深度学习建模技术及在基因组学中的应用

时间：2023-11-23 09:40 点击次数：

一、培训背景：
集成多组学数据的机器学习在生物医学中有着广泛的应用，主要包括疾病亚型识别、生物标志物发现、通路分析以及药物发现及其再利用等方面。对于疾病亚型识别，机器学习整合不同组学数据，开发针对个体多样性的多因素预测模型，可以显著减少需要考虑的潜在治疗组合的空间，并识别其他可能被忽视的组合。在生物标志物发现方面，机器学习用于挖掘生物标志物，这些标志物可以用于疾病的诊断、预后和预测。通路分析方面，机器学习用于分析生物分子作用机制和信号通路，从而更好地理解疾病的发生和发展机制。在药物发现及其再利用方面，机器学习进行药物重定位，基于生成对抗模型进行单细胞转录组数据深度特征提取等，以加速药物的研发过程。

在基因组学中，深度学习的输入数据可能是一个DNA序列，其中核苷酸A、C、T和G编码为[1,0,0,0,0]、[0,1,0,0]、[0,0,1,0]和[0,0,0,1]。深度学习模型可以自动学习这些序列中的模式和特征，例如碱基对的偏好、基因重组率等。深度学习还可以用于基因表达分析和差异分析，帮助学者们了解不同组织和条件下的基因表达水平和变化。总之，深度学习在基因组学中具有广泛的应用前景，可以帮助大家更好地理解基因组数据的结构和功能，促进疾病诊断和治疗方案的设计，以及发现新的药物和治疗方法。

应新老客户的需求，北京软研国际信息技术研究院特举办“计算机辅助药物设计”系列线上专题培训班，本次培训主办方为北京软研国际信息技术研究院，承办方为互动派（北京）教育科技有限公司，会议会务合作单位为北京中科四方生物科技有限公司，具体相关事宜通知如下：

二、培训特色：
1.本次课程共二个专题，均采用腾讯会议在线直播的形式，课后提供无限次回放视频。采用线上实训、课堂上连麦答疑、课后提供无限次回放视频，发送全部案例模型文件，建立永不解散的课程群，在班级群内可以和相同领域内的老师同学互动交流问题。
2.专题一课程通过基础入门+进阶实例演练的讲授思路，从初学及应用研究角度出发，带大家实战演练机器学习在多组学整合分析中的数据处理、预测模型以及生物学意义阐述等，助力大家掌握多种机器学习算法模型的构建以及在多组学联合分析在肿瘤及慢性病中的实际应用，并介绍当下深度学习算法高维组学数据处理，生物网络挖掘的前沿方法，最后以论文复现讲授单细胞组学论文的常用图表制作、细胞差异分析、细胞注释（自动与手动）、蛋白-蛋白相互作用网络构建与可视化，助力于研究创新机器学习算法解决生物学及临床疾病问题与需求。
3.专题二适于对深度学习、基因组学、转录组学、蛋白组学、药物基因组学等多组学分析感兴趣的学员。课程通过基础入门+应用案例实操演练的方式，从初学及应用研究的角度出发，带大家实战演练多种深度学习模型（深度神经网络DNN、卷积神经网络CNN、循环神经网络RNN、自动编码器AE、图卷积神经网络GCN）在基因组学分析中的各种应用：快速搭建基因组学深度学习模型的keras_dna, selene平台；识别G4基序特征DeepG4，识别非编码基因突变DeepSEA，识别拷贝数变异DeepCNV、预测premiRNA的dnnmiRNA、从基因表达数据中识别乳腺癌分型DeepType、联合肿瘤基因标记及药物分子结构预测药物反应机制的SWnet等深度学习工具。通过对这些深度学习在基因组学中的应用案例进行深度讲解和实操，让学员能够掌握深度学习分析高维基因组学、转录组学、蛋白组学等多组学数据流程，系统学习深度学习及基因组学理论知识及熟悉软件代码实操，熟练掌握这些前沿的分析工具的使用以及研究创新深度学习算法解决生物学及临床疾病问题与需求。

三、报名费用：（含报名费、培训费、资料费）
专题一（六天）：集成多组学数据的机器学习在生物医学中的应用：￥5500元/人
专题二（五天）：深度学习建模技术及在基因组学中的应用：￥4500元/人
注：费用提供用于报销的正规机打发票及盖有公章的通知文件，如需开具会议费的单位请联系招生老师索取会议邀请函；
北京中科四方生物科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票。

四、增值服务：
1、凡报名线上课程学员将获得本次培训电子课件教材以便提前预习及随堂电子资料
2、凡报名学员培训结束可获得本次直播课程全部无限次回放视频
3、价格优惠：
优惠一：2023年12月15日前报名汇款可享受400元优惠（仅限前八名）；
优惠二：老客户参加或者推荐学员可享受额外优惠（具体请咨询招生联系人）
4、学员提出的各自遇到的问题在课程结束后可以长期得到老师的解答与指导；
5、参加培训并通过考试的学员，可以获得：北京软研国际信息技术研究院培训中心颁发的相关专题专业技能结业证书；

五、联系方式：

【注】1、开课前一周会务组统一通知；开课前一天会将直播链接及上机账号发至您邮箱或微信。如未收到请及时电话咨询！

上一篇：集成多组学数据的机器学习及在生物医学中的应

下一篇：微流控芯片建模分析技术与应用