Shaanxi Normal University

2025年全国中药分析与质量控制交流会于2025年8月1日-4日在青海省*西宁市召开邀请函尊敬的各位专家、学者和同仁：近年来中药作为我国传统的药物疗法，在世界范围内具有重要的地位和影响力。然而，随着市场对中药的需求不断增长，中药分析及药品质量问题也日益引起关注。中药药品质量控制是确保中药药品质量安全和有效的重要手段。为分享中药分析与质量控制领域的最新进展，探索关键科学问题，为中药分析工作者提供展示最新研究成果、促进交叉合作以及分享新技术、新设备和新应用的交流平台。现决定2025年全国中药分析与质量控制交流会于2025年8月1日-4日在青海省*西宁市召开。本次会议围绕中药分析与质量控制的重要性、分析的方法、质量控制的挑战等研究动态与最新成果进行研讨。会议将邀请国内高校和科研院所的药物分析领域的知名专家学者进行报告，分享报告人课题组近期科研进展。并欢迎青年学者及研究生进行宣讲或者展示所在团队最新科研动态，药物分析及质量控制前沿动态及未来发展趋势，促进思想碰撞和交流合作。现将有关事项通知如下： 一、会议形式：线下报告、线上同步（腾讯会议方式，有偿服务）二、会议主题：旨为中药分析及质量控制专家和厂商提供更优质、有效的交流平台  三、会议规模：150人-200人四、学术交流和报告讨论范围（包括但不限于）：1. 中药分析新技术、新方法 ；2. 中药风险物质分析及控制；3. 中药药效物质基础与作用机理；4. 中药质量标准研究；5. 中药活性成分提取分离分析；6. 中药过程分析及快速检测新技术 ；7. 中药新药及保健食品的研制与开发；8. 中药、民族药制剂分析及质量控制的研究；9. 中药生产全程质量控制技术；10.药物代谢分析、中药活性成分提取分离分析；11.中药/天然药物多组分体内代谢与分析；12.中药和体内药物的色谱/光谱/质谱联用等现代仪器分析；13.中药有效成分分析及质量控制；14.中药质量控制与中药资源研究；15.中药质量与安全关键检测技术；；16.生产过程的技术工艺规范化研究与新技术应用；；17.指纹图谱技术在中药质量标准体系中的作用；18.质量控制评价技术体系研究新进展；19.提高药品质量控制能力的制药新技术、新工艺研究与应用；20. 研究生论坛。五、拟邀报告嘉宾、专家委员 （排名不分先后顺序）刘建利 西安培华学院医学院药学系 学科带头人 博士生导师，药学专业学科带头人。国家保健食品评审专家，陕西省药学会常务理事、中药与天然药物及药物化学专业委员会副主任，英国皇家化学会会员。曾任西北大学中药学系主任，承担国家科学基金3项，教育部博士点基金1项，陕西省13115工程重大科技专项1项，教育部重点科研项目1项等，发表科研论文百余篇，曾获陕西高校优秀科研成果二等奖。-------------------------黄锁义 右江民族医学院药学院 教授，国家中医药管理局中医药重点学科中药化学学科带头人、广西重点学科药物化学学科带头人、自治区级创新创业民族医药教学团队带头人、国家中医药科研二级实验室---中药化学实验室负责人。主要研究方向：天然产物有效成分提取及活性研究、天然药物免疫机制、天然药物化学、药物化学、中草药与植物化学、中药化学、中药药理、食品卫生等。--------------------------孔维军首都医科大学中医药学院，教授，医学博士，博/硕士研究生导师，博士后合作导师。河南大学、成都中医药大学和江西中医药大学硕士研究生兼职导师。先后主持国家自然科学基金面上项目(5项)、北京市自然科学基金面上项目(2项)、教育部高等学校博士学科点专项科研基金项目等10余项。担任中华中医药学会中成药分会常务委员，中华中医药学会中药资源学分会第二届委员会委员、中国药学会第一届临床中药学专业委员会委员、美国化学会会员。国家/北京市自然科学基金项目通讯评审专家，教育部学位与研究生教育学位论文评审专家，国家科技专家库成员，北京市科技专家库成员。-------------------------邝梦婷 安徽医科大学校聘副教授，硕士生导师。2021年博士毕业于中国科学院昆明植物研究所，师从周俊院士及郝小江院士，获得“朱李月华优秀博士”等荣誉称号。主要从事植物及大型真菌多糖来源的降血糖及免疫调节药物研究，以第一作者身份在Carbohydrate Polymers、International Journal of Biological Macromolecules等SCI一区TOP期刊上发表多篇论文，已授权国家发明专利2项，参编英国Taylor & Francis旗下CRC Press出版的Medicinal Plants and Mushrooms of Yunnan Province of China著作1篇。主持安徽省高校自然科学项目1项，安徽医科大学人才启动项目1项，参与国家自然科学基金面上项目1项。-------------------------胡芳弟 兰州大学教授，博士生导师，享受国务院政府特殊津贴专家，甘肃省拔尖领军人才，甘肃省飞天学者。兰州大学药物分析研究所所长。主要从事复杂体系分析技术研究及中药药效物质基础研究。主持国家重点研发计划、国家自然科学基金以及省级科研项目30余项，获省级以上奖励7项，发表学术论文180余篇，授权国家发明专利21项。兼任世界中医药联合会中药饮片专委会副会长，中华中医药学会中药委会副会长，中国糖生物化学委员会委员。---------------------------朱新亮 河南亚临界萃取技术研究院 院长 ，河南省亚临界萃取工程技术中心负责人。该中心与众多院校有着广泛的产学研合作。有着大型萃取工程项目等上百项成果。----------------------------聂国朝 玉林师范学院研究员，教授，广西绿循环新材料技术有限责任公司总经理，南宁市C类人才，陕西师范大学硕士生导师，中国科学院深圳先进技术研究院客座教授，广西首批自治区级大学生创新创业指导老师。广西工业企业科技特派员。2007.3-2011.3到美国密歇根大学从事生物纳米技术研究，作纳米材料小组负责人参加美国NIH、美国NCI、美国NIBIB全美四大项目之一的“量子跃迁计划”。回国后积极开展广西农产资源化学与生物技术重点实验建设，带领纳米材料团队，以广西固体废旧物为原料，制备出纳米碳黑、碳纳米管、电池热管理用电热浆料，及生物医学纳米炭黑等纳米材料，应邀赴美国、意大利、葡萄牙、乌克兰、白俄罗斯、中国台湾大学、华南理工大学等国内外重点大学和研究机构作学术报告30多次。主持完成两项国家自然科学基金，主持广西创新驱动发展重大专项，主持完成科学研究计划重点项目和广西科技攻关计划项目5项。申请专利43项，获得授权23项。在国际权威杂志发表40多篇论文。---------------------------毛帅 西安交通大学副教授，硕士生导师。主要致力于开发能解决生物学问题的化学方法或者工具，项目涵盖药物开发，药理研究及生物标志物检测等。截至目前，发表SCI学术论文50余篇，被引用1500余次，H因子22。申请国际专利一项，已在日本，美国，加拿大，欧洲，中国，和澳大利亚公开。此专利已转化给美国KOR Life Sciences, LLC（KOR生命科学公司）。另有4项国家发明专利已获授权。---------------------------纪运恒  中国科学院昆明植物研究所研究员，中国科学院大学博士生导师，主要从事具有重要经济价值（Economically Important）、濒危（Endangered）、特有（Endemic）的“3E”植物类群的进化与保育，药用植物特征次生代谢物生物合成途径解析与演化，滇产特色、道地药用植物种质资源发掘与可持续利用研究。兼任国家林业和草原局野生植物保护专家咨询委员会委员，国际植物学核心期刊BMC Plant Biology编委。以第一作者和通讯作者发表SCI收录论文60余篇，重楼属世界性专著“A Monograph of Paris (Melanthiaceae)”于2021年由国际一流学术出版机构Springer-Nature出版。---------------------------  马国  复旦大学药学院 教授，博士，博导、硕导，主要从事临床药学、药动学与多组学研究。担任中国医药教育协会中医药慢病防治与教育工作委员会、中国民族医药学会方药量效研究分会、科普分会、中国中医药信息学会中医临床药学分会、中国未来研究会中医药一体化发展分会等5个国家级学会副会长；担任中国药学会循证药学专委会、医药生物分析专委会、世界中医药学会联合会中药分析专委会、中华中医药学会李时珍研究分会、中国民族医药学会健康产业分会、中国中医药研究促进会中药临床药学分会等10余个国家级学会的常务理事或委员。★ 担任Front Pharmacol副主编，ECPT、MJPR、MJNDR、中国临床药学杂志、中国药业等杂志编委。-------------------唐开福 重庆医科大学感染病教育部重点实验室研究员，二级教授。Frontiers in Bioscience-Landmark和Scientific Reports等杂志等编委。发现RNAi pathway能够参与DNA损伤修复，在RNAi领域开辟了一个新的研究方向。发现一类全新的胞浆小分子DNA（scDNA），可能开创一个全新的研究领域。主持国家自然科学基金青年项目、面上项目和重大研究计划项目共9项；主持浙江省自然科学基金重点项目等10余项；参加国家科技重大专项等项目10余项。作为通讯作者在Nat Commun，Genome Biol，J Cell Biol，Nucleic Acids Res，Autophagy，Oncogene，Cell Rep 等杂志发表论文40余篇。获重庆市“巴渝学者”特聘教授、浙江省杰出青年基金、浙江省151等人才项目资助；获得浙江省科技进步一等奖和重庆市科技进步一等奖等共7项。-----------------------杜清 中国医学科学院药用植物研究所、青海民族大学执业药师，中级工程师，质量内审员，先后主持并参与国家自然科学基金、中央级公益性科研院所、北京市自然科学基金及省级等科研课题 10 余项。科研课题曾获天津市科技进步三等奖 1 项，完成青海省自然科学基金项目《藏药材斑花黄堇生物碱类化学成分制备分离及质量控制技术研究》，获得国内领先科技成果; 在国内外杂志投稿和发表论文50余篇，参编著作 15余部, 申请和授权国内发明专利 5 项。--------------------------郭明全 中国科学院宁波材料所、慈溪生物医学工程研究所研究员；中国科学院大学教授，博士生导师。先后入选中国科学院引进海外杰出人才百人计划A类，浙江甬江人才工程科技创新人才和宁波市特优领军人才、2024年全球前2%顶尖科学家（食品科学领域）。已发表高水平SCI论文120余篇，申请专利20余项，授权10项，并实现多项专利转化。应邀担任多个高水平SCI期刊编委如Journal of Pharmaceutical Analysis, Chinese Medicine等。先后担任中国民族医药学会方药量效研究分会常务理事、中国生物医药技术协会药物分析技术分会委员、中国植物学会植物整合组学专委会委员等。-----------------------曹蔚 教授西北农林科技大学化学与药学院药学系主任，药学硕士一级学科、药学专业学位硕士点负责人，中草药研究与利用中心副主任。主要从事中药药理学研究。获陕西省杰出青年基金资助；主编、副主编教材、专著8部；授权发明专利16件；获陕西省科学技术一、二等奖4项。--------------------------------王君明  河南中医药大学临床中药与药理党支部书记，教授，博士生导师，博士后合作导师，国家药品监督管理局职业药师工作专家，国家市场监督总局特殊食品注册审评专家，中原科技创新领军人才，河南省特聘教授，河南省高层次人才，河南省杰青，河南省青年骨干教师，河南省教育厅学术技术带头人，河南省高校科技创新人才，河南省药学会优秀药学工作者，河南中医药大学仲景青年教学名师、仲景骨干学者。主持国家自然科学基金项目4项，另主持中国博士后科学基金、教育部社科基金、中原领军人才、省杰青、省科技研发联合基金、省重点研发与推广专项、省级教改重点项目等课题，以第一或通讯作者在Phytomedicine等国际著名期刊发表SCI论文30余篇（含一区10余篇）和北大中文核心60余篇，获国家发明专利授权12项，以第一完成人获省级成果奖一等奖2项、二等奖3项、三等奖2项，指导研究生获岐黄杯全国中医药优博论文以及省级优硕论文。-------------------------------姚广民 华中科技大学“华中卓越学者”特聘教授、博士生导师、湖北省“楚天学者”、新疆“天池百人计划”高层次人才。现任Chinese Chemical Letters等期刊编委、中国民族医药学会科研分会常务理事、中国民族医药学会药用资源分会常务理事等。主要研究方向天然药物化学与创新药物研究。主持国家重大“新药创制”专项、国家基金委面上项目、联合基金等科研项目30余项。以通讯作者在Journal of the American Chemical Society、Natural Product Reports、Chinese Chemical Letters、Organic Letters等药学领域权威期刊上发表论文153篇。申请中国发明专利22项，18项授权。以第一完成人获2023年度湖北省自然科学奖。应邀在国内外学术会议上作报告21次，其中，大会主旨报告5次。-------------------------------陈西 哈尔滨工业大学生命科学中心研究员、博导，研究领域是前沿生物技术与化学生物学。主要研究方向包括（1）偶联纳米抗体调控和靶向降解致病蛋白；（2）化学光遗传解析细胞进程；（3）纺锤体组装与肿瘤靶向。近年来发表NC、JACS、ACIE、AS等高水平论文多篇；申请及获得发明专利多项。担任新质力发展联盟副主席、多个权威杂志审稿专家；主持国家自然科学基金、黑龙江省优青等项目。---------------------------方欢乐 西安培华学院医学院药学系教授/主任，陕西省生理学会理事，陕西省分子药理学会常务委员，陕西省药学会委员。长期从事《药理学》理论及实验课程的教学工作。工作期间获得校级“师德先进个人”“优秀共产党员”和“教学能手”称号。主持陕西省十四五规划课题1项，主编《新编药学实验指导教程》及《人体机能学实验教程及学习指导》。先后主持并参与科研项目11项，其中主持陕西省基金项目1项；主持并完成陕西省社发公关一般项目2项，陕西省教育厅自然专项项目3项，第一作者公开发表科学研究论文20余篇，其中SCI1篇，CSCD源核心期刊4篇，中文科技核心期刊7篇，获实用新型专利3项。----------------------------张秀莉 中国科学院大连化学物理研究所 研究员更多报告确定中，敬请关注......六、组织机构:主办单位:西安培华学院医学院2025年全国中药分析与质量控制交流会组委会承办单位:北京潜精研思医药科技发展中心支持媒体:MolHort分子园艺 天然产物靶点发现 猎药人 植物代谢 药用植物图鉴  精准药物 如沐风科研  石头的药理学漫游药化 药物研发客  进击的药物化学文海拾萃药之友  天然产物药招招等  七、报告宣讲申请：1.参会及申请报告人需要提交参会回执和中文版的会议报告摘要及个人简介等信息。会议报告语言为中文，我们欢迎国内青年学者参会并分享您的精彩学术报告（20分钟左右）。会议为青年学者和您的团队提供最佳展示平台（申请截止时间：7月25日）。2.墙报制作包括页眉标注2025年全国中药分析与质量控制交流会，西宁、题目、作者、单位、通讯Email 邮箱，正文由研究背景及目的、主要方法、结果与结论部分组成，结果由4-5 个大图构成。墙报大小为 0.9 米（宽）*1.2 米（高）。会前统一发送会务组邮箱zhongyaofenxi2025@163.com，会务组统一打印。设有优秀墙报评选，给予奖金及证书奖励，欢迎学生积极参与，报名自荐。3.此举可以为您带来一系列益处，扩大本人在中药质量控制领域知名度和影响力，积极与同行交流合作，借助本次会议平台获得更多专家及行业同仁认可和赞誉。包括但不限于：获取丰富汇报经验，通过与领域学者交流扩大您的学术人脉，丰富学术履历，提高在学术届的声望和影响力。4.为鼓励学者积极参与报告分享，凡向本次会议申请报告宣讲的专家学者和研究生可提供报告邀请函和给予报告证书鼓励！学生论坛设有奖项评选，特设一等奖，二等奖，三等奖及优秀奖给予奖金及证书奖励，欢迎学生积极参与，报名自荐。八、大会招展：  大会期间提供部分展位欢迎企业、公司、厂商积极参展。赞助方案如下：1.资助费用 20000 元提供1 个标准展位一桌两椅和 4个会议正式代表名额，安排大会第一天上午报告15分钟以及茶歇期间的电子屏宣传展示机会（限额 1 个），公司资料可随同会议资料一同发放，会议资料袋可用贵公司提供的的资料袋，会议资料上体现赞助单位名称logo信息，在此次论坛参会代表证双面体现赞助单位名称及logo。2.资助费用 10000 元公司资料可随同会议资料一同发放，会议资料袋可用贵公司提供的的资料袋，会议资料上体现赞助单位名称logo信息，在此次论坛参会代表证双面体现赞助单位名称及logo（限额 1 个）。3.资助费用 6000 元提供1 个标准展位一桌两椅和 2个会议正式代表名额。会议资料上体现赞助单位名称logo信息，在此次论坛参会代表证双面体现赞助单位名称及logo。4.茶歇赞助费用 5000 元赞助商可在茶歇区设置展板展示品牌，会务组代发资料入袋，享有一个免费参会名额，茶歇上体现带有该公司名字的信息。（限额2个）5.在会议手册上刊登广告，每页3000元（封底广告5000元）由广告单位提供文字图片材料，请务必在7月20日前提交会务组。九、会议时间、地点及安排： 会议地点: 西宁市报到时间：2025年8月1日（全天报到）会议时间：2025年8月2日-4日（4日12:00结束）报到地点：青海青藏铁道酒店一楼报到处酒店地址：西宁市城东区建国路18号 住宿标准：标间430元/间/天（含双早）大床房430元/间/天（含双早）住宿提示：1.如您住会议酒店可让会务组给您预留房间，也可以您自行通过网络预定其他酒店！2.组委会不提供拼房服务，如您需与他（她）人合住，请您自行联合或者协调，谢谢！十、会议费及参会报名流程：1.会议采取在线报名或者回执、微信报名登记，不接受现场报名。2.会议费及标准：7月25日前提前打款缴费：1800元/人，研究生1300元/人7月25日以后及现场缴费：2000元/人，研究生1500元/人线上听报告1000元/人（有会议费发票，7月25日前完成付款） 3.缴费方式：（1）.提前缴费：银行转账汇款（注：提前电汇请注意附言：中药分析+姓名)     收款单位：北京潜精研思医药科技发展中心（个人独资）开户行：中国工商银行股份有限公司幸福街支行账  号：0200235909200058006（2）.现场缴费：完成报名后，也可以现场刷公务卡（银行卡）或者微信支付。为了给您带来便捷缴费，本次会议支持线上扫码付款，您可通过微信或支付宝轻松完成支付。在成功付款后，请您务必及时将付款截屏，发给我们的会务人员。4.发票领取：电子发票（增值税*普票)。如您必须开增值税专票，请提前联系组委会登记。为了给您带来便捷的缴费体验，本次会议支持线上扫码付款，您可通过微信或支付宝轻松完成支付。成功付款后，请您务必及时将付款页面截屏，并发送给我们的会务人员。同时，烦请您提供详细准确的开票信息，以便我们能够迅速为您开具并反馈发票。感谢您的理解与配合!十一、组委会联系方式负责事项：嘉宾邀请、报告申请、日程/参会咨询、住宿留房联系人：马老师135-2009-3605（与微信同步）报名邮箱：zhongyaofenxi2025@163.com 咨询会议请扫码添加好友咨询  参会请扫码回填报名表                     往届精彩回馈会议推荐更新通知（大理）2025年全国中药及天然药物研发与高效利用学术研讨会于2025年7月24日-27日7月27日-30日在大理市召开2025全国放射药物研发与核医学技术应用交流会

引言 血脑屏障（blood-brain barrier, BBB）是维持神经系统稳态的重要屏障，也是阻碍药物进入神经系统的关键障碍。全面系统解析人血脑屏障分子特征和在病理发生中的关键改变是认识中枢神经细胞生命活动规律和设计高效中枢神经组织药物递送策略的关键。 2024年8月26日，陕西师范大学张磊/解源团队与空军军医大学唐都医院王樑团队合作在Neuron发表题为Single-cell dissection of the human blood-brain barrier and glioma blood-tumor barrier的研究论文，该研究应用单细胞测序技术分析了胶质瘤及邻近正常脑组织样本，解析了人类血脑屏障与胶质瘤血瘤屏障图谱，并揭示了血脑屏障在胶质母细胞瘤（GBM）中的异常特征，为中枢系统疾病治疗策略的研究提供了新的科学依据。 该研究首次利用单细胞RNA测序技术对人类血脑屏障和胶质瘤血-肿瘤屏障进行了详细的细胞分析。这项研究基于从13个手术切除的胶质瘤样本及其周围正常脑组织中提取的细胞，共计分析了103,230个细胞的转录组，包括57,324个内皮细胞和27,703个血管壁细胞。 (Credit: Neuron) 研究团队进一步聚类分析了内皮细胞转录组，识别出了八个亚群，其中五个亚群对应动脉、动脉小管、毛细血管、小静脉和静脉，展示了完整的动静脉（A-V）轴线特征。此外，还发现了两个特有的胶质母细胞瘤相关的内皮细胞亚群，进一步揭示了肿瘤对血管特性的独特影响。通过对27703个血管壁细胞转录组分析，研究团队对血管壁细胞也进行了深入的研究。在正常脑组织和较低级别胶质瘤组织中鉴定出了三种动脉平滑肌细胞，一种静脉平滑肌细胞和两种血管周细胞。在胶质母细胞瘤组织中的血管壁细胞主要由特殊的一个血管周细胞亚群组成，这些细胞合成大量的MMP9和胶原。利用SPIN算法，基于细胞转录组，对正常脑组织的血管内皮细胞亚群进行排序，发现血管壁细胞并非沿着动脉-毛细血管-静脉的解剖学结构排列，而是沿着周细胞-静脉平滑肌细胞-动脉平滑肌细胞排列，并在静脉平滑肌细胞和动脉平滑肌细胞之间呈现出“突然转变（abrupt transition）”。这个特征与血管内皮细胞沿着动静脉轴呈现出“逐步变化（zonation）”的特征显著不同。 通过整合分析发现，胶质母细胞瘤中的多种血管细胞类型存在系统性的细胞外基质和胶原蛋白重塑。这项研究通过对包括内皮细胞、周细胞和血管平滑肌细胞等在内的不同血管细胞类型进行差异基因表达分析，比较了非恶性脑组织与低级别胶质瘤和GBM样本的差异。结果表明，在低级别胶质瘤中血管细胞的变化相对较少，但在GBM中则出现了显著的基因表达变化，尤其是涉及细胞外基质和胶原蛋白的基因（如COL1A1、COL1A2等）在多种细胞类型中被上调。这些结果表明，细胞外基质和胶原重塑是GBM中多种细胞类型的普遍现象。胶原蛋白过度沉积和异常纤维排列可导致组织结构僵硬，阻碍化疗药物的渗透。胶原蛋白合成和修饰的关键酶LOXL2在GBM的多种血管细胞类型中显著上调，可能成为新的治疗靶点。应用LOXL2抑制剂PXS-5153A对三种不同的GBM小鼠模型进行了治疗，结果表明该抑制剂显著增强了化疗药物替莫唑胺（TMZ）的递送，协同增强化疗效果，延长了荷瘤小鼠生存期。 该项研究不仅为未来的脑肿瘤治疗提供了重要的新方向，还为神经血管和神经肿瘤学研究奠定了坚实的基础。 (Credit: Neuron) 参考文献 https://www-cell-com.libproxy1.nus.edu.sg/neuron/abstract/S0896-6273(24)00571-3 责编|探索君 排版|探索君 文章来源|“BioArt” End 往期精选 围观 一文读透细胞死亡(Cell Death) | 24年Cell重磅综述（长文收藏版） 热文 Cell | 是什么决定了细胞的大小？ 热文 Nature | 2024年值得关注的七项技术 热文 Nature | 自身免疫性疾病能被治愈吗？科学家们终于看到了希望 热文 CRISPR技术进化史 | 24年Cell综述

最近，在使用深度学习（Deep Learning）方法从头设计蛋白质方面取得了相当大的进展。但我们仍然缺少用来蛋白质设计的通用深度学习框架以解决蛋白质设计上遇到的各种挑战。 扩散模型（diffusion model）是一种生成式模拟方法，已经在图像和文本生成建模方面取得了相当大的成功，最近爆火的AI绘画，就是基于扩散模型。而且，扩散模型似乎也适用于蛋白质设计。然而，扩散模型在应用于蛋白质建模时成功率却并不高，产生的序列基本不能折叠成目标结构，这可能是由于蛋白质主干几何形状和序列结构关系的复杂性。 2023年7月11日，著名蛋白质设计专家、华盛顿大学医学院 David Baker 教授团队在 Nature 期刊发表了题为：De novo design of protein structure and function with RFdiffusion 的研究论文。 该研究开发并描述了一种能从头设计全新蛋白质的深度学习方法——RoseTTAFold Diffusion，简称RFdiffusion。该方法能生成各种功能性蛋白质，包括在天然蛋白质中从未见过的拓扑结构。  近年来，深度学习领域的迅速进步对蛋白质设计产生了显著影响。最近，深度学习方法在蛋白质结构预测方面取得了重大突破，使我们能够得到数百万种蛋白质的高质量模型。结合用于生成建模和序列分析的新型架构，这些方法在过去几年里极大改变了蛋白质设计领域，提高了识别新蛋白质序列和结构的准确性和能力。深度神经网络现在能够学习和提取蛋白质结构的基本特征，预测它们与其他生物分子的相互作用，并且有潜力创造用于治疗疾病的新型药物。 三大前沿课程目录 一、深度学习蛋白质设计 二、单细胞多组学 三、机器学习代谢组学 以下为课程内容介绍 一、深度学习蛋白质设计 STUDY 课程目标： 本课程从零基础开始学习，对 Python 编程基础、Linux 常用命令和 Machine Learning/Deep Learnings 领域相关算法进行详细讲解，并结合当前蛋白质设计方面的论文文献讲解相关技术的应用。主要介绍蛋白质设计的底层逻辑与基本规则，学习蛋白质结构预测、蛋白质序列设计、蛋白质-蛋白质相互作用分析、以及蛋白质功能注释和优化方法，掌握深度学习在蛋白质设计中的常见算法以及实际方法，培养学生具备基本的深度学习蛋白质设计能力和蛋白质人工智能应用的前沿视野，为参与解决生物医学、生物工程和生物能源等方面的重大问题提供更多机会。 课程内容主要分为三个方面： （1）结构到序列的预测基础：基于结构的蛋白质设计是蛋白质结构预测的 逆过程。学生将学会通过生物信息学工具分析蛋白质序列，预测其二级结构和三维结构，并初步理解结构与功能之间的关联。 （2）ML/DL 算法模型应用与评估：深度学习可以用于预测蛋白质序列的 功能和稳定性。学生将能够使用机器学习或深度学习算法模型进行蛋白质特定功能和序列稳定性预测，同时学习如何评估模型的准确性和可靠性。 （3）蛋白质设计应用实践：深度学习通过预测蛋白质-蛋白质之间的相互作 用、蛋白质的功能以及生物属性为生物制药、生物医学等方面提供了新的方向。学生将通过以上学习的与蛋白质序列、结构和功能预测相关的原理，学会设计新的蛋白质复合物和抗体，识别蛋白质的功能域、结构域和功能位点等，通过神经网络和生成对抗网络的应用，优化和筛选符合特定要求的蛋白质。 TEACHER 授课老师 Dr.Pang, 生物信息学博士，有8年生物数据分析、多组学交叉领域研究经验，曾在国内外多家知名生物医药企业和科研院所有任职经历，对机器学习、深度学习、基因组学、转录组学、代谢组学以及蛋白质组学等有深入研究，发表SCI论文18篇，其中一作及通讯作者9篇。 向下划动查看全部内容 第一天 Python 编程基础知识 1. Python 基础 1.1 Python 简介：了解 Python 的发展历史、特点、现状，以及与其他编程语 言的比较。 1.2 安装和设置 Python 环境：安装 Python3 ，设置 开 发 环 境 （ 如 Anaconda(miniconda)、Jupyter notebook）并运行第一个 Python 程序。 1.3 Python 变量和数据类型：数据类型（整数、浮点数、字符串、布尔值）、 表定制等。 4. 数据分析与可视化 4.1 Pandas：使用 Pandas 进行高级的数据分析操作，包括如何去做数据清洗、 预处理和排序等数学计算，数据的分箱技术，分组技术，聚合技术，以及透视表 等。 4.2 数据可视化：介绍 Seaborn 的基本使用，以及和 Matplotlib 的功能对比， 使用 Matplotlib 和 Seaborn 进行高级数据可视化。 5. 蛋白质设计中的特定应用 5.1 BioPython 包的使用：DNA，RNA 和蛋白质序列处理，访问主要的遗传 数据库（如 GenBank，SwissPort，FASTA 等）访问，执行基本生物学数据分析。 5.2 Python 脚本编写：将常见的蛋白质处理任务编写为自动化脚本，如序列 对比、结构预测等。 5.3 机器学习快速入门：学习使用 Scikit-learn 进行特征提取、机器学习模型 训练、评估和优化。 6. 实战案例 6.1 案例 1：蛋白质序列数据分析入门，如统计特定序列的频率、可视化序 列分布等。 6.2 案例 2：蛋白质结构预测基础，使用机器学习技术预测蛋白质的二级结 构或功能位点。 6.3 案例 3：开发一个自动化的蛋白质分析工具，集成数据处理、分析及可视 化功能。 第二天 Linux Shell 命令行操作基础 1. Shell 环境简介 1.1 什么是 Shell：了解 Shell 是什么，为什么要学习 Shell，以及它如何与操 作系统交互。 1.2 不同类型的 Shell 介绍：Bash、Zsh、Tcsh。 1.3 访问 Shell：如何打开终端窗口，基础的命令行界面操作。 2. 基础命令 2.1 文件系统操作：wc, cd, ls, pwd, rm, cp, mv 等命令的使用。 2.2 文件操作：mkdir, touch, more, less, head, tail, grep, find 等命令。 2.3 权限和所有权：使用 chmod, chown, chgrp 改变文件的权限和所有权。 2.4 文本处理：echo, cat, cut, sort, uniq, tr, awk, sed 等工具的基本使用。 2.5 归档和压缩：tar, gzip, gunzip, zip, unzip 等命令的使用。 3. Shell 脚本编写 3.1 Shell 变量和数据类型：定义和使用 String、int、float 和 array 变量。 3.2 流程控制与条件语句：if, else, elif, case 等语句的使用。 3.3 循环结构：for, while, until 循环的使用。 3.4 输入和输出：处理用户输入和脚本输出。 3.5 引用和转义字符：学习在命令行中正确使用单引号、双引号和转义字符。 3.6 高级文本编辑器 Vim 的配置和使用 Vim 3.7 创建和执行 Shell 脚本：编写一个简单的脚本并使其接收参数和执行。 4. 高级 Shell 编程 4.1 函数的高级用法：定义和使用函数，学习如何传递参数和调用函数。 4.2 调试 Shell 脚本：如何调试 Shell 脚本，包括设置和使用调试选项。 4.3 基本正则表达式的应用，学习文本处理三剑客 grep、sed、awk。 4.4 环境变量管理：了解 PATH 和其他环境变量的作用和管理方法。 5. 实用案例 5.1 案例 1: 使用 Python 运行 Shell 脚本。 5.2 案例 2: 编写一个自动整理下载并整理蛋白质序列数据的脚本。 5.3 案例 3: PDB 文件分析脚本的编写。 第三天 机器学习与深度学习基础 1. 统计学习理论基础 1.1 统计学习方法概述 1.2 传统有监督学习方法介绍 （a) 感知机与决策树算法 （b) K 近邻与朴素贝叶斯法 （c) 逻辑回归与支持向量机算法 （d) 随机森林算法与隐马尔可夫模型 1.3 集成学习算法重点介绍：GBDT、XGBoost 1.4 无监督学习与聚类算法 1.5 特征工程与模型评估 2. 神经网络与深度学习方法基础 2.1 人工神经网络基础知识 2.2 多层感知机 2.3 卷积神经网络：学习卷积的内涵、卷积的概念与特征、池化操作等 2.4 典型卷积神经网络算法结构、训练方法及应用 2.5 循环神经网络基本原理与模型介绍 2.6 长短期记忆神经网络模型及应用场景 3. 生成式神经网络 3.1 自动编码器 3.2 变分自动编码器 3.3 生成对抗网络 （a) 生成对抗网络基本原理 （b) Encoder-Decoder 模型 （c) DCGAN 和 WGAN 算法示例 4. 注意力机制 4.1 Seq2Seq 模型 4.2 (自)注意力机制模型的原理和工作机制 4.3 Transformer 模型及应用 4.4 BERT 模型与预训练方法介绍 4.5 基于 BERT 模型实现文本生成实验 5. 深度学习蛋白质设计入门 5.1 理解蛋白质设计的主要概念 5.2 传统从序列推断功能的方式介绍 5.3 机器学习领域中预测蛋白质功能的方法与局限性 5.4 了解 Pre-Trained Embeddings 方法的蛋白质设计方法 5.5 生成模型在蛋白质设计上的使用及优势 第四天 深度学习蛋白质设计基础 1. 深度学习蛋白质设计概述 1.1 蛋白质设计的背景与当前现状， 1.2 蛋白质设计面临的困难、传统方法与途径 （a) 从序列预测蛋白质结构：同源建模、共进化信息 （b) 使用神经网络预测蛋白质结构 1.3 蛋白质设计的关键点：序列、结构、功能、能量 1.4 蛋白质设计的目标：设计一个给定结构或功能的蛋白质 1.5 当前深度学习方法在蛋白质设计中的进展 （a) 基于序列的深度学习方法：DeepSequence，Progen，ProteinBERT 等 （b) 基于结构的深度学习方法：AlphaFold2, ColabFold, RoseTTAFold, OmegaFold 等 （c) 其他蛋白质深度学习方法： 1.6 蛋白质设计方法的评估（亲和力、催化活性、配体特异性等） 2. 蛋白质设计概述 1.1 蛋白质序列表示形式 （a) 独热编码（One-Hot Encoding） （b) 嵌入表示（Learned Embedding） （c) 特定位置评分矩阵（Position-Specific Scoring Matrix） 1.2 蛋白质结构的表示形式 （a) 基于顺序和手工修正的表示 （b) Voxel 表示 （c) 距离图 （d) 图表示形式：图和点云 1.3 蛋白质结构可视化工具介绍和使用 （a) 蛋白质数据结构文件格式 PDB 介绍 （b) PyMOL：查看和分析蛋白质、DNA 和小分子的 3D 结构 （c) Chimera：综合性分子建模程序，提供多种分析和可视化功能，包括 体积数据的处理。 （d) VMD:一个分子可视化程序，用于使用 3D 图形和内置脚本显示、动 态化和分析大型生物分子系统。 1.4 蛋白质设计的常用评估指标：NSR、RMSD、GDT、能量评分函数、可 溶性、与靶标之间的结合强度和特异性 3. 蛋白质数据库介绍 1.1 一级蛋白质序列数据库：UniProtKB 1.2 一级蛋白质结构数据库：PDB 1.3 二级蛋白质数据库：Pfam，CATH，SCOP2 1.4 专用数据库：KEGG，OMIM 4. 蛋白质设计工具箱介绍 1.1 Rosetta：提供一个灵活的函数库来完成一组不同生物分子的建模任务, 完成对各种生物分子系统的预测、设计和分析，包括蛋白、RNA 和 DNA、肽、 小分子以及非标准或衍生氨基酸。 1.2 Foldit: 一个结合了游戏和科学的蛋白质折叠和设计平台，允许用户通过 游戏界面参与蛋白质设计。 1.3 Bioluminate: 是 Schrödinger 提供的一套生物分子建模和设计工具，包含 蛋白质设计模块。集成了高质量的分子动力学模拟和自由能计算，适用于精准设 计和预测。 1.4 EvoDesign：一个基于进化信息和结构模拟的蛋白质设计工具，主要用于 功能性蛋白质设计。 1.5 OpenFold: 是 AlphaFold2 的开源实现，具有相同的架构，但拥有改进的 速度和内存使用效率。 5. Rosetta 工具箱使用案例：一种基于统计势函数的蛋白质设计方法 1.1 统计势函数的一般定义：基于对已知蛋白质结构的大规模数据库的统计 分析，提取出各种结构特征之间的概率分布。 1.2 蛋白质设计中的统计势函数介绍 (a) 学习 Rosetta 工具箱中统计势函数定义和基本理念 (b) Rosetta 工具箱中能量函数常见项及物理意义 1.3 基于 Rosetta 工具箱中统计势函数的蛋白质设计案例 (a) 使用 Rosetta 工具检查输入的 PDB 文件，预处理，确定设计目标 (b) 执行序列设计实验，使用 Rosetta 的 PackRotamers 协议 (c) 使用 Rosetta 的标准能量函数（包括统计势函数）对设计结果进行能 量评估 第五天 基于深度学习的蛋白质设计进阶 1. 一种基于深度学习的蛋白质序列设计模型 ProteinMPNN 1.1 ProteinMPNN 简介与核心理念：通过深度学习生成具有特定功能的蛋白 质序列 1.2 ProteinMPNN 模型结构与工作原理 (a) ProteinMPNN 技术分析 (b) ProteinMPNN 模型介绍 (c) ProteinMPNN 模型训练与模型推理 1.3 基于 ProteinMPNN 的蛋白质设计应用：设计新型抗菌肽 (a) 实验流程：环境配置，数据准备、模型训练、筛选与验证。 (b) 实验总结：学会如何应用 ProteinMPNN 进行实际的蛋白质设计任务。 2. 从统计分析到深度残差网络的蛋白质结构预测算法 2.1 直接耦合分析和互信息计算：分析蛋白质序列中残基之间的相互作用信 息来推测它们之间的耦合关系或互信息。 2.2 深度残差网络和蛋白质接触图预测：深度残差网络可以用来预测蛋白质 的接触图，即残基之间的接触概率或距离，从而揭示蛋白质的结构信息。 2.3 蛋白质距离矩阵预测：预测蛋白质结构中所有残基对之间的距离或接近 程度。 2.4 图神经网络方法：捕捉蛋白质结构中残基之间复杂的相互作用和依赖关 系。 3. 从几何约束的梯度下降法到端到端深度学习的蛋白结构预测 1.1 梯度下降法和其在蛋白结构优化中的应用概述。 1.2 几何约束如何被集成到梯度下降法中，以实现特定的结构优化目标。 1.3 端到端几何深度学习方法介绍以及在蛋白结构预测中的优势和挑战。 1.4 AlphaFold 等先进模型如何利用端到端深度学习实现高效精准的蛋白质 结构预测。 (a) TrRosetta 介绍：使用了经过调整的残基接触预测方法，通过分析多 序列对应（MSA）和残基间的共进化信息来推断蛋白质的三维结构。 (b) AlphaFold 介绍：使用了端到端的深度学习模型，结合了残基对应、 残基接触预测和结构优化等步骤，以预测蛋白质的三维结构。 (c) RoseTTAFold 介绍：基于 AlphaFold 的技术思路进行开发的一种端到 端几何深度学习方法, 综合利用 MSA、距离和 3D 坐标信息，提高 结构预测的准确性。 4. Alphafold2 详解 4.1 AlphaFold2 的发展背景及其前身 AlphaFold 的演变过程。 4.2 AlphaFold2 的工作原理 (a) 多序列对应（MSA）和残基接触预测：利用多序列对应信息和残基 间的共进化信号来预测蛋白质的三维结构。 (b) Evoformer 架构：介绍 AlphaFold2 中使用的 Evoformer 架构，包括其 在特征提取和结构预测中的应用。 4.3 AlphaFold2 的算法和技术细节 (a) 神经网络架构：AlphaFold2 中的主要神经网络架构和层次结构。 (b) 训练和优化：AlphaFold2 如何通过大规模数据集的训练来优化结构 预测的准确性。 4.4 了解 AlphaFold3 相比于 AlphaFold2 的优势 5. RoseTTAFold 详解 5.1 RoseTTAFold 背景和基本概念 5.2 RoseTTAFold 的工作原理与技术细节 (a) 多序列对应（MSA）和残基接触预测：RoseTTAFold 如何利用多序 列对应信息和残基间的共进化信号来预测蛋白质的三维结构。 (b) 深度神经网络架构：RoseTTAFold 中使用的主要神经网络结构和层 次。 (c) 模型架构和训练：详细介绍 RoseTTAFold 的模型架构，如何训练和 优化模型以提高预测准确性。 5.3 RoseTTAFold 的优势和局限性。 6. 案例演示 6.1 使用 AlphaFold2 进行蛋白质结构在线预测 6.2 使用 RoseTTAFold All-Atom（RFAA）进行蛋白-小分子复合物结构预测 6.3 RoseTTAFold、ProteinMPNN 和 AlphaFold 之间的主要区别 第六天 深度学习蛋白质设计应用实战 1. 基于 AlphaFold2 多体蛋白结构预测与设计 1.1 多序列比对与序列拼接配对问题 （a) 多序列比对在蛋白质结构预测中的关键作用。 （b) 序列拼接配对问题如何影响蛋白质结构预测的准确 （c) AlphaFold2 中模板匹配的原理及其应用范围。 （d) 多肽和蛋白质柔性对接的挑战和解决方案。 2. 基于 AlphaFold2 做蛋白结构和序列新设计及结构聚类 2.1 AlphaFold2 如何实现蛋白质序列和结构的新设计 2.2 结构聚类与新功能发现 （a) Alphadatabase 数据库的结构分析与新功能发现。 （b) 使用 Foldseek 工具进行新结构的探索与功能预测。 3. 基于 AlphaFold2 做多构象预测与质量评估 3.1 多构象预测与功能发现 （a) 多序列比对采样聚类分析在蛋白质多构象预测中的应用。 （b) 不同 MSA 对蛋白质构象预测和功能发现的影响。 3.2 模型质量评估与侧链构象优化 （a) 三角机制如何提升蛋白质模型质量评估的准确性。 （b) 局部三角机制和 Evoformer 在蛋白质侧链构象预测中的应用和效果 评估。 4. RFdiffusion 实现通用性蛋白结构生成 4.1 RFdiffusion 基于指定骨架的蛋白质结构设计核心知识点： 4.2 利用用户提供的特定结构框架进行蛋白质结构设计应用案例：   (a) 无约束单体设计（contigmap）：全新骨架的蛋白质结构创新设计，通 过 RFdiffusion 实现从头生成新颖、非同源蛋白质结构； （b) 特定骨架引导设计 (scaffoldguided)：利用已有结构骨架指导蛋白质 结构创新与改造。 5. ProteinGenerator 与 Rosettafold AA 的进阶应用 5.1 ProteinGenerator 实现蛋白质骨架与序列的 co-design (a) 隐空间中蛋白质序列和结构的联合分布模型。 (b) 与 RFdiffusion 在设计中的异同和比较分析。 5.2 Rosettafold AA 实现多类生物大分子结构预测与生成 (a) 加入小分子结构预测器的 Rosettafold AA 版本。 (b) 将局部坐标系迁移到小分子结构的技术与方法。 6. 一种蛋白质生成模型 Chroma 的基本构架与实现 6.1 Chroma 模型的基本架构和理论背景。 6.2 利用 Chroma 逼近蛋白构象空间全空间采样和生成的方法。 第七天 大语言模型在蛋白质设计中的应用进展 1.蛋白质大预言模型发展现状 1.1 介绍当前基于不同结构的蛋白质语言模型 2. ProGen 介绍 2.1 ProGen 模型构架讲解及其优势 2.2 ProGen 的性能与改进 3. ESMFold 介绍 3.1 ESM 网络构架介绍 3.2 ESMFold 环境配置与使用步骤讲解 3.3 ESMFold 运行结构预测及性能评估 3.4 ESMFold 与 AlphaFold2 方法的对比 4. ProLLaMA：用于多任务蛋白质语言处理的蛋白质大语言模型 4.1 ProLLaMA 模型介绍 4.2 ProLLaMA 训练框架概述及应用特色 5. ProteinBERT：蛋白质序列和功能的通用深度学习模型 5.1 ProteinBERT 方法概述与框架介绍 5.2 ProteinBERT 的优势及应用场景 6. 深度学习算法在多肽设计的应用 6.1 基于 RF diffusion 实现多肽设计 6.2 基于 AlphaFold2 梯度下降进行多肽骨架和序列设计 6.3 多肽对接算法介绍： (a) 基于 AutoDock 的多肽对接 (b) 基于 AlphaFold2 的多肽柔性对接 (c) 其他对接算法 6.4 基于多肽蛋白复合物训练的深度学习多肽设计算法 二、单细胞多组学课程 课程目标： 1. 掌握单细胞多组学研究思路以及课题设计方法 2. 掌握R语言基本语法以及基本绘图 3. 掌握单细胞转录组基础分析及高级分析 4. 掌握单细胞转录组多样本比较分析 5. 掌握单细胞ATAC数据分析，以及与转录组数据联合分析 6. 掌握单细胞VDJ数据分析，以及与转录组数据联合分析 TEACHER 授课老师 Dr. Li，生物信息学博士，有十余年的测序数据分析经验。研究领域涉及机器学习，芯片数据分析，核酸及蛋白序列分析，DNA，RNA，甲基化测序数据分析，单细胞测序数据分析，miRNA及靶基因分析，癌症相关基因预测及预后分析等，发表SCI论文30余篇，其中一作及并列一作15篇。 向下划动查看全部内容 Day 1 单细胞测序技术发展历程及研究现状 单细胞测序原理及测序平台介绍 单细胞相关数据库介绍 单细胞数据分析流程介绍 单细胞研究思路及案例分享 R语言简介 R语言概述 R软件及R包安装 R语言语法及数据类型 条件语句 循环 函数 Day 2 单样本转录组数据基础分析 数据质控及归一化 降维(PCA, tSNE, UMAP) 聚类分析 鉴定marker基因 细胞亚群注释 功能富集分析   单样本转录组数据高级分析 GSEA分析与GSVA分析 细胞亚群继续分群 细胞周期分析 拟时序分析 细胞通讯分析 代谢分析 RNA velocity分析 h5ad转seurat对象 Day 3 RNAseq与膜表面蛋白数据整合分析 RNAseq分群效果与膜蛋白分群效果比较 RNAseq与膜蛋白数据整合后分群 基因与蛋白表达相关性 多组样本转录组数据分析 质控、归一化 降维、聚类 鉴定marker基因，细胞亚群注释 样本间细胞亚群频率比较 样本间差异表达基因分析 绘制小提琴图、散点图、山脊图、火山图、热图、气泡图、feature plot Day 4 单细胞ATAC数据分析 细胞亚群peak鉴定 Motif富集分析 motif deviation 转录因子足迹分析 基因富集分析 peak co-accessibility分析 单细胞ATAC拟时序分析 单细胞ATAC与转录组的整合分析 Day 5 单细胞VDJ分析 VDJ分析以及可视化 检测克隆型 克隆型丰度 CDR3组成 比较克隆型 克隆空间稳态 克隆比例 重叠分析 多样性分析 转录组联合VDJ分析 课程案例图片： 三、机器学习代谢组学 课程目标：1.理解代谢生理功能和代谢疾病，熟悉技术及其应用。2.了解代谢组学实验流程、数据处理技巧，以及色谱、质谱和LC-MS技术。3.熟悉关键代谢通路和数据库，利用R软件进行分析和可视化。4.理解机器学习在代谢组学中的作用，掌握R语言进行分析。5.使用R语言进行数据清洗与分析，通过文献解读和复现增强研究创新能力 TEACHER 授课老师 机器学习代谢组学授课老师： 代谢组学老师来自国内985高校，该技术已研究有十余年，有丰富的研究经验，熟悉蛋白质组学、转录组学、代谢组学的原理及数据分析流程，已发表数篇SCI，Nature等顶刊，有丰富的教学经验！ 向下划动查看全部内容 第一天 A1代谢物及代谢组学的发展与应用                             （1） 代谢生理功能； （2） 代谢疾病； （3） 非靶向与靶向代谢组学； （4） 空间代谢组学与质谱成像（MSI）； （5） 代谢流与机制研究； （6） 代谢组学与药物和生物标志物。 A2代谢组学实验流程简介 A3色谱、质谱硬件原理 （1） 色谱分析原理； （2） 色谱的气相、液相和固相； （3） 色谱仪和色谱柱的选择； （4） 质谱分析原理及动画演示； （5） 正、负离子电离模式； （6） 色谱质谱联用技术； （7）LC-MS的液相系统 A4代谢物样本处理与抽提 （1）组织、血液和体液样本的提取流程与注意事项； （2）用ACN抽提代谢物的流程与注意事项； （3）样本及代谢物的运输与保存问题； 第二天 B1代谢通路及代谢数据库 （1） 几种经典代谢通路简介； （2） 能量代谢通路； （3） 三大常见代谢物库：HMDB、METLIN和KEGG; （4） 代谢组学原始数据库：Metabolomics Workbench和Metabolights. B2 LC-MS数据质控与搜库 （1）LC-MS实验过程中QC样本的设置方法； （2）LC-MS上机过程的数据质控监测和分析； （3） 代谢组学上游分析原理——基于 Compound Discoverer 与 Xcms 软件； （4）XCMS软件数据转换与提峰； B3 R软件基础 （1）R和Rstudio的安装； （2）Rstudio的界面配置； （3）R的基本数据结构和语法； （4）下载与加载包； （5）函数调用和debug； B4 ggplot2 （1）安装并使用ggplot2 （2）ggplot2的画图哲学； （3）ggplot2的配色系统； （4）ggplot2画组合图和火山图； B5 学习资源分享 （1）代谢组学学习资料 （2）R语言学习资料 第三天 C1机器学习简介 （1）有监督学习与无监督学习 （2）生物信息中十大机器学习算法 C2无监督式机器学习在代谢组学数据处理中的应用 （1）大数据处理中的降维； （2）PCA分析作图； （3）三种常见的聚类分析：K-means、层次分析与SOM （4）热图和hcluster图的R语言实现； C3一组代谢组学数据的降维与聚类分析的R演练 (1)数据解析； (2)演练与操作； C4有监督式机器学习在代谢组学数据处理中的应用 （1）数据用PCA降维处理后仍然无法找到差异怎么办？ （2）PLS-DA找出最可能影响差异的代谢物； （3）VIP score和coef的意义及选择； （4）分类算法：支持向量机，随机森林 C5一组代谢组学数据的分类算法实现的R演练 (1)数据解读； (2)演练与操作； 第四天 D1代谢组学数据清洗与R语言进阶 （1）代谢组学中的t、fold-change和响应值； （2）数据清洗流程； （3）R语言tidyverse （4）R语言正则表达式； （5）代谢组学数据过滤； （6）代谢组学数据Scaling原理与R实现； （7）代谢组学数据的Normalization； （8）代谢组学数据清洗演练； D2在线代谢组分析网页Metaboanalyst操作 （1）用R将数据清洗成网页需要的格式； （2）独立组、配对组和多组的数据格式问题； （3）Metaboanalyst的pipeline和注意事项； （4）Metaboanalyst的结果查看和导出； （5）Metaboanalyst的数据编辑； （6）全流程演练与操作 第五天 E1机器学习与代谢组学顶刊解读（2-3篇）； （1）代谢组学和机器学习算法预测中国2型糖尿病的未来发展； （2）机器学习与代谢组学相结合，为胃癌诊断和预后指明方向 （3）1-2篇代谢组学与转录组学和蛋白组学结合的文献。 E2文献数据分析部分复现（1篇） （1）文献深度解读； （2）实操：从原始数据下载到图片复现； （3）学员实操。 授课时间 深度学习蛋白质： 2024.08.17-----2024.08.18全天授课（上午9:00-11:30下午13:30-17:00） 2024.08.23晚上授课（晚上19:00-22:00） 2024.08.24-----2024.08.25全天授课（上午9:00-11:30下午13:30-17:00） 2024.08.30晚上授课（晚上19:00-22:00） 2024.08.31-----2024.09.01全天授课（上午9:00-11:30下午13:30-17:00） 腾讯会议 线上授课（共七天授课时间 提供全程回放视频） 单细胞多组学： 2024.08.03-----2024.08.04全天授课（上午9:00-11:30下午13:30-17:00） 2024.08.05-----2024.08.06晚上授课（晚上19:00-22:00） 2024.08.10-----2024.08.11全天授课（上午9:00-11:30下午13:30-17:00） 腾讯会议 线上授课（共五天授课时间 提供全程回放视频） 机器学习代谢组学： 2024.08.10-----2024.08.11全天授课（上午9:00-11:30下午13:30-17:00） 2024.08.12-----2024.08.13晚上授课（晚上19:00-22:00） 2024.08.17-----2024.08.18全天授课（上午9:00-11:30下午13:30-17:00） 腾讯会议 线上授课（共五天授课时间 提供全程回放视频） 报名费用 深度学习蛋白质设计 公费价：每人每班￥6880元 （含报名费、培训费、资料费提供课后全程回放资料） 自费价：每人每班￥6480元 （含报名费、培训费、资料费提供课后全程回放资料） 单细胞多组学、机器学习代谢组学 公费价：每人每班￥5680元 （含报名费、培训费、资料费提供课后全程回放资料） 自费价：每人每班￥5380元 （含报名费、培训费、资料费提供课后全程回放资料） 优惠政策 优惠一：报二赠一：10880（原价18240元，三门课程都可以学习）   优惠二：提前报名缴费学员+转发到朋友圈或者到学术交流群可享受每人300元优惠（仅限15名） 报名费用可开具正规报销发票及提供相关缴费证明、邀请函，可提前开具报销发票、文件用于报销  培训福利      课后学习完毕提供全程录像视频回放，针对与培训课程内容 进行长期答疑，微信解疑群永不解散，参加本次课程的学员可免费再参加一次本单位后期组织的相同的 专题培训班（任意一期都可以） 报名咨询请扫下方微信二维码 联系人：陈老师                      报名咨询电话｜18339237911（同微信） 授课方式 授课方式及学员反馈 通过腾讯会议线上直播，从零基础开始讲解，1300余页电子PPT和教程提前发送给学员，所有培训使用软件都会发送给学员，附赠安装教程和指导安装，培训采取开麦共享屏幕和微信群解疑，学员和老师交流、学员与学员交流，培训完毕后老师针对与培训内容长期解疑，培训群不解散，往期培训学员对于培训质量和授课方式一致评价极高 往期学员参会单位 有来自四川大学、四川师范大学、中国科学院大学、西安电子科技大学、陕西科技大学、东北林业大学、渤海大学、海南大学、广西中医药大学、北京化工大学、成都大学、香港浸会大学中医药学院、赣南师范大学、重庆陆军勤务学院、齐鲁工业大学、陕西科技大学、陕西师范大学、中科院大学 、浙江工商大学、成都中医药大学、上海交通大学、哈尔滨商业大学、中国人民解放军海军军医大学、西安电子科技大学、中国农业大学、南昌大学、新疆医科大学、山东农业大学、合肥工业大学、清华大学、华中农业大学、山东理工大学、北京工商大学、河南大学、江苏大学、江南大学、大连工业大学、华南理工大学、华南农业大学、成都中医药大学、东北林业大学、北京大学、浙江大学、浙江工业大学、中南大学、复旦大学、南京农业大学、齐鲁工业大学、东北大学、国防科技大学、江苏海洋大学、华东理工大学、华中科技大学、湖北大学、中国医学科学院、西南大学、中南大学湘雅医院、山西省人民医院、中国药科大学、西安市中医医院、首都医科大学附属北京友谊医院、上海市第十人民医院、协和药物研究所、中国农业科学院基因组研究所、广州中医药大学、上海中医药大学、上海理工大学、成都中医药大学、北京中医药大学、武汉大学、香港大学、安阳工学院、沈阳药科大学、中山大学肿瘤防治中心、山东中医药大学、宁波大学、宁夏大学、山东大学、甘肃中医药大学、医学院附属仁济医院、杭州医学院、广州医科大学附属肿瘤医院等工程师老师学生参会，还有许多因为时间冲突没法参加。这次，我们诚挚邀请您来参加！                                    引用往期参会学员的一句话：  发现真的是脚踏实地的同时  需要偶尔仰望星空 非常感谢各位对我们培训的认可！  祝愿各位心想事成！ 声明：此内容由第三方提供、授权发布或者转载自第三方；本内容一切版权及连带责任由第三方负责，与本公众号无关。据此内容作出的任何判断，后果自负。