莱顿计算生物学中心 (LCBC),汇聚了精通数据科学和分子技术的最新技术的计算生物学家。在生物学正转变为计算科学的今天,他们着眼于单细胞数据、整合数据、拟时序分析等问题,希望开发新的算法来分析单细胞数据,以回答生物学问题。同时,每年他们也会举办一些单细胞技术的分享。比如2020年10月份的单细胞课程“MGC-BioSB-SingleCellAnalysis2020(https://github.com/LeidenCBC/MGC-BioSB-SingleCellAnalysis2020)”
这门为期一周的课程将涵盖单细胞样本制备和分析等实用性问题,特别关注单细胞RNA-seq文库构建。课程面向对学习如何分析自己的单细胞数据集感兴趣的湿实验室研究人员,以及刚接触单细胞测序分析的生物信息学家。编程语言R的基本知识是参加课程的先决条件。
课程以讲座和实践相结合的形式,您将有机会对R中的scRNA-seq数据进行动手分析。课程涵盖的主题包括(但不限于):不同单细胞平台概述、实验设计、scRNA-seq数据的预处理、归一化、降维、聚类、批次校正、差异表达、轨迹推断。课程的第五天是一个小型研讨会,邀请科学家进行客座演讲关于在他们的研究中如何使用各种单细胞技术。
课程已经结束,但有完整的课件和代码可供我们学习,课件内容如下:
课程需要提前安装Rstudio and R (v3.5)以及一些R包:
# CRAN
ggplot2 (at least version 3.0.0)
tidyverse (version 1.2.1)
Seurat (at least version 3.0.0)
igraph (version 1.2.4.1)
cowplot (at least version 0.9.4)
Matrix (version 1.2-17)
# Bioconductor
monocle (version 2.10.1)
biomaRt (version 2.38.0)
destiny (version 2.12.0)
scater (version 1.10.1)
scran (version 1.10.2)
BiocParallel (version 1.16.6)
BiocNeighbors (version 1.0.0)
一般来说,这种课程都是需要具备一些基础知识,真的是再怎么强调生物信息学数据分析学习过程的计算机基础知识的打磨都不为过,我把它粗略的分成基于R语言的统计可视化,以及基于Linux的NGS数据处理:
我把它粗略的分成基于R语言的统计可视化,以及基于Linux的NGS数据处理:
把R的知识点路线图搞定,如下:
Linux的6个阶段也跨越过去 ,一般来说,每个阶段都需要至少一天以上的学习:
没有这些基础知识,其实啥资料啥福利你都会看起来有些吃力!!!
如果你也想开启自己的生物信息学数据处理生涯,但是自学起来困难重重,还等什么呢,赶快行动起来吧!参加我们生信技能树官方举办的学习班:
生信技能树的粉丝都知道我们有一个全国巡讲的良心学习班,口碑爆棚,生物信息学入门省心省时省力!先看看大家的反馈吧:
联系客服