高通量測序應用最新技術與數據分析高級培訓班通知

瀏覽次數：5229　發布日期：2016-12-13　來源：本站　本站原創，轉載請注明出處

關于舉辦“高通量測序應用最新技術與數據分析”高級培訓班通知

2017年南寧基因組高通量測序分析及生物信息繪圖上機實操班

各有關單位:

隨著新一代高通量測序技術的快速發展，在準確度大大提高的前提下, 進一步降低測序成本。由此不斷產生出巨量的分子生物學數據，這些數據有著數量巨大、關系復雜的特點，以至于不利用計算機根本無法實現數據的存儲和分析。隨著生物信息學作為新興學科迅速蓬勃發展，正在改變人們研究生物醫學的傳統方式，高通量測序技術以及數據分析技術已成為探索生物學底層機制和研究人類復雜疾病診斷、治療及預后的重要工具，廣泛應用于生命科學各個領域，是21世紀生命科學與生物技術的重要戰略前沿和主要突破口。“智能信息處理技術”為人力資源與社會保障部中國科學院北京分院國家級專業技術人員繼續教育基地培訓點培訓項目，“生物信息”為智能信息處理技術系列培訓項目之一。為進一步推動我國生物信息學特別是基因組學的發展，提高從業人員的技術水平，北京海淀中科計算技術轉移中心（中科院計算所技術轉移中心）舉辦“高通量測序應用最新技術與數據分析”高級培訓班，并由北京嘉誠永恒科技有限公司具體承辦，具體事宜通知如下：

一、培訓目標及特點：

本培訓以第三代測序、第四代測序技術的應用與數據分析、基因組、轉錄組為主題，精心設計了具有前沿性、實用性和針對性強的理論課程和上機課程。培訓邀請的主講人均是有理論和實際研究經驗的人員。學員通過與專家直接交流，能夠分享到這些頂尖學術機構的研究經驗和實驗設計思路。學員通過集中專題學習后能夠擴展思路，在研究技術方面領悟更多。

二、培訓對象：

大中專院校生物信息、生物計算、生命科學、醫學、化學、農學、計算機科學、數學類專業的課程負責人、一線教師、教研室骨干人員、教學管理人員；科研單位從事生物、生命科學、微生物研究的相關人員；生物、醫藥、化學及相關企業的領導與技術骨干。

三、時間地點：2017年1月12日——1月16日南寧 （時間安排：第1天報到，授課4天）

四、培訓內容

章節	內容
生物信息學介紹	生物信息學介紹與前沿技術動態
序列的比對	1、全局比對 Clustalw,Muscle,Hmmer 2、局部比對 Blast, Sim4,Genewise 3、序列比對算法分析
基因組/基因注釋分析	1、新一代測序技術原理和數據處理介紹 2、基因組拼接與組裝基因組de novo組裝方法重復序列分析技術 3、 RNA分析 tRNA,rRNA,microRNA,snoRNA RNA干擾，SiRNA預測技術 4、基因預測原核：Glimmer，真核：Genescan, Augustus 5、基因功能注釋及常用的數據庫介紹
基因組學研究概述	1、structural genomics: 結構基因組學 2、functional genomics: 功能基因組學 3、Drug discovery: 藥物研發 4、Personalized medicine：個性化、精細醫療
DNA測序技術-轉錄組分析的進化	1、第一代測序技術：Sanger測序原理 2、第二代測序技術：Illumina，454, Ion Torrent原理 3、第三代測序技術：PacBio, Hellicos原理 4、第四代測序技術: Oxford NanoPore原理 5、其他技術Hybridization based methods (NabSys)
Experimental procedure for transcriptomic analysis	Introduction Number of duplications Sequencing coverage Transcriptomic analysis using NGS (RNA-Seq) Transcriptomic analysis using PacBio (Iso-Seq) IsoSeq Experimental design
Data analysis （part 1）：data pre-processing	evaluation of data quality 數據分析 Data format，fasta，fastq，quality value，gff3 Data cleanup Quality filter, trimmer, clipper
Data analysis （part 2）：reference free analyses（無參轉錄組分析）	Gene discovery Trinity de novo transcriptome assembly Analysis of Differential Expressed Gene （DEGs） Abundance estimation using RSEM Differential expression analysis using EdgeR Explore the results (cummerbund) MA plot, Volcano plot, False Discovery Rate (FDR) hierarchical two-way clustering, pairwise sample-distance, gene expression profiles.
使用R語言進行生物信息學相關的分析	使用R語言相關的包對轉錄組等組學的高通量測序數據進行差異表達、富集分析等。生物信息學專業圖KEGG、GO等的繪制方法與運用R語言進行實現
基因組可視化軟件circos的使用	使用circos繪制基因組圈圖
生物信息學專業常用工具及繪圖方法	應用生物信息常用的工具進行專業繪圖及格式轉換；學BioEdit、WeGO等常用生物學專業軟件的圖表及格式轉換