实用生物信息学（2）：多组学数据整合与深度挖掘
课程编码：100100M01012H
英文名称：Practical Bioinformatics (2): Integration and Deep Mining of Multi-Omics Data
课时：60
学分：4.00
课程属性：一级学科核心课
主讲教师：韩春生等
教学目的要求
通过该课程的学习，学生将能够掌握当代生物信息学研究的基本概念、原理和技能；将能够利用网络版和自己编写的软件进行基本的生物信息学分析。这是一门理论结合实际操作的重要课程，能够使一名有志于利用生物信息学方法从事生物医学研究的学生开启旅程，而不是停留在纸上谈兵和临渊羡鱼的境地。本课程注重实战，将会最大限度简化理论和算法的讲解。必须重点提醒学生，该课程要求学生具有初步的编程经验和数据库知识，但更大的挑战在于需要花较多时间进行课外自学和完成作业。
预修课程
分子生物学、统计学、C语言（若不符合要求，需要主讲教师特殊批准才可注册该课程）
大纲内容
第一章 生物数据的存储与可视化 韩春生
第1节 计算技术与操作基础 3学时
第2节 R语言基础 3学时
第3节 R语言数据可视化基本原则 3学时
第4节 Python基础 3学时
第二章 序列分析 韩春生
第1节 序列比对分析 3学时
第2节 序列模式分析 3学时
第3节 转录本剪切模式分析 3学时
第4节 序列富集分析 3学时
第5节 序列关联分析 3学时
第三章 多组学数据的整合分析 韩春生
第1节 转录组数据分析 3学时
第2节 基因差异表达分析 3学时
第3节 聚类分析和主成分分析 3学时
第4节 单细胞转录组测序分析 3学时
第5节 单细胞表观组学及多组学整合分析 3学时
第6节 基因调控网络的基本概念 3学时
第四章 多组学数据的深度分析 12学时 韩春生
第1节 深度学习的计算基础
第2节 深度学习的计算基础
第3节 深度学习的计算基础
第4节 深度学习的计算基础
参考书
课程教师信息
韩春生 研究员，中国科学院动物研究所
屠 强 研究员，中国科学院遗传发育所
周 兵 研究员，中国科学院动物研究所