多組學
關注創建者：。_4485 創建時間：2023-04-14
多組學的實例教程
基于生物組學的藥物發現基礎介紹
藥物分子化學特征提取（分子指紋，描述符，分子圖）圖神經網絡預測藥物分子性質
基于胰腺癌差異表達基因進行藥物重定位
2 案例實踐教五：基于機器學習與圖神經網絡進行代謝物/藥物分子的性質預測
AI+Science
目標：人工智能領域前沿內容，讓大家了解最新的多組學與機器學習領域的研究動態，同時介紹幾種更為先進的機器學習算法。
集成學習在多組學數據聯合分析中的應用
多組學數據庫在生物信息網絡的挖掘與應用
生成模型在多組學數據的應用與挑戰
圖神經網絡進階，鏈路預測在疾病-基因-蛋白-代謝物的關聯網絡應用
2 案例實踐七：基于生成模型進行單細胞轉錄組數據深度特征提取的研究
經典案例論文研究（論文圖表復現）
目標：通過學習經典多組學研究的SCI論文研究思路，系統學習多組學研究的論文圖表制作，以單細胞組學研究為例，進行論文思路研究，方法探討，圖表制作。
2 論文復現一：單細胞組學論文的常用圖表制作、細胞差異分析、細胞注釋（自動與手動）
2 論文復現二：蛋白-蛋白相互作用網絡構建與可視化復現。
了解更多 請關注公眾號：第一性原理計算與應用
展開 卷積神經網絡基礎及其應用（影像組學）
循環神經網絡基礎及其應用（蛋白組學）
注意力機制基礎及其應用
自編碼器基礎及其應用（轉錄組學）
圖神經網絡基礎及其應用（代謝組學）
遷移學習、深度學習框架——transformer的應用
2 案例實踐四：基于(變分)自編碼器進行藥物/代謝物分子生成
深度學習在組學數據藥物發現的應用 (入門及實踐)
目標：基于基因表達特征建立疾病與小分子藥物之間的關聯關系，運用轉錄組學，蛋白組學，機器學習算法進行藥物重定位。
基于生物組學的藥物發現基礎介紹
藥物分子化學特征提取（分子指紋，描述符，分子圖）圖神經網絡預測藥物分子性質
基于胰腺癌差異表達基因進行藥物重定位
2 案例實踐教五：基于機器學習與圖神經網絡進行代謝物/藥物分子的性質預測
AI+Science
目標：人工智能領域前沿內容，讓大家了解最新的多組學與機器學習領域的研究動態，同時介紹幾種更為先進的機器學習算法。
集成學習在多組學數據聯合分析中的應用
多組學數據庫在生物信息網絡的挖掘與應用
生成模型在多組學數據的應用與挑戰
圖神經網絡進階，鏈路預測在疾病-基因-蛋白-代謝物的關聯網絡應用
2 案例實踐七：基于生成模型進行單細胞轉錄組數據深度特征提取的研究
經典案例論文研究（論文圖表復現）
目標：通過學習經典多組學研究的SCI論文研究思路，系統學習多組學研究的論文圖表制作，以單細胞組學研究為例，進行論文思路研究，方法探討，圖表制作。
2 論文復現一：單細胞組學論文的常用圖表制作、細胞差異分析、細胞注釋（自動與手動）
2 論文復現二：蛋白-蛋白相互作用網絡構建與可視化復現。
了解更多 請關注公眾號：第一性原理計算與應用
vx：15010498280
qq：745729222
展開 ? 集成學習在多組學數據聯合分析中的應用
? 多組學數據庫在生物信息網絡的挖掘與應用
? 生成模型在多組學數據的應用與挑戰
? 圖神經網絡進階，鏈路預測在疾病-基因-蛋白-代謝物的關聯網絡應用
案例實踐教學六：基于生成模型進行單細胞轉錄組數據深度特征提取的研究
經典案例論文研究（論文圖表復現）
學習目標：通過學習經典多組學研究的SCI論文研究思路，系統學習多組學研究的論文圖表制作，以單細胞組學研究為例，進行論文思路研究，方法探討，圖表制作。
論文復現一：單細胞組學論文的常用圖表制作、細胞差異分析、細胞注釋（自動與手動）
論文復現二：蛋白-蛋白相互作用網絡構建與可視化復現。
展開 了解更多 請關注公眾號：第一性原理計算與應用
扣扣：745729222
分子動力學結果分析
3.1軌跡文件觀察
3.2能量數據作圖
3.3 軌跡修正處理
3.4 回旋半徑分析
3.5 計算蛋白構象的rmsd 變化
3.6計算原子位置的rmsf變化
3.7 蛋白配體構象聚類
3.8蛋白配體相互作用氫鍵分析
3.9 蛋白配體相互作用能分析
實例講解與練習：
（1）水中的溶菌酶純蛋白模擬
（2）t4溶菌酶及配體復合物模擬
答疑 針對后三天學習問題的答疑
了解更多內容 請關注公眾號：第一性原理計算與應用
vx：15010498280
qq：745729222
多組學的最新內容
集成學習在多組學數據聯合分析中的應用
多組學數據庫在生物信息網絡的挖掘與應用
生成模型在多組學數據的應用與挑戰
圖神經網絡進階，鏈路預測在疾病-基因-蛋白-代謝物的關聯網絡應用
2 案例實踐七：基于生成模型進行單細胞轉錄組數據深度特征提取的研究
經典案例論文研究（論文圖表復現）
目標：通過學習經典多組學研究的SCI論文研究思路，系統學習多組學研究的論文圖表制作，以單細胞組學研究為例，進行論文思路研究
rosetta從頭蛋白抗體設計、結構優化及在藥物研發中的應用（篇二）
一. 從蛋白質折疊到蛋白質設計
目標：了解本方向內容、理論基礎、研究意義。
1 蛋白質折疊與結構預測簡介
1.1 主鏈二面角與二級結構
1.2 側鏈堆積與三級結構
2 蛋白質設計簡介
2.1 蛋白質設計的分類及應用
am10:00~10:50
二. rosetta基礎
三. 蛋白質結構
CADD蛋白結構分析、虛擬篩選、分子對接（蛋白-蛋白、蛋白-多肽）（篇一）
第一天上午
生物分子互作基礎
1.生物分子相互作用研究方法
1.1蛋白-小分子、蛋白-蛋白相互作用原理
1.2 分子對接研究生物分子相互作用
1.3 蛋白蛋白對接研究分子相互作用
蛋白數據庫
1. pdb 數據庫介紹
1.1 pdb蛋白數據庫功能
1.2 pdb蛋白數據可獲取資源
集成學習在多組學數據聯合分析中的應用
多組學數據庫在生物信息網絡的挖掘與應用
生成模型在多組學數據的應用與挑戰
圖神經網絡進階，鏈路預測在疾病-基因-蛋白-代謝物的關聯網絡應用
2 案例實踐七：基于生成模型進行單細胞轉錄組數據深度特征提取的研究
經典案例論文研究（論文圖表復現）
目標：通過學習經典多組學研究的SCI論文研究思路，系統學習多組學研究的論文圖表制作
了解更多 請關注公眾號：第一性原理計算與應用
扣扣：745729222
，生物醫學研究開始采取多組學技術結合的方法。
從高通量/多組學，到單分子/單細胞；從多倍體/單倍型到宏基因組/環境基因組；從精準醫療到系統醫學等等，后基因組時代的基因組技術正在顛覆傳統生物學和醫學的方式。因此如何科學地分析和注釋這些高通量數據， 已成為生物學工作者急需學習和解決的問題。北鯤云超算平臺作為一家致力于幫助生命科學用戶快速上云，簡化開發、測試、部署流程提升企業運維效率的云超算平臺。
www.chemsoc.org.cn/meeting/Rheo2018/
會議主題
流變本構理論與模型
流變學測試技術
石油、巖土與地質流變學
工業流變學
聚合物及其加工流變學
電-磁-光流變學
多相多組分體系流變學
