science】，DoubletFinder | 使用ANN算法识别单细胞数据中的Doublet【Nature Medicine】
第五节：CellTypist 免疫细胞自动注释【Science】，非负最小二乘回归的单细胞注释【Nature】
第六节：利用VIPER算法来定量单细胞蛋白的活性
Cell：Single-cell protein activity analysis identifies recurrence-associated renal tumor macrophages
第七节：使用VISION算法推断单细胞代谢活性【Cancer Discovery】
第八节：展示不同分组marker基因展示，多个重复的细胞类型比例展示 【Cell】
第九节：CellRanger处理单细胞上游数据，loom文件生成，velocyto.R 分析RNA速率【Nature】
第十节：scVelo三种模型来确定动态变化过程驱动基因【Nature Biotechnology】
第十一节：将velocity 与PAGA联合分析【Nature】
第十二节：Dynamo分析animating neural activity response predictions【Cell】
第十三节：PHATE同时保留局部结构(local structure) 以及全局结构(global structure)对单细胞数据降维【Nature】
第十四节：CytoTRACE进行拟时间分析，基因表达量随PC1轴的变化 【Cell】
第十五节：Diffusion Pseudotime Analysis diffusion component【Cell Stem Cell】
第十六节：Monocle2 和Monocle3系统讲解【Nature】，TCSeq分析基因随时间的变化【PNAS】
第十七节：单细胞染色体拷贝数变异【Science】
第十八节：CellPhoneDB v.3.0系统讲解细胞互作和个性化作图展示【Nature Genetics】
第十九节：NMF鉴定不同的生物学功能【Cell】，不同cluster的异质性确定【Cancer Cell】
第二十节：Mfuzz、 BioNet调控网络构建
Cell：Molecular Choreography of Acute Exercise(第五批学员为文章一作)
第二十一节：使用SCENIC进行转录调控网络分析和核心驱动基因鉴定【Nature Medicine】
第二十二节：scRNA-seq和bulk RNA-seq数据联合分析推断细胞类群互作网络【Cell】
第二十三节：以Nature文章为例系统讲解单细胞空间转录组数据分析【Nature】
第二十四节：以Nature文章为例系统讲解scRNA-seq与scATAC-seq联合分析【Nature Genetics】
第二十五节：CITE–seq对单细胞转录组和膜蛋白进行定量分析【Nature Medicine】
第二十六节：富集分析、差异结果展示
26.1 圈图展示富集结果【Nature Medicine】
26.2 AUCell | 分析单细胞测序数据中不同基因集(通路)的活性【Nature Medicine】
26.3 Differences in pathway activities scored per cell by GSVA【Nature Medicine】
26.4 利用OR比值查看不同处理组的各单细胞亚群的分布差异【Science】
26.5 各个细胞类型的差异基因统一展示 【Cell】
26.6 单细胞测序不同分组的相同cluster差异程度3维PCA展示以及差异热图展示【Cell】
第二十七节：MAGIC 利用流形学习还原单细胞的基因表达【Cell】
第一节：r语言基础学习 包括r和rstudio的安装、环境配置、数据结构等基础内容学习
第二节：在实战中进一步提升对r语言的学习，主要以geo的芯片数据下载、整理、分析为主。
第三节：芯片数据分析（主要系统指导如何使用geo数据库画生存曲线，以及无进展、无疾病、多分组的的生存曲线画图，包括热图 火山图 箱线图 小提琴图 ）
第四节：rnaseq数据分析（包括系统讲解主流的Deseq2、Edger、limma-voom三种差异分析的方法）
第五节：基因集富集分析 gsva gsea kegg go富集 包括自定义基因集的富集分析以两篇nature子刊文章为例，系统讲解如何进行参数调整得到符合文章趋势的富集结果
第六节：tcga 数据下载 整理 差异分析 结果画图展示
第七节：非监督共识聚类算法系统讲解以两篇cell文章为例 通路分组的生存曲线 转录因子富集
第八节：wgcna算法系统讲解以nature文章为例，系统讲解三种免疫浸润的算法，以及三种算法的具体应用场景和区别以及参数调整技巧
第九节 ：单细胞数据读取以nature文章为例，创建seurat对象 质控 s4对象的数据结构的系统讲解
第十节:继续以nature文章为例系统阐释降维、聚类等概念，细胞亚群注释三种方法
第十一节：多个样本整合的单细胞数据分析 包括锚定和harmony两种主流的单细胞数据整合算法，同时讲解多线程运算原理和实操。
第十二节：单细胞差异分析 metadata理解 分组添加 可视化画图 热图 气泡图
第十三节：以nature文章为例系统auc算法计算通路活性，单细胞差异基因的富集分析 gsea 亚群的gsva auc 转录因子预测
第十四节：系统讲解拟时间分析 包括monocle2 和monocle3 做3d拟时间
第十五节：系统讲解scenic算法 转录调控网络分析
第十六节：系统讲解cellphonedb、cellchat、italk三种主流分析细胞互作的软件
第十七节：infercnv和以cell文章为例的自定义算法的染色体拷贝数变异
第十八节：单细胞非负矩阵 cnn降维 非共识聚类 以及单细胞的wgcna
第十九节：以cell文章为例 系统讲解单细胞的RNA velocity应用
第二十节：系统学习linux操作系统 chipseq全流程分析以nature文章为例 包括质控 上数据比对 、MACS2、IGV进行可视化
第二十一节：chipseq下游的motif富集 不同处理直接的峰值overlap韦恩图 差异paek寻找 peak注释 以cell文章为例超级增强子寻找
第二十二节：Atacpseq全流程分析包括MappingQC、多个重复样本合并、Peakcalling、bedGraphToBigWig、TSS Enrichment、bedtools计算overlap、IDR评估、可视化。
第二十三节：WES分析、gatk使用、VCF下游分析、annovar注释
第二十四节：单细胞空间转录组的注释以及可视化
第二十五节：以优秀标书为例，讲解如何将所学生信分析应用于国自然标书申请+课程大总结
Chip-seq展示图
Bulk-RNAseq展示图
不用担心，我们已经考虑到这个问题了，基本上我们都会给您两轮机会学习，而且还配备往期视频给您预习直到您学会为止，不行免费再来一次，我们不多您一个人。
再好的课程没有完善的后续服务只能让你摸不着脑袋，到处百度。我们课后有完善的一对一指导服务，解决每个学员的所有问题。另外你可以直接加老师的私人微信，让他更好的一对一指导。
我们的指导暂时没有时间限制，一般情况下老师也不会拉黑你的。复习视频也不会限制时间会议时间：
单细胞精讲高阶班:
5月19日开始 每个周末晚上 两个月时间
零基础系统班：
5月19日开始 每周2、4晚上 两个月时间
授课方式：
腾讯会议线上直播
主办单位：
玮瑜科研平台
承办单位：
上海玮瑜生物科技有限公司
上海玮瑜信息科技有限公司
会议费用：
课程费用：单独报名8800/人，两班连报费用待议
（可开会务 、注册 技术服务 数据分析等发票）
汇款账号：
账 户 号：97340078801000000164微信或支付宝扫描二维码支付，通过信用卡/公务卡扣款
