深度学习基因组学

第一天
深度学习算法介绍
理论内容：
1.有监督学习的神经网络算法
1.1 全连接深度神经网络 DNN 在基因组学中的应用举例
1.2 卷积神经网络 CNN 在基因组学中的应用举例
1.3 循环神经网络 RNN 在基因组学中的应用举例
1.4 图卷积神经网络 GCN 在基因组学中的应用举例 2.无监督的神经网络算法
2.1 自动编码器 AE 在基因组学中的应用举例
2.2 生成对抗网络 GAN 在基因组学中的应用举例
实操内容
1.Linux 操作系统
1.1 常用的 Linux 命令
1.2 Vim 编辑器
1.3 基因组数据文件管理, 修改文件权限
1.4 查看探索基因组区域
2.Python 语言基础
2.1.Python 包安装和环境搭建
2.2.常见的数据结构和数据类型
第二天
基因组学基础
理论内容

1. 基因组数据库
2. 表观基因组
3. 转录基因组
4. 蛋白质组
5. 功能基因组
   实操内容基因组常用深度学习框架
6. 安装并介绍深度学习工具包 tensorflow, keras ， pytorch
7. 在工具包中识别深度学习模型要素
   2.1.数据表示
   2.2.张量运算
   2.3.神经网络中的“层”
   2.4.由层构成的模型
   2.5.损失函数与优化器
   2.6.数据集分割
   2.7.过拟合与欠拟合
   3.基因组数据处理
   3.1 安装并使用 keras_dna 处理各种基因序列数据如 BED、 GFF、
   GTF、 BIGWIG、 BEDGRAPH、WIG 等
   3.2 使用 keras_dna 设计深度学习模型
   3.3 使用 keras_dna 分割训练集、测试集
   3.4 使用 keras_dna 选取特定染色体的基因序列等
   4.深度神经网络 DNN 在识别基序特征中应用
   4.1 实现单层单过滤器 DNN 识别基序
   4.2 实现多层单过滤器 DNN 识别基序
   4.3 实现多层多过滤器 DNN 识别基序
   第三天
   卷积神经网络 CNN 在基 因调控预测中的应用
   理论内容
   1.Chip-Seq 中识别基序特征 G4 ，如 DeepG4
   2.Chip-Seq 中预测 DNA 甲基化 ， DeepSEA
8. Chip-Seq 中预测转录调控因子结合 ， DeepSEA
9. DNase-seq 中预测染色体亲和性 ， Basset
10. DNase-seq 中预测基因表达 eQTL ， Enformer 实操内容
    复现卷积神经网络 CNN 识别基序特征 DeepG4、非编码基因突变 DeepSEA， 预测染色体亲和性 Basset ，基因表达 eQTL
11. 复现 DeepG4 从 Chip-Seq 中识别 G4 特征
12. 安装 selene_sdk ，复现 DeepSEA 从 Chip-Seq 中预测 DNA 甲基化， 非编码基因突变
13. 复现 Basset ，从 Chip-Seq 中预测染色体亲和性
14. 复现 Enformer ，从 Chip-Seq 中预测基因表达 eQT
    第四天
    深度学习在识别拷贝数变 异 DeepCNV 、 调控因子 DeepFactor 上的应用
    理论内容
15. SNP 微阵列中预测拷贝数变异 CNV ， DeepCNV
    2.RNA-Seq 中预测 premiRNA ，dnnMiRPre
    3.从蛋白序列中预测调控因子蛋白质 ， DeepFactor 实操内容
16. 复现 DeepCNV 利用 SNP 微阵列联合图像分析识别拷贝数变异
17. 复 现 循 环 神 经 网 络 RNN 工 具 dnnMiRPre ， 从 RNA-Seq 中 预 测 premiRNA
18. 复现 DeepFactor ，从蛋白序列中识别转录调控因子蛋白质
    第五天
    深度学习在识别及疾病表 型及生物标志物上的应用
    理论内容
    1.从基因表达数据中识别乳腺癌分型的深度学习工具 DeepType
    2.从高维多组学数据中识别疾病表型 ，XOmiVAE
    3.基因序列及蛋白质相互作用网络中识别关键基因的深度学习工具 DeepHE
    实操内容
19. 复现 DeepType ，从 METABRIC 乳腺癌数据中区分乳腺癌亚型
20. 复现 XOmiVAE ，从 TCGA 多维数据库中识别乳腺癌亚型
    3.复现 DeepHE 利用基因序列及蛋白质相互作用网络识别关键基因
    第六天
    深度学习在预测药物反应 机制上的应用
    理论部分
    1.联合肿瘤基因标记及药物分子结构预测药物反应机制的深度学习工具 SWnet
    实操内容
21. 预处理药物分子结构信息
22. 计算药物相似性
23. 在不同数据集上构建 self-attention SWnet
24. 评估 self-attention SWnet
25. 构建多任务的 SWnet
26. 构建单层 SWnet
27. 构建带权值层的 SWnet