单细胞分析技术为细胞的异质性研究提供了精准的方法和视野,是我们揭示生物发育规律、探索疾病发生发展机制的重要技术手段,它可以通过精准捕捉每个细胞的独特反应帮我们了解生物在面对环境胁迫时的应答机制,还可以通过解析细胞的发育轨迹掀开细胞命运决定的神秘面纱。随着基因组、转录组等多组学方法的发展,单细胞分析技术发展迅猛,现已广泛应用于生命科学的很多领域。
然而,细胞的表型和功能往往受到DNA、RNA、蛋白质等的共同调控,单细胞的单维度分析结果难以为我们提供全面的生物学信息,空间转录组测序技术可以从组织微环境层面全面揭示细胞的异质性并揭示细胞与微环境的相互作用机制,帮我们更加深入准确的研究单细胞状态、生长过程及功能。
为了响应广大学员在该方向上的学习需求,北京金智研将于8月24~26日举办单细胞与空间转录组测序技术学习交流会。届时,我们将邀请中国农科院吴盛阳博士携团队的实战专家带我们了解单细胞测序技术的前沿动态、掌握最实用的数据分析技巧并手把手带我们进行数据分析的实操练习,吴博士早年毕业于中国农科院作物科学研究所,十余年来一直专注于分子生物学和生物信息学的研究,尤其在单细胞数据分析方面积累了丰富的实战经验。
本次学习交流会,吴博士做了精心的策划设计,课程将遵循理论学习+实操演练相结合的原则,从实验设计到样本制备再到数据分析以及分析结果的可视化(作图),在此基础上,对每一种分析方法的原理、流程都会做出详细讲解,结合大量的示范案例及项目实践,总结出常见的分析陷阱,帮助我们在单细胞分析的过程中不走弯路,带我们一起解锁单细胞的奥秘,探索绿色生命的无限可能!
一、会议形式
形 式:腾讯会议线上直播(免费回放三个月)
时 间:2024年8月24~26日
二、收费标准
学时3天,3200元/人(包含3个月的视频回放)。
优惠1:三人及以上成团,团购价2900元/人。
优惠2:早鸟优惠,8月8日之前报名并交费尊享3100元/人。
(温馨提示:两项优惠任选其一,不可叠加使用。)
三、报名方式
扫描或长按识别下方二维码,填写报名信息,提交并支付汇款,即为报名成功,报名截止于2024年8月23日17:00,届时报名通道将自动关闭。
四、交费方式
1. 转账汇款
收款单位:北京金智研生物科技有限公司
开户银行:中国工商银行股份有限公司北京中海凯旋支行
账号:0200205009200045825
2. 个人扫码支付
对于不能及时由单位转账的学员,可接受个人垫付的形式,我们在收到报名费后,会及时为您开具发票协助办理报销事宜。扫描下方二维码(支持公务卡、银联卡、信用卡)即可完成支付。如遇问题,请致电或微信:15210096658。
温馨提示:汇款时请备注“姓名+单细胞分析”
五、联系方式
电话:杨老师:15210096658(微信同号)
徐老师:15001277701,010-88608002
QQ:3442810497
北京金智研生物科技有限公司
2024年7月15日
日期 | 上午8:30-11:30 | 下午14:00-17:00 |
8月24日 星期六 | 单细胞数据分析入门:从研究设计到样本制备到数据分析 |
l 单细胞测序的定义、原理 ² 基本概念与产品发展 ² 与传统bulkRNA测序的对比 l 单细胞测序的应用场景 ² 在发育生物学上的应用 ² 在应答机制研究中的应用 ² 在病理学中的应用 ² 时空数据与RNA数据的区别与联系 ² 案例分析 | l 生信分析必要的数据处理 ² Fastq比对 ² 质量控制和数据过滤 质控的必要性及常见质控指标 数据过滤流程 ² 标准化和归一化 标准化和归一化的必要性及方法介绍 批次判断的经验标准 常用去批次方法和不同方法的效果比较 ² 空间分析专题 ² 案例分析 |
8月25日 星期日 | 单细胞数据分析进阶:核心高频算法的选择与应用及结果解读 |
l 数据降维和聚类分析 ² 数据降维的概念和目的 ² PCA介绍 ² UMAP介绍 l 聚类分析的原理、方法和流程 ² K-means聚类分析 ² Hierarchical Clustering介绍 ² Louvain算法介绍 ² 实际数据聚类结果展示 l 细胞类型注释 ² 细胞类型注释的操作步骤 ² 基因与细胞类型关系的查找方法 ² 常见问题总结 | l 差异表达分析 ² 差异表达分析的原理 常用检测方法:wilcox.test、t.test 实际数据的差异表达分析结果展示 ² 差异基因的功能通路富集分析 富集分析的概念 常用数据库介绍与GSEA方法 实际数据的通路富集分析结果展示 ² 细胞发育轨迹分析 基于基因表达量和基于RNA剪切速率 ² 细胞互作分析 ² 转录因子分析 ² 其它分析 |
8月26日 星期一 | 单细胞数据分析实践:示范案例及项目实践 |
l 案例分析 ² 案例背景介绍 ² 数据获取和预处理 ² 数据分析流程 最小分析环境搭建 | l 项目实践和讨论 ² 数据获取和预处理 数据降维和聚类分析 差异表达和通路富集分析 常用数据图表的可视化及代码(作图) ² 讨论与总结 |