BioArt专·精系列培训 | R语言实战班-56个专题CNS论文空间组学

打开网易新闻 查看精彩图片

CNS空间组学R语言班将以CNS文章中的科学问题和主图逻辑为主线，从Seurat基础处理、细胞注释、解卷积和多样本整合出发，逐步进入空间域、空间可变基因、共表达程序、细胞距离与共定位、空间生态位、空间轨迹、细胞通讯、肿瘤CNV、药物预测，以及空间蛋白和空间代谢分析。课程将帮助大家理解每种方法解决什么问题、适用于什么数据、参数如何选择、结果怎样验证，并把“空间位置—组织结构—细胞互作—分子程序—疾病表型”串联成一套可以迁移到自己数据、课题设计和文章发表中的完整分析框架。

01

课程特色

1. 一套R语言打通空间组学完整流程
以Nature文章源代码为例，从Seurat空间数据导入、质量控制、标准化、降维聚类、细胞注释和出版级作图开始，进一步进入空间可变基因、空间域、共表达程序、差异分析、空间轨迹、细胞通讯、生态位、CNV及药物预测，建立从基础处理到高级机制挖掘的完整分析框架。

2. 覆盖主流空间组学技术平台
课程系统涵盖Visium、Visium HD、Xenium、MERFISH、CosMx SMI、GeoMx DSP等空间转录组平台，并延伸到CODEX空间蛋白组和Cardinal空间代谢组分析，帮助学员理解不同平台的数据结构、分辨率、分析边界和适用方法。

3. 以CNS文章的科学问题为主线
课程不是简单堆叠R包，而是围绕高水平文章中的关键问题选择方法：哪些基因具有空间结构？哪些细胞共同构成空间生态位？细胞邻近是否超过随机期望？分子状态是否沿组织边界连续变化？两组差异如何控制空间自相关带来的假阳性？在问题驱动下学习SpaGene、HEARTSVG、Banksy、SpaceBF、smiDE、phenoptr、scider、MISTy和ISCHIA等工具。

4. 从“画空间图”升级到“构建机制链”
课程进一步连接细胞距离、边界梯度、空间共定位、邻接网络、多尺度影响、空间轨迹和细胞通讯，并结合肿瘤边界识别、CNV、亚克隆检测和空间药物预测，把“空间位置—细胞邻域—相互作用—分子程序—疾病表型”组织成可解释的主图逻辑。

5. 学会把方法迁移到自己的课题
延续“看懂顶刊—复现方法—理解原理—迁移课题”的教学思路，课程不仅说明代码怎样运行，还会解释每种方法适合什么数据、解决什么问题、能够支撑什么结论，帮助学员根据自己的样本和科学问题重新组合分析模块，形成可复用的空间组学研究框架。

02

课程核心模块

课程设置为11个核心模块、56个专题。

模块一：CNS文章思路与基础分析

结合CNS文章解析空间组学常见研究问题、课题设计、主图逻辑和常见图形，系统学习Seurat空间数据导入、质量控制、标准化、降维聚类、marker基因分析、空间可视化及出版级图片制作，建立空间组学R语言分析基础。

模块二：细胞注释与单细胞整合

学习spType空间细胞注释，并利用RCTD、CellTrek和SPOTlight完成空间反卷积、单细胞空间映射与细胞组成推断；结合STUtility、Seurat和Harmony开展多患者、多切片整合、批次效应处理及切片比较。

模块三：主流空间组学平台分析

系统学习GeoMx DSP、CosMx SMI、Xenium、Visium HD和MERFISH等主流空间组学平台的数据结构与分析流程，掌握数据导入、质量控制、聚类注释、空间展示和下游分析方法。

模块四：空间可变基因与空间域

利用SpaGene和HEARTSVG识别空间可变基因，学习HVG与SVG的区别、空间自相关和空间FDR；进一步使用Banksy和BayesSpace识别组织空间域、开展空间感知聚类及分辨率增强。

模块五：空间基因程序与差异网络

使用Semla和SpaceBF提取空间基因程序及空间共表达模式，利用smiDE完成空间感知差异表达分析，并通过SPATA2开展差异基因、功能富集、通路打分和空间表达程序解析。

模块六：空间距离、邻域与生态位

围绕细胞在组织中的空间关系，学习phenoptr细胞距离与边界梯度、scider和spicyR细胞共定位、MISTy多尺度空间影响、ISCHIA多细胞生态位，以及细胞邻接图、cell degree和Phiclust空间聚类评价。

模块七：空间轨迹与动态变化

使用SPATA2分析空间连续梯度、动态基因和关键转折点，结合SpatialPCA、slingshot及trendsceek开展空间轨迹和空间表达趋势分析，解析细胞状态沿组织轴、疾病区域或发育路径的连续变化。

模块八：细胞通讯与空间调控网络

利用CellChat和SpaTalk分析具有空间位置约束的配体—受体通讯，结合hdWGCNA和SpaGCN构建空间共表达模块与空间基因网络，并通过scMultiSim开展空间数据模拟与细胞间通讯机制研究。

模块九：肿瘤空间机制与药物预测

围绕肿瘤核心、侵袭边缘、恶性区域和微环境异质性，学习STDrug空间药物预测、SPATA2空间CNV、Cottrazm肿瘤边界识别、Clonalscope癌症亚克隆检测及Spatial EcoTyper空间生态型分析。

模块十：空间代谢、空间蛋白与高维成像

使用Cardinal完成空间代谢组数据预处理、空间分割和差异离子分析；系统学习CODEX空间蛋白数据处理，并分别利用Cytomapper进行高维空间成像可视化、利用imcRtools开展细胞邻域与空间互作分析。

模块十一：高分辨率空间组学技术与多维空间图谱构建

系统学习DBiT-seq、Open-ST、osmFISH、seqFISH、Seq-Scope、Slide-seq、Spatial ATAC-seq、Spatial CITE-seq、Spatial Genomics、STARmap和Stereo-seq等空间组学技术；掌握不同平台的数据特点、实验原理及应用场景，理解空间转录组、空间蛋白组、空间染色质和空间多组学图谱构建方法；结合真实研究案例，解析细胞空间分布、组织结构异质性以及疾病微环境中的空间调控机制。

通过11个模块，课程将形成一条完整的学习路径：

CNS文章思路解析 → 空间数据基础处理 → 细胞注释与整合 → 空间结构发现 → 邻域与生态位解析 → 轨迹与通讯分析 → 肿瘤机制挖掘 → 空间多组学拓展。

课程咨询：

03

课程具体内容

模块一：CNS思路与基础分析专题1：空间转录组在CNS文章应用

1. 空间转录组CNS文章思路解析

2. 空间转录组技术在科研领域的应用

3. 空间转录组技术在肿瘤、免疫、发育、神经等领域的研究内容及课题思路

4. 空间分布图、空间梯度图、邻域图、通讯图和生态位图等常见图形解读

5. 从空间位置、细胞互作、分子信号到疾病表型的文章证据链设计

1. Seurat空间转录组数据导入与对象构建

2. 空间数据质量控制、过滤与标准化【Nature】

3. 降维、聚类、marker基因筛选与细胞群解释

4. 基因表达、细胞类型和组织区域的空间可视化

5. 局部区域放大、切片比较与出版级组合图制作

打开网易新闻 查看精彩图片

模块二：细胞注释与单细胞整合专题3：spType空间细胞注释【Nature】

1. 利用正向marker和负向marker构建细胞类型特征集

2. 对每个空间spot进行细胞类型打分与注释

3. 结合经典marker和SingleR对注释结果进行复核

4. 比较spType与参考单细胞注释结果的一致性

5. 展示不同细胞类型在组织中的空间分布

打开网易新闻 查看精彩图片

专题4：单细胞与空间转录组联合分析

1. 使用RCTD反卷积估计每个spot中的细胞组成【Cell】

2. 使用CellTrek将单细胞映射回组织空间【Nature】

3. 评估单细胞空间映射结果及映射不确定性【Science】

4. 使用SPOTlight通过NMF分解空间表达数据

5. 比较不同联合分析方法的适用数据、参数设置和结果差异

1. 按患者、切片和实验批次构建空间分析对象

2. 使用Seurat与Harmony进行多样本整合

3. 识别并处理不同切片之间的批次效应【Nat Cancer】

4. 在去除技术差异的同时保留真实生物学差异

5. 完成切片配准、联合分析及分开分析结果比较

打开网易新闻 查看精彩图片

模块三：主流空间组学平台专题6：GeoMx DSP数据分析

1. GeoMx DSP数据结构、ROI和segment信息整理

2. 表达矩阵质量控制与低质量区域过滤【Nat Metab】

3. 数据标准化及不同组织区域之间的表达比较

4. 差异表达、功能富集与结果可视化【Cell Stem Cell】

5. 多患者、多区域和多分组空间数据比较

1. CosMx表达矩阵、细胞坐标和FOV信息导入

2. 细胞、转录本与细胞分割结果质量控制【Nature】

3. 标准化、降维聚类和细胞类型注释【Cancer Cell】

4. marker基因与细胞类型的空间分布展示

5. 构建细胞邻接关系并衔接邻域和生态位分析

打开网易新闻 查看精彩图片

专题8：Giotto分析Xenium数据

1. Xenium表达矩阵、细胞坐标和组织图像导入

2. 转录本、细胞边界和空间位置的联合管理【Nature】

3. 使用Giotto构建细胞空间邻接网络【Science】

4. 完成降维、聚类、细胞注释与空间展示

5. 局部组织区域放大及细胞空间关系分析

1. Visium HD数据导入与不同bin分辨率选择

2. 高分辨率空间表达数据质量控制【Immunity】

3. 标准化、降维、聚类与空间区域识别【Nature】

4. 基因表达和组织结构的高分辨率空间展示

5. 比较Visium HD与传统Visium数据的分析差异

打开网易新闻 查看精彩图片

专题10：MERFISH数据全流程分析

1. MERFISH表达矩阵、分子坐标和细胞坐标导入

2. 低质量细胞与异常分子信号过滤【Nature】

3. 降维、聚类、marker分析与细胞类型注释

4. 细胞类型及关键基因的空间可视化

5. 构建空间邻接网络并开展下游邻域分析

打开网易新闻 查看精彩图片

模块四：空间可变基因与空间域识别专题11：SpaGene与HEARTSVG空间可变基因

1. 高变基因HVG与空间可变基因SVG的区别

2. 全局空间表达模式与局部空间表达模式识别

3. 利用空间自相关筛选具有空间结构的基因

4. 对空间表达模式进行聚类和分类【Sci Adv】

5. 空间FDR控制及SpaGene与HEARTSVG结果比较

1. 同时利用基因表达和邻域信息进行空间聚类

2. 构建细胞或spot的空间邻域特征

3. 理解lambda和k_geom等关键参数【Sci Immunol】

4. 区分细胞类型、空间聚类与组织空间域

5. 通过不同参数和重复分析评价空间域稳定性

打开网易新闻 查看精彩图片

专题13：BayesSpace空间聚类与分辨率增强

1. 利用空间邻接关系优化组织区域聚类

2. 开展亚spot层面的空间分辨率增强【Science】

3. 比较增强前后的空间区域和marker表达

4. 进行模型参数选择与收敛诊断【Nat Neurosci】

5. 判断增强后出现的新结构是否具有生物学依据

1. 整理多张空间组织切片及匹配的单细胞参考数据【Cell】

2. 利用单细胞参考信息推断不同空间位置的细胞类型组成

3. 同时整合单张切片内部和多张切片之间的空间信息

4. 在spot、单细胞或亚细胞分辨率下识别组织空间域

5. 比较不同切片中的空间域组成、位置及跨样本一致性

打开网易新闻 查看精彩图片

模块五：空间基因程序与差异分析

专题15：Semla空间可视化与NMF基因程序

1. Semla空间对象构建与数据管理【Science】

2. 使用NMF提取空间基因表达程序【Cell】

3. 解析因子载荷、关键基因和空间因子得分

4. 比较不同区域和不同样本中的空间程序

5. 根据marker与功能富集结果完成程序命名

1. 利用贝叶斯融合识别空间共表达关系

2. 区分局部共表达与全局共表达模式

3. 构建空间共表达模块并计算模块得分

4. 建立多样本共识空间模块【Neuron】

5. 验证空间共表达模式的跨样本稳定性

1. 理解空间自相关对普通差异分析的影响

2. 处理空间表达数据中的零膨胀问题【Nat Genet】

3. 将患者、批次和组织区域等协变量纳入模型

4. 计算差异效应量、显著性与空间FDR

5. 比较smiDE与SeuratFindMarkers的分析结果

打开网易新闻 查看精彩图片

专题18：STcompare空间表达模式差异分析

1. 对具有相似组织结构的切片进行空间配准和坐标统一

2. 将不同切片映射到可一一对应的空间位置或共享像素网格

3. 比较同一基因在不同样本中的空间相关结构变化【Sci Adv】

4. 计算匹配空间位置上的空间fold change与模式相似度

5. 识别平均表达接近但空间分布不同的差异空间模式基因

STcompare将传统差异表达与空间模式差异区分开来，主要比较空间相关性和匹配位置上的空间表达变化，适用于结构可对应的组织切片。

专题19：SPATA2差异基因与功能富集

1. 根据空间区域或空间轨迹建立比较分组

2. 完成不同空间区域之间的差异表达分析

3. 开展GO、KEGG和GSEA功能富集

4. 计算基因集与通路活性得分【Nat Commun】

5. 绘制空间通路分布图并整理功能证据链

打开网易新闻 查看精彩图片

模块六：空间距离、邻域与生态位专题20：phenoptr细胞距离与边界梯度

1. 计算不同细胞类型之间的最近邻距离

2. 计算细胞到组织区域或多边形的距离

3. 计算细胞到组织边界的带方向距离【Cell Stem Cell】

4. 根据距离进行环带分层与区域比较【Nat Genet】

5. 使用GAM分析细胞状态随空间距离的连续变化

1. 绘制不同细胞类型的空间密度图

2. 使用等高线展示细胞聚集区域【Nature】

3. 开展最近邻距离和Ripley K/L分析

4. 使用cross-K评价两类细胞的空间关系

5. 通过标签置换判断共定位是否超过随机期望

打开网易新闻 查看精彩图片

专题22：spicyR细胞共定位比较

1. 计算不同细胞类型之间的空间关联强度

2. 将细胞共定位结果汇总到样本层面【Nat Med】

3. 比较不同疾病组或治疗组的共定位变化

4. 评估空间关联的效应量与统计显著性

5. 展示组间差异共定位网络和关键细胞组合

1. 构建细胞自身的intraview模型【Cell】

2. 构建直接邻近细胞的juxtaview模型

3. 构建远距离组织环境的paraview模型【Nature】

4. 选择不同空间半径并比较模型解释能力

5. 汇总多样本特征重要性并构建空间影响网络

打开网易新闻 查看精彩图片

专题24：ISCHIA多细胞生态位分析

1. 根据空间邻域构建细胞共现矩阵

2. 识别反复共同出现的多细胞组合【Nat Med】

3. 对空间生态位进行聚类、注释与命名

4. 分析不同细胞在生态位中的富集和缺失

5. 比较不同患者和条件下的生态位丰度

1. 构建空间位置的细胞组成矩阵与配体—受体表达矩阵

2. 使用图正则化联合非负矩阵分解提取空间生态位主题

3. 从不同空间距离尺度识别细胞类型共定位模式【Cancer Cell】

4. 将生态位主题与关键配体—受体及下游通路相连接

5. 通过共识聚类定义多样本ecotype并比较其样本间丰度

打开网易新闻 查看精彩图片

专题26：细胞邻接图与cell degree

1. 使用kNN或固定半径构建细胞邻接图【Cell】

2. 计算degree、betweenness和局部密度

3. 识别空间结构中的连接枢纽细胞【Cell】

4. 识别局部组织中的隔离细胞与低连接区域

5. 对不同细胞类型的网络指标进行归一化比较

1. 计算空间聚类的细胞类型或组织区域纯度

2. 使用熵评价空间区域内部的混合程度【Nat Genet】

3. 使用silhouette评价不同聚类之间的分离程度

4. 评价空间局部一致性和邻域稳定性

5. 综合多项指标比较不同空间聚类方案

打开网易新闻 查看精彩图片

模块七：空间轨迹与动态变化专题28：SPATA2空间轨迹与连续梯度

1. 根据组织结构定义空间路径和空间轴

2. 分析基因表达沿空间路径的连续变化

3. 筛选沿空间轨迹动态变化的基因

4. 使用GAM拟合空间表达趋势【Cancer Cell】

5. 识别空间状态变化中的关键转折点

打开网易新闻 查看精彩图片

专题29：SpatialPCA与slingshot轨迹分析

1. 使用SpatialPCA提取具有空间结构的低维特征

2. 根据空间聚类结果构建细胞谱系关系【Cell】

3. 使用slingshot推断空间伪时间和分支轨迹

4. 确定起始区域、终末区域和主要分支

5. 分析关键基因与通路沿空间轨迹的变化

1. 识别具有显著空间表达趋势的基因

2. 区分随机分布与非随机空间表达模式

3. 对空间趋势基因进行模式分类【Nature】

4. 将趋势基因与空间域和组织结构进行对应

5. 对候选基因开展功能富集与生物学解释

打开网易新闻 查看精彩图片

模块八：细胞通讯与空间调控网络专题31：CellChat空间细胞通讯【Sci Immunol】

1. 选择适合研究物种的配体—受体数据库

2. 设置发送者、接收者和空间细胞分组

3. 计算细胞通讯概率与信号通路强度

4. 将空间距离约束纳入通讯分析【Nature】

5. 比较不同区域和样本中的通讯网络变化

1. 整合基因表达、细胞类型和空间坐标

2. 推断空间邻近细胞之间的配体—受体关系

3. 连接配体、受体与下游靶基因【Cell】

4. 比较不同组织区域中的发送和接收信号

5. 对 CytoSignal 与CellChat结果进行交叉验证

打开网易新闻 查看精彩图片

专题33：hdWGCNA空间共表达网络

1. 在空间组学数据中构建基因共表达网络

2. 识别共表达模块并计算模块特征值

3. 利用模块内kME筛选hub gene【Nature】

4. 将模块得分与hub gene映射回组织空间

5. 比较不同空间区域和实验条件中的模块变化

1. 模拟不同细胞类型及其空间分布【Cell】

2. 设置已知的细胞间通讯与配体—受体关系

3. 模拟具有空间结构的单细胞表达数据

4. 评价不同CCI推断方法的准确性【Nat Med】

5. 结合真实空间数据开展方法验证与算法开发

打开网易新闻 查看精彩图片

模块九：肿瘤空间机制与药物预测专题35：SpaCET解析肿瘤微环境细胞互作

1. 构建肿瘤空间转录组分析对象并设置对应癌种

2. 推断恶性细胞丰度并校正不同位置的局部组织密度

3. 估计免疫细胞和基质细胞谱系在不同空间位置的组成

4. 识别肿瘤细胞与免疫细胞之间的潜在空间相互作用

5. 解析肿瘤—免疫交界区域的细胞组成与互作特征【Cancer Cell】

SpaCET可在肿瘤空间转录组中估计恶性、免疫和基质细胞谱系，并进一步分析肿瘤微环境中的潜在细胞互作，尤其是肿瘤—免疫界面。

专题36：STDrug空间药物预测

1. 整合单细胞与空间转录组表达信息

2. 计算不同空间位置的候选药物响应

3. 将药物敏感性结果映射到组织空间【Cancer Cell】

4. 比较肿瘤核心、边缘和微环境区域的药物差异

5. 筛选具有空间特异性的候选治疗药物

打开网易新闻 查看精彩图片

专题37：SPATA2空间CNV分析

1. 根据空间表达数据推断染色体拷贝数变化

2. 绘制染色体水平的CNV热图【Nature】

3. 将CNV信号重新映射到组织空间

4. 识别可能的恶性细胞和恶性空间区域

5. 比较不同肿瘤区域的CNV异质性

1. 自动识别空间组学数据中的肿瘤区域

2. 自动提取肿瘤核心和肿瘤边界【Nat Med】

3. 比较肿瘤核心、侵袭边缘和邻近正常组织

4. 分析肿瘤边界附近的细胞组成变化

5. 识别与肿瘤侵袭相关的空间基因程序

打开网易新闻 查看精彩图片

专题39：Clonalscope癌症亚克隆分析

1. 根据DNA拷贝数变化识别癌症亚克隆

2. 比较不同亚克隆的分子表达特征【Cancer Cell】

3. 将不同亚克隆重新定位到组织空间

4. 分析亚克隆之间的空间边界与混合区域

5. 比较不同亚克隆周围的微环境组成

1. 识别肿瘤微环境中的细胞状态【Nature】

2. 将多种细胞状态组合为空间生态型

3. 展示不同生态型在组织中的空间位置

4. 比较不同患者和疾病分组的生态型组成

5. 分析空间生态型与疾病进展或治疗状态的关系

打开网易新闻 查看精彩图片

模块十：空间代谢、空间蛋白与高维成像专题41：Cardinal空间代谢组预处理与质控

1. 读取imzML空间质谱成像数据

2. 构建像素×离子表达矩阵【Cell Stem Cell】

3. 完成TIC或RMS归一化【Nat Med】

4. 开展谱图平滑、基线校正和峰提取

5. 完成峰对齐、binning及数据质量控制

1. 对空间代谢数据进行降维分析

2. 使用spatial shrunken centroids进行空间分割

3. 识别具有稳定代谢模式的组织区域

4. 比较不同ROI之间的差异离子【Nat Med】

5. 开展样本级统计与候选代谢物注释

打开网易新闻 查看精彩图片

专题43：CODEX空间蛋白全流程分析

1. CODEX高维蛋白数据导入与通道质量控制

2. arcsinh转换、表达标准化与异常信号过滤

3. 使用FlowSOM进行细胞聚类和表型识别

4. 构建细胞邻接图并分析细胞共定位【Nature】

5. 开展差异丰度、差异状态和样本级空间比较

1. Cytomapper数据对象、细胞分割结果与多通道图像导入

2. 绘制单通道marker表达图和多通道蛋白叠加图【Cell】

3. 在组织图像中叠加细胞边界、细胞编号和细胞类型

4. 展示不同细胞群及关键蛋白的空间分布

5. 完成局部区域裁剪、图像放大与出版级图片制作

打开网易新闻 查看精彩图片

专题45：imcRtools细胞邻域与空间互作分析

1. 构建细胞空间 邻接图与细胞 间临近关系【Cancer Cell】

2. 使用kNN、固定半径等方法定义细胞邻域

3. 分析不同细胞类型之间的共定位与相互排斥

4. 识别具有特定细胞组成的空间邻域和局部微环境

5. 比较不同患者、疾病组或治疗组的空间邻域与细胞互作差异

打开网易新闻 查看精彩图片

模块十一 ： 高分辨率空间组学技术与多维空间图谱构建

专题46：DBiT-seq空间转录组与空间蛋白联合测序分析

1. 掌握DBiT-seq空间转录组数据结构【Nat Genet】

2. 学习空间表达数据导入、质量控制和标准化处理流程

3. 完成空间降维、聚类分析以及不同空间区域的识别

4. 利用空间表达特征和marker基因分析不同空间区域的分子特征

5. 结合空间蛋白表达信息进行多模态数据联合分析

6. 通过空间可视化展示基因、蛋白以及空间区域之间的关系

1. 掌握Open-ST空间表达数据的读取、整理和空间坐标信息整合流程

2. 学习空间表达矩阵的标准化处理和特征基因筛选方法

3. 利用降维聚类方法识别组织中的不同空间区域【Nat Med】

4. 分析不同空间区域中的基因表达模式和空间分布特点

5. 通过空间表达可视化展示基因和细胞区域定位关系

6. 结合空间区域特征解析组织结构差异【Cancer Cell】

打开网易新闻 查看精彩图片

专题48：osmFISH空间RNA定位分析

1. 掌握osmFISH成像型空间数据的表达矩阵和空间位置信息整合方法

2. 学习单细胞尺度空间RNA表达数据处理流程【Nat Genet】

3. 分析不同细胞类型在组织空间中的分布模式

4. 利用空间表达特征识别不同空间区域【Cell】

5. 展示基因表达水平与细胞空间位置之间的关系

6. 解析成像型空间数据中的细胞空间组织结构

1. 掌握seqFISH空间表达数据格式以及空间坐标信息处理方法

2. 学习多基因空间表达数据的可视化分析流程

3. 分析不同基因在组织中的空间表达模式【Nature】

4. 利用空间聚类识别具有不同表达特征的区域

5. 展示细胞类型和基因表达在空间中的分布关系

6. 解析高分辨率成像空间数据中的组织结构特征

打开网易新闻 查看精彩图片

专题50：Seq-Scope超高分辨率空间转录组分析

1. 掌握Seq-Scope高分辨率空间表达数据处理流程

2. 学习高密度空间数据中的表达矩阵和空间坐标整合方法

3. 分析不同空间尺度下的基因表达分布模式

4. 利用空间聚类识别局部空间结构区域【Nat Med】

5. 通过空间表达可视化展示高分辨率组织特征

6. 探索高空间分辨率数据中的表达异质性

1. 掌握Slide-seq空间条形码数据导入和空间表达矩阵构建流程

2. 学习空间数据标准化、降维和聚类分析方法

3. 分析组织中的空间表达区域和基因分布模式

4. 利用空间特征识别不同空间区域【Nature】

5. 结合空间坐标展示基因表达和组织结构关系

6. 完成Slide-seq空间转录组数据的综合分析流程

打开网易新闻 查看精彩图片

专专题52：Spatial ATAC-seq染色质开放空间图谱分析

1. 掌握Spatial ATAC-seq空间染色质开放数据的数据结构特点

2. 学习空间染色质可及性矩阵处理和空间坐标整合方法

3. 分析不同空间区域中的染色质开放模式【Cell Stem Cell】

4. 利用空间聚类识别具有不同调控特征的区域

5. 展示空间染色质信号与组织结构之间的关系

6. 解析空间尺度下的染色质状态变化【Nature】

1. 掌握Spatial CITE-seq空间RNA表达数据与蛋白表达数据的整合方式

2. 学习空间表达矩阵、蛋白表达矩阵以及空间位置信息的联合处理流程

3. 分析RNA和蛋白信号在空间区域中的分布特征【Cancer Cell】

4. 利用空间聚类方法识别不同分子特征的空间区域

5. 通过空间表达可视化展示基因和蛋白表达模式差异

6. 综合分析空间转录和蛋白信息，解析组织区域中的分子特征

打开网易新闻 查看精彩图片

专题54：Spatial Genomics空间基因组学分析

1. 掌握Spatial Genomics数据类型特点以及空间分子信息整合方法

2. 学习空间表达信息与基因组空间定位数据的处理流程

3. 分析不同空间区域中的分子分布特征和空间变化模式【Cell】

4. 利用空间聚类方法识别具有不同分子特征的组织区域

5. 结合空间可视化展示基因组信息与组织结构之间的关系

6. 探索空间尺度下基因组结构与分子表达特征之间的联系

打开网易新闻 查看精彩图片

专题55：STARmap空间单细胞转录组分析

1. 掌握STARmap三维空间转录组数据的数据结构和空间坐标信息处理方法

2. 学习三维空间表达矩阵构建和空间数据分析流程

3. 分析不同基因在三维组织结构中的空间表达模式

4. 利用空间聚类识别不同功能区域和空间组织单元

5. 结合细胞类型信息解析细胞空间分布特征【Cancer Cell】

6. 通过三维空间可视化展示细胞组成和组织结构关系

1. 掌握Stereo-seq大规模空间转录组数据的处理特点和分析流程

2. 学习高密度空间表达矩阵和空间坐标信息整合方法

3. 分析大范围组织区域中的基因表达空间模式【Nature】

4. 利用空间聚类识别不同组织区域和空间结构单元

5. 结合空间表达特征解析区域间分子差异【Nature】

6. 通过高分辨率空间可视化构建组织尺度空间表达图谱

打开网易新闻 查看精彩图片

04

课程费用

暑期限时优惠

✅ 全方位学习： 直播授课 + 全套录播（支持无限次回放）

✅ 教学答疑： 授课期间学习群内导师一对一指导

✅ 配套资源： 全套代码、教学数据、讲义

组团更优惠

两人同行： 享 9折 优惠

三人及以上： 享 85折 巨大折扣

活动具体咨询扫码联系

05

合作机构

华哥科研平台

授课理念：将CNS文章的新技术学懂（理解）、学会（会敲代码分析）、学透彻（站在课题顶层设计角度理解）、学以致用（用到自己的标书申请和文章发表中）。

初心使命：普及前沿技术，服务科研一线，赋能创新突破，助推生命科学进步

主讲老师

张振华，华哥生信创始人，目前在东京大学从事医学人工智能研究。深耕单细胞多组学、空间转录组与机器学习领域6年，培养学员3万余人 ; 指导学员发表CNS主刊文章18篇、一区及子刊100余篇 ; 参与国自然重点、国家重大专项、孔雀计划等项目申报;合作院士团队及国际顶尖实验室，发表SCI论文26篇（Sci.Adv、 Mol Cell、 PNAS、 JACS、NC、 Cell Rep Med、Mol Cancer、EMBO Mol Med等顶刊）。

打开网易新闻 查看精彩图片

打开网易新闻 查看精彩图片

打开网易新闻 查看精彩图片