生物医学大数据挖掘学习班

时间安排

课程主题

培训内容

12月26日

8:30-11:30

（1）生物医学科研中的数据挖掘思路及R软件基础操作

1. 医学大数据研究背景及数据挖掘概念

2. 生物医学科研中的数据挖掘思路及应用数据挖掘方法提升论文级别

3. R软件实操

1）R软件的下载和安装

2）R软件的基本运算(向量运算、矩阵计算)

3）应用R软件进行数据匹配

4）R软件的基本统计分析操作(t检验，卡方检验，线性回归，logistic回归)

5）R软件的图表绘制

6）统计分析批处理的R软件实现

4. 问题答疑

12月26日

14:00-17:00

（2）数据挖掘方法—分类

（3）数据挖掘方法—聚类

1. 数据挖掘方法-分类

1）分类的概念

2）分类的性能与评估 

3）决策树与随机森林分类器的构建及R软件实现

4）决策树与随机森林结果的可视化

5）主成分分析

6）应用主成分分析绘制分类图

2. 数据挖掘方法-聚类

1）聚类的概念及常用聚类方法(K均值聚类与系统聚类)

2）K均值聚类与系统聚类的R软件实现

3）K均值聚类与系统聚类的可视化

4）各种系统聚类图及双向聚类热图的绘制

3. 问题答疑

12月27日

8:30-11:30

（4）数据挖掘方法—关联规则

（5）数据挖掘方法—竞争风险模型的生存分析及列线图、校准图绘制

（6）基于公共数据库的肿瘤基因组数据挖掘

1.数据挖掘方法—关联规则

1）关联规则的概念及常用关联规则分析方法

2）关联规则分析的R软件实现

3）关联规则的可视化

2. 数据挖掘方法—列线图及校准图绘制

1）Logistic回归分析的列线图和校准图的绘制

2）决策曲线分析

3）Cox回归分析的列线图和校准图绘制

4）竞争风险的生存分析

3. 基于公共数据库的肿瘤基因组数据挖掘

1）数据导入及数据预处理

2）聚类热图的绘制

3）提取差异表达基因

4）绘制火山图

5）应用非负矩阵分解聚类法进行肿瘤亚型分析

4. 问题答疑

12月27日

14:00-17:00

（7）疾病相关分子调控网络

（8）基因组数据挖掘—临床生物信息学研究热点的相关数据分析

（9）数据挖掘与SCI论文写作案例讲解

1. 疾病相关分子调控网络

1） 分子网络数据库介绍

2）网络分析及可视化工具-Cytoscape软件介绍

2. 基因组数据挖掘-临床生物信息学研究热点的相关数据分析

1）肿瘤免疫浸润相关数据分析

2）肠道菌群及代谢组学相关数据分析

3）单细胞测序数据分析

3. 数据挖掘与SCI论文写作案例讲解

1）案例讲解：应用决策树和随机森林获得影响结局的决策准则及提取结局的重要风险因素

2）案例讲解：应用分类与聚类进行数据挖掘的SCI论文写作与发表

3）案例讲解：应用关联规则进行数据挖掘的SCI论文写作与发表

4）案例讲解：生物数据与临床数据的整合分析思路—基于GEO和TCGA公共数据库挖掘的SCI论文写作与发表

5) 案例讲解：肿瘤免疫浸润相关的SCI论文写作与发表

6）案例讲解：肠道菌群相关的SCI论文写作与发表

7）案例讲解：单细胞测序相关的SCI论文写作与发表

4. 问题答疑