专题一：集成多组学数据的机器 学习在生物医学中的应用
案例一：利用Python pandas读取组学CSV数据并进行数据探索可视化分析（Exploratory data analysis,EDA）经典机器学习模型及多组学应用
案例二：基于转录组学数据进行端到端的机器学习项目泛癌预测（数据预处理，数据建模，模型评估）
案例三：基于蛋白组学-代谢组学在COVID-19 中生物标志物的发现
案例四：基于高维转录组学及手动构建神经网络进行特征筛选及预测
案例五：（包含以下内容）
转录组+代谢组的多组学分析胃癌，实现从“因”和“果”两个层面来探究生物学问题，相互间进行验证
从海量的数据中筛选出关键基因、代谢物及代谢通路
深度解析胃癌肿瘤标志物解释肿瘤发生发展的复杂性和整体性
案例六：基于t-SNE和UMAP进行单细胞转录组学数据降维，细胞亚型聚类分析。
案例七：基于影像组学及卷积神经网络进行肿瘤病理图片特征提取与分级预测
案例八：基于自编码器进行药物/代谢物分子生成
案例九：基于机器学习图神经网络进行代谢物/药物分子的性质预测
案例十：以胰腺癌为例，基于转录组学差异表达基因与深度学习模型进行药物重定位
案例十一：基于生成对抗模型进行单细胞转录组数据深度特征提取
机器学习及生物组学基础；python语言基础；经典机器学习模型及多组学应用；深度学习神经网络基础；多组学联合分析与疾病分子机制；深度学习在多组学数据中的应用（入门与实践）；深度学习神经网络进阶(入门及实践)；深度学习在组学数据药物发现的应用 (入门及实践)；AI+Science
专题二：单细胞多组学及空间组学数据分析与应用
高通量测序数据，R语言，Linux操作系统；高通量测序数据分析；Linux操作系统及R语言在生物信息学中的应用；高通量多组学数据分析；单细胞转录组数据分析；单细胞ATAC-seq数据分析；单细胞多组学整合分析；空间组学数据分析；AI基因组数据分析。
原文链接： https://docs.qq.com/pdf/DTWRud0liZElpeGlV