随着高通量生物技术的发展，已经开发了多种组学技术来表征不同但互补的生物信息，包括基因组学、表观基因组学、转录组学、蛋白组学和代谢组学等
最近的人工智能技术已经从“浅层”学习架构发展到“深度”学习架构。作为人工智能的一个重要分支，机器学习（ML）可以自动学习捕捉复杂的模式，并根据数据做出智能决策。ML在癌症研究和临床肿瘤学中有着非常广泛的应用。特别是，在多组学数据快速增长的推动下，属于ML子领域的基于深度学习（DL）的方法已成为生物医学数据分析的强大工具
下面是近两年人工智能与组学在顶刊发表的部分研究方向
Science Adcances   机器学习代谢组学在胰腺癌的研究
Seminars in Cancer Biology  机器学习多组学在癌症诊断的研究
Nature Protocols    机器学习代谢组学在药物代谢与疾病病理的研究
 2022国自然基金机器学习代谢组学在糖尿病视网膜病变的研究
Cell Systems   机器学习蛋白质组学在生物标志物发现的研究
Nature Medicine  机器学习蛋白质组学在酒精相关肝病的研究
Cancer Cell  深度学习对泛癌基因组学进行整合分析
 Science Adcances  基因组图谱基于深度学习预测癌症依赖性
人工智能与组学的研究到底有多热，以及为何要举办培训，下面的内容给出了答案
近两年国内外顶尖课题组MIT、Harvard University、UPenn、清华大学、复旦大学、西湖大学等都在从事人工智能与组学的研究，这一研究成果更是多次发表在Nature Reviews Genetics、Nature Methods、Science Advances、Cancer Cell、Nature Biotechnology等知名国际顶刊上，为我们发表顶刊鉴定了基础
 由于该项研究资料和学习平台较少，信息技术不公开，培训学习迫在眉睫，特此诚挚邀请您参加“人工智能与组学”线上培训课，参会会员已达2000余名！发顶刊！快上车！
授课专家
机器学习微生物组学主讲老师来自国内高校李老师授课，有十余年的微生物组数据分析经验。研究领域涉及机器学习，芯片数据分析，微生物组数据分析，DNA，RNA，甲基化测序数据分析，单细胞测序数据分析，miRNA及靶基因分析等，发表SCI论文30余篇，其中一作及并列一作15篇。
课表内容
课程一、机器学习微生物组学应用课表内容
第一天
机器学习及微生物学简介
1.机器学习基本概念介绍
   2. 常用机器学习模型介绍（GLM,BF,SVM,lasso,KNN等等）
   3. 混淆矩阵
   4. ROC曲线
   5. 主成分分析（PCA）
   6. 微生物学基本概念
   7. 微生物学常用分析介绍
R语言简介及实操
1.R语言概述
   2.R软件及R包安装
   3.R语言语法及数据类型
   4.条件语句
   5.循环
第二天
机器学习在微生物学中的应用案例分享
1.利用机器学习基于微生物组学数据预测宿主表
   2.利用机器学习基于微生物组学数据预测疾病状态
   3.利用机器学习预测微生物风险
   4.机器学习研究饮食对肠道微生物的影响
微生物学常用分析（实操）
   1. 微生物丰度分析
   2. α-diversity，β-diversity分析
   3. 进化树构建
   4. 降维分析
   5. 基于OTU的差异表达分析，热图，箱型图绘制微生物biomarker鉴定
第三天：（实操）
零代码工具利用机器学习分析微生物组学数据
1. 加载数据及数据归一化
2. 构建训练模型（GLM, RF, SVM）
3. 模型参数优化
4. 模型错误率曲线绘制
5. 混淆矩阵计算
6. 重要特征筛选
7. 模型验证，ROC曲线绘制利用模型进行预测
第四天（实操）
利用机器学习基于微生物组学数据预测宿主表型(二分类变量以及连续变量)
1. 加载数据（三套数据）
2. 数据归一化
3. OUT特征处理
4. 机器学习模型构建（RF, KNN, SVM, Lasso等9种机器学习方法）
5. 5倍交叉验证
6. 绘制ROC 曲线，比较不同机器学习模型模型性能评估
第五天（实操）
利用机器学习预测微生物风险（多分类）
1. 加载数据
2. 机器学习模型构建（RF, gbm, SVM, LogitBoost等等）
3. 10倍交叉验证
4. 模型性能评估
利用机器学习预测刺激前后肠道菌群变化
1. 数据加载及预处理
2. α-diversity，β-diversity分析
3. RF模型构建（比较分别基于OUT，KO，phylum的模型效果）
4. 10倍交叉验证, 留一法验证
5. 特征筛选及重要特征可视化外部数据测试模型
报名咨询联系方式
报名咨询方式（请二维码扫描下方微信）
                                      引用往期参会学员的一句话： 
发现真的是脚踏实地的同时  需要偶尔仰望星空
非常感谢各位对我们培训的认可！  祝愿各位心想事成
继续阅读
阅读原文