理解?種疾病的某種現(xiàn)象僅使用?種數(shù)據(jù)類型是遠遠不夠的，隨著高通量測序和多組學(xué)的快速發(fā)展，生物醫(yī)學(xué)研究開始采取多組學(xué)技術(shù)結(jié)合的方法，傳統(tǒng)的信息數(shù)據(jù)處理算法不能滿足大數(shù)據(jù)的處理要求，機器學(xué)習(xí)作為從數(shù)據(jù)中進行學(xué)習(xí)的算法，可以對不同組學(xué)來源（如基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)）的數(shù)據(jù)進行綜合分析，開發(fā)針對個體多樣性的多因素預(yù)測模型，可以顯著減少需要考慮的潛在治療組合的空間，并識別其他可能被忽視的組合，并可以添加實驗驗證的步驟，以提供額外的證據(jù)，從而證明預(yù)測治療可能存在的有效性。機器學(xué)習(xí)在疾病亞型識別、生物標(biāo)志物發(fā)現(xiàn)、通路分析以及藥物發(fā)現(xiàn)及其再利用有著更廣泛的前景和應(yīng)用空間。然而，機器學(xué)習(xí)的應(yīng)用仍存在一些瓶頸，人工智能研究項目所需的技能和知識匱乏缺失制約著該方向的發(fā)展。

1.?本次課程共講授六天，每天六個學(xué)時，共36個學(xué)時，采用“3+3”教學(xué)體系，分兩階段授課,給與學(xué)員充分鞏固和練習(xí)時間;采用在線直播的形式，培訓(xùn)結(jié)束提供無限次直播回放視頻,發(fā)送全部案例代碼，建立永不解散的課程群，長期互動答疑。第一階段旨基礎(chǔ)部分講授三天，旨在讓初學(xué)多組學(xué)聯(lián)合機器學(xué)習(xí)體系課程的學(xué)員們快速掌握多組學(xué)以及機器學(xué)習(xí)基礎(chǔ)理論和在生物醫(yī)學(xué)中的簡單應(yīng)用。適用于前期無編程基礎(chǔ)，對機器學(xué)習(xí)，生物組學(xué)感興趣的學(xué)員。第一階段進階部分講授三天，旨在幫助學(xué)員提升與掌握多組學(xué)聯(lián)合分析以及深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。適用于前期有一定編程基礎(chǔ)（Python），對機器學(xué)習(xí)有一些了解，對生物組學(xué)及在生物醫(yī)學(xué)感興趣的學(xué)員。

2.?基礎(chǔ)主要講授內(nèi)容：機器學(xué)習(xí)基本概念，明確機器學(xué)習(xí)方法的適用性，優(yōu)勢等。有針對的講授python語言基礎(chǔ)、數(shù)據(jù)的基本處理、高維組學(xué)數(shù)據(jù)預(yù)處理與分析以及在多組學(xué)整合分析中最常使用的幾種機器學(xué)習(xí)模型、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在多組學(xué)分析的應(yīng)用等。

3.?進階主要講授內(nèi)容：生物標(biāo)志物的挖掘、疾病預(yù)測以及生物分子作用機制、前沿神經(jīng)網(wǎng)絡(luò)如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機制、自編碼器、圖神經(jīng)網(wǎng)絡(luò)在生物組學(xué)中的應(yīng)用、基于基因表達特征建立疾病與小分子藥物之間的關(guān)聯(lián)關(guān)系，運用轉(zhuǎn)錄組學(xué)、蛋白組學(xué)、機器學(xué)習(xí)算法進行藥物重定位、基于生成對抗模型進行單細胞轉(zhuǎn)錄組數(shù)據(jù)深度特征提取。

4.?課程通過基礎(chǔ)入門+進階實例演練的講授思路，從初學(xué)及應(yīng)用研究角度出發(fā)，帶大家實戰(zhàn)演練機器學(xué)習(xí)在多組學(xué)整合分析中的數(shù)據(jù)處理、預(yù)測模型以及生物學(xué)意義闡述等，助力大家掌握多種機器學(xué)習(xí)算法模型的構(gòu)建以及在多組學(xué)聯(lián)合分析在腫瘤及慢性病中的實際應(yīng)用，并介紹當(dāng)下深度學(xué)習(xí)算法高維組學(xué)數(shù)據(jù)處理，生物網(wǎng)絡(luò)挖掘的前沿方法，有助于研究創(chuàng)新機器學(xué)習(xí)算法解決生物學(xué)及臨床疾病問題與需求。

?

集成多組學(xué)數(shù)據(jù)的機器學(xué)習(xí)在生物醫(yī)學(xué)中的應(yīng)用

機器學(xué)習(xí)及生物組學(xué)基礎(chǔ)

（提前贈送視頻）

學(xué)習(xí)目標(biāo)：對機器學(xué)習(xí)基本概念進行介紹，讓大家對機器學(xué)習(xí)基本概念有大致了解。明確機器學(xué)習(xí)方法的適用性，優(yōu)勢，以及局限性等

什么是機器學(xué)習(xí)

機器學(xué)習(xí)的應(yīng)用實例

生物組學(xué)簡介（基因組學(xué)，轉(zhuǎn)錄組學(xué)，蛋白組學(xué)，代謝組學(xué)）

機器學(xué)習(xí)在在多組學(xué)數(shù)據(jù)分析的應(yīng)用

python語言基礎(chǔ)

（提前贈送視頻）

學(xué)習(xí)目標(biāo)：機器學(xué)習(xí)主流實現(xiàn)是python語言。學(xué)習(xí)機器學(xué)習(xí)之前，有針對性的對python進行系統(tǒng)的學(xué)習(xí)，數(shù)據(jù)的基本處理,以方便將來開展機器學(xué)習(xí)的學(xué)習(xí)

python安裝與開發(fā)環(huán)境的搭建

基本數(shù)據(jù)類型、組合數(shù)據(jù)類型

函數(shù)、列表 、元組、字典、集合

控制結(jié)構(gòu)、循環(huán)結(jié)構(gòu)

Numpy模塊——矩陣的科學(xué)計算

Matplotlib模塊——數(shù)據(jù)處理與繪圖

Pandas模塊——csv數(shù)據(jù)處理與分析

Sklearn模塊——機器學(xué)習(xí)模型基礎(chǔ)軟件包調(diào)用

2?案例教學(xué)一：利用Python pandas讀取組學(xué)CSV數(shù)據(jù)并進行數(shù)據(jù)初步分析

生物組學(xué)大數(shù)據(jù)預(yù)處理與探索分析

?

學(xué)習(xí)目標(biāo)：在對高維組學(xué)數(shù)據(jù)進行統(tǒng)計方法分析及機器學(xué)習(xí)建模過程前，需要對數(shù)據(jù)進行預(yù)處理，如缺失值填補，降維可視化等，大數(shù)據(jù)預(yù)處理與探索分析是檢驗數(shù)據(jù)質(zhì)量與了解數(shù)據(jù)分布的必要過程。

高維組學(xué)數(shù)據(jù)的預(yù)處理框架

常用數(shù)據(jù)預(yù)處理方法：缺失值填補，標(biāo)準(zhǔn)化，歸一化，對數(shù)轉(zhuǎn)化

常用的降維方法，PCA，tSNE等

數(shù)據(jù)探索分析（EDA）

2?案例教學(xué)二：利用Python讀取組學(xué)CSV數(shù)據(jù)并進行數(shù)據(jù)探索可視化分析（Exploratory data analysis,EDA）

經(jīng)典機器學(xué)習(xí)模型及多組學(xué)應(yīng)用

學(xué)習(xí)目標(biāo)：對在多組學(xué)整合分析中最常使用的幾種機器學(xué)習(xí)模型進行介紹，總結(jié)它們的優(yōu)缺點及適用范圍，通過動手實踐快速掌握幾種方法

線性模型（線性回歸、梯度下降、正則化、回歸的評價指標(biāo)）

決策樹（決策樹原理、ID3算法、C4.5算法、CART算法）

支持向量機（線性支持向量機、可分、不可分支持向量機）

集成學(xué)習(xí)（AdaBoost和GBDT算法、XGBoost算法、LightGBM算法）

模型選擇與性能優(yōu)化（數(shù)據(jù)清洗、特征工程、數(shù)據(jù)建模）

Scikit-learn機器學(xué)習(xí)庫的使用

2?案例教學(xué)三：基于轉(zhuǎn)錄組學(xué)數(shù)據(jù)進行端到端的機器學(xué)習(xí)項目泛癌預(yù)測（數(shù)據(jù)預(yù)處理，數(shù)據(jù)建模，模型評估）

2?案例教學(xué)四：基于蛋白組學(xué)-代謝組學(xué)在COVID-19中生物標(biāo)志物發(fā)現(xiàn)研究

深度學(xué)習(xí)在組學(xué)數(shù)據(jù)中的應(yīng)用

?

學(xué)習(xí)目標(biāo)：隨著高通量組學(xué)平臺的發(fā)展，生物醫(yī)學(xué)研究大多采取了多組學(xué)技術(shù)結(jié)合的方法，不同組學(xué)來源（如轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)和代謝組學(xué)）的數(shù)據(jù)可以通過基于深度學(xué)習(xí)的預(yù)測算法進行整合，以揭示系統(tǒng)生物學(xué)的復(fù)雜工作。在這一部分我們會重點對基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)進行系統(tǒng)的講解，學(xué)習(xí)常見的神經(jīng)網(wǎng)絡(luò)架構(gòu)在多組學(xué)分析的應(yīng)用。

??深度學(xué)習(xí)介紹，常用神經(jīng)網(wǎng)絡(luò)架構(gòu)介紹

??監(jiān)督學(xué)習(xí)介紹，神經(jīng)網(wǎng)絡(luò)在轉(zhuǎn)錄組學(xué)+代謝組學(xué)的疾病預(yù)測為例

??無監(jiān)督學(xué)習(xí)介紹，高維組學(xué)數(shù)據(jù)降維，聚類分析，以單細胞轉(zhuǎn)錄組數(shù)據(jù)為例

2?案例教學(xué)五：基于t-SNE和UMAP進行單細胞轉(zhuǎn)錄組學(xué)數(shù)據(jù)降維，細胞亞型聚類分析。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)與實踐

學(xué)習(xí)目標(biāo)：從零開始手動實現(xiàn)一個神經(jīng)網(wǎng)絡(luò)，在這一過程中對所涉及的原理進行系統(tǒng)講解及實踐，讓大家能夠更深刻的理解算法背后的原理以及實現(xiàn)方法，之后有利于對其他機器學(xué)習(xí)更全面快速掌握

深度學(xué)習(xí)與機器學(xué)習(xí)區(qū)別與聯(lián)系

Perceptron, 神經(jīng)元基礎(chǔ)

神經(jīng)網(wǎng)絡(luò)的梯度下降法與損失函數(shù)

神經(jīng)網(wǎng)絡(luò)中的前向傳播與反向傳播

神經(jīng)網(wǎng)絡(luò)的模型評估

超參數(shù)優(yōu)化,batch size, learning rate

深度學(xué)習(xí)工具——Pytorch的使用

深度學(xué)習(xí)工具——Keras的使用

2?案例教學(xué)六：基于高維轉(zhuǎn)錄組學(xué)及手動構(gòu)建神經(jīng)網(wǎng)絡(luò)進行特征篩選及預(yù)測

多組學(xué)聯(lián)合分析，闡明疾病分子機制

?

學(xué)習(xí)目標(biāo)：從常見的多組學(xué)聯(lián)合分析策略出發(fā)，如轉(zhuǎn)錄組+代謝組，蛋白組+代謝組等，對常用的數(shù)理統(tǒng)計分析方法進行介紹，之后學(xué)習(xí)如何利用數(shù)據(jù)庫如KEGG等進行生物功能富集分析，結(jié)合機器學(xué)習(xí)方法進行生物標(biāo)志物的挖掘，疾病預(yù)測以及生物分子作用機制等。

常用生物組學(xué)實驗與分析方法，如轉(zhuǎn)錄組學(xué)，代謝組學(xué)

常用組學(xué)數(shù)據(jù)庫介紹，如TCGA,PathBank,HMDB,KEGG

Python批量處理組學(xué)數(shù)據(jù)-歸一化處理，差異分析，相關(guān)性分析

生物功能分析：GO 功能分析、代謝通路富集、分子互作等

基于轉(zhuǎn)錄組學(xué)的差異基因篩選，疾病預(yù)測

基于差異基因，聯(lián)合代謝組學(xué)分析疾病分子發(fā)生機制

??組學(xué)數(shù)據(jù)可視化，如火山圖，t-SNE降維，代謝通路網(wǎng)絡(luò)分析

??組學(xué)特征（基因，蛋白，代謝物）選擇（隨機森林分析）

??單細胞轉(zhuǎn)錄組學(xué)數(shù)據(jù)分析及可視化分析

2?案例教學(xué)七：（包含以下內(nèi)容）

2?轉(zhuǎn)錄組+代謝組的多組學(xué)分析胃癌，實現(xiàn)從“因”和“果”兩個層面來探究生物學(xué)問題，相互間進行驗證

2?從海量的數(shù)據(jù)中篩選出關(guān)鍵基因、代謝物及代謝通路

2?深度解析胃癌腫瘤標(biāo)志物解釋腫瘤發(fā)生發(fā)展的復(fù)雜性和整體性案例

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進階

?

學(xué)習(xí)目標(biāo)：學(xué)習(xí)前沿神經(jīng)網(wǎng)絡(luò)如卷積神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)，注意力機制，自編碼器，圖神經(jīng)網(wǎng)絡(luò)在生物組學(xué)及藥物篩選的應(yīng)用，遷移學(xué)習(xí)應(yīng)用等。

卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及其應(yīng)用（影像組學(xué)）

循環(huán)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及其應(yīng)用（蛋白組學(xué)）

注意力機制基礎(chǔ)及其應(yīng)用

自編碼器基礎(chǔ)及其應(yīng)用（轉(zhuǎn)錄組學(xué)）

圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)及其應(yīng)用（代謝組學(xué)）

遷移學(xué)習(xí)

深度學(xué)習(xí)框架——transformer的應(yīng)用

2?案例教學(xué)八：基于自編碼器進行藥物/代謝物分子生成

深度學(xué)習(xí)在組學(xué)數(shù)據(jù)藥物發(fā)現(xiàn)的應(yīng)用

學(xué)習(xí)目標(biāo)：基于基因表達特征建立疾病與小分子藥物之間的關(guān)聯(lián)關(guān)系，運用轉(zhuǎn)錄組學(xué)，蛋白組學(xué)，機器學(xué)習(xí)算法進行藥物重定位。

基于生物組學(xué)的藥物發(fā)現(xiàn)基礎(chǔ)介紹

藥物分子化學(xué)特征提?。ǚ肿又讣y，描述符，分子圖）

圖神經(jīng)網(wǎng)絡(luò)預(yù)測藥物分子性質(zhì)

基于胰腺癌差異表達基因進行藥物重定位

2?案例教學(xué)九：基于機器學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò)進行代謝物/藥物分子的性質(zhì)預(yù)測

2?案例教學(xué)十：以阿爾茨海默病為例，基于轉(zhuǎn)錄組學(xué)差異表達基因與深度學(xué)習(xí)模型進行藥物重定位

AI+Science

學(xué)習(xí)目標(biāo)：人工智能領(lǐng)域前沿內(nèi)容，讓大家了解最新的多組學(xué)與機器學(xué)習(xí)領(lǐng)域的研究動態(tài)，同時介紹幾種更為先進的機器學(xué)習(xí)算法。

集成學(xué)習(xí)在多組學(xué)數(shù)據(jù)聯(lián)合分析中的應(yīng)用

多組學(xué)數(shù)據(jù)庫在生物信息網(wǎng)絡(luò)的挖掘與應(yīng)用

生成模型在多組學(xué)數(shù)據(jù)的應(yīng)用與挑戰(zhàn)

影像組學(xué)進階，弱監(jiān)督學(xué)習(xí)進行影像組學(xué)的數(shù)據(jù)自動標(biāo)注與分類

2?案例教學(xué)十一：基于生成對抗模型進行單細胞轉(zhuǎn)錄組數(shù)據(jù)深度特征提取

時間：

?2022年12月02日-12月04日???在線直播（授課三天）

?2022年12月16日-12月18日???在線直播（授課三天）

講師：

由教育部直屬全國重點大學(xué)，國家“雙一流”A類，“985”,?“211”重點建設(shè)高校醫(yī)學(xué)院副教授，碩士生導(dǎo)師主講。中科院院士團隊骨干成員，美國Top50大學(xué)博士，博士后。近五年發(fā)表SCI論文10余篇。主持和參與國家級，省部級自然科學(xué)基金項目多項，擁有多年生物醫(yī)學(xué)數(shù)據(jù)挖掘結(jié)合人工智能算法研究經(jīng)驗。主要擅長多組學(xué)聯(lián)合分析在腫瘤等疾病的機制研究和生物多組學(xué)的算法開發(fā)。

?

費用：

每人￥5600元（含報名費、培訓(xùn)費、資料費）

費用提供用于報銷正規(guī)機打發(fā)票及蓋有公章的紙質(zhì)通知文件；如需開具會議費的單位請聯(lián)系招生老師索取會議邀請函；

增值服務(wù)：

1、凡報名學(xué)員將獲得本次所學(xué)班的培訓(xùn)書本教材（或PPT課件）及隨堂全部案例代碼資料

2、提前發(fā)送軟件安裝及理論部分及python語言基礎(chǔ)教學(xué)視頻，培訓(xùn)結(jié)束可獲得本期全部無限次回放.

3、價格優(yōu)惠：

優(yōu)惠一：2022年11月11日前報名并繳費可享受400元優(yōu)惠（僅限前十名）；

優(yōu)惠二：老客戶參加或者推薦學(xué)員可享受額外優(yōu)惠（具體請咨詢招生聯(lián)系人）

4、學(xué)員提出的各自遇到的問題在課程結(jié)束后可以長期得到老師的解答與指導(dǎo)；

5、參加培訓(xùn)并通過考試的學(xué)員，可以獲得：北京軟研國際信息技術(shù)研究院培訓(xùn)中心頒發(fā)的《機器學(xué)習(xí)多組學(xué)與生物醫(yī)學(xué)應(yīng)用工程師》專業(yè)技能結(jié)業(yè)證書；

聯(lián)系方式：

官方聯(lián)系人:? 科宇老師 ?????電話/微信：13520456594 ????????????