生信入门自学分析list1：

第一节：编程基础学习–R语言

1.R和Rstudio的安装、环境配置

2.R语言简单语法及常见命令

3.以Cell文章方法描述学习R包的安装及使用

4.以Nature文章源代码学习重点函数基础代码

第二节：编程基础知识—数据结构

1.向量、矩阵、数据框和列表的创建和索引

2.多种数据结构的合并【Cell】

3.自定义Function函数构建

4.for循环、字符型数据的处理【Cell】

第三节：以Nature文章源代码学习转录组数据表达矩阵处理基本处理

1.重复基因和缺失值的删除

2.不同分组样本的批量归类【Nature】

3.多个样本的表达矩阵合并

4.芯片探针基因名字的转换【Nature】

第四节：以Cell文章源代码学习生存曲线

1.临床预后信息的批量整理

2.创建生存对象、拟合曲线【Cell】

3.特定基因的筛选构建预后分组

4.combat算法不同数据集的批次处理

第五节：差异分析 RNAseq数据分析

1.芯片数据上游分析【Cancer Discovery】

2.多个样本的数据归一化处理

3.分组矩阵系统讲解【Nature】

4.Deseq2分析流程【Science】

5.EdgeR差异分析系统讲解

第六节：以多篇CNS文章源代码学习画图

1.ggplot体系画图包括热图

2.火山图 箱线图 小提琴图【Nature】

3.多分组显著性p值添加方法【Nat Med】

4.三维pca图展示差异特征【Science】

5.层次聚类算法区分不同样本特征

第七节：基因集富集分析

1.over representation

2.GSEA 富集 【Cancer Cell】

3.包括自定义基因集的富集分析

4.富集通路网络图【Nat Genet】

5.蛋白互作网络构建【Nature】

第八节：以Nature文章为例系统讲解单细胞转录组基本分析

1.单细胞在CNS文章思路解析及常见图形解读

2.数据质控、数据放缩、PCA降维、聚类

3.三维tSNE、UMAP可视化【Science】

4.单细胞多组学分析思路和方法【Nature】

第九节 ：单细胞转录组拟时序分析

1.monocle拟时序分析 【Nature】

2.细胞排序，构造一棵生成树

3.基因随轨迹分析变化热图【Cell】

4.BEAM轨迹分支分析【Nature】

5.自测和挖掘单细胞项目思路归纳总结

第十节：空间转录组理论及分析内容

1.空间转录组技术发展历程和原理介绍

2.空间转录组CNS文章思路解析及常见图解读

3.10x Visium 基本分析流程【Cancer Cell】

4.空间数据与单细胞整合分析思路

第十一节课：高分辨空间转录组分析

1.Xenium 空转数据分析【Nature】

2.Visium HD空转数据分析【Cell】

3.Stereo-seq “亚细胞级分辨率”测序介绍

4.空间测序多截面3D邻域重建【Nature】

第十二节课：机器学习基础理论

1.随机森林和支持向量机（SVM）

2.弹性网络回归算法Enet【Cell】

3.广义提升回归模型（GBM）

第十三节课：表观遗传研究

1.ChIP-seq、ATAC-seq在CNS文章中应用

2.ChIP-seq数据分析峰值可视化【Nature】

3.ATAC-seq数据peak注释****【Cancer Cell】

4.峰值在外显子、内含子、启动子的分布计算

第十四节：加权基因共表达网络分析 (WGCNA）算法系统讲解以****nature文章为例

1.构建邻接矩阵和拓扑重叠矩阵

2.无尺度网络模型【Nature】

3.共表达调控网络【Cell】

第十五节：免疫浸润计算

1.CIBERSORT反卷积算法，以TCGA数据为例

2.非监督共识聚类算法【Science】

3.转录因子富集【Cell Stem Cell】

4.Mfuzz、 BioNet调控网络构建

参考：
https://mp.weixin.qq.com/s/_XOGX9jImNlFFITWZXtf8w