随着生命科学的发展，各类新方法、新技术的不断涌现，对各类生物的研究已从细胞整体和亚细胞的超微结构水平深入到分子水平。为了揭示基因定位、基因表达、基因调控等各种的分子遗传机制，为了实现更精准的基因转移、改变细胞的基因组分等研究，各种分子生物学技术的发展和改进起到了至关重要的作用。我们的生物学及生物医学科研最新技能及技术培训系列课程每半年提供一期，每年两期。旨在让中国的研究员及时保持对最新的生物科研技术及技能进行更新。该期课程主要集中在最新的基因学及分子生物学技术。每一期的课程，我们都将总结分析过去6个月中最重要的最新的生物科研技术及技能或者最实用的最有意义的技术技能改进，并通过原理讲解，步骤分析，实践应用及问题讨论的方式来让学员能够在一个互动的环境中清晰的理解各种技术技能的原理并把握住这些新技术新技能在实际科研工作中的应用方法。

课程目的：该系列课程每半年提供一期，每年两期。旨在将最新的生物科研技术及技能介绍给中国的研究员。该期课程主要集中在最新的基因学及分子生物学技术。在进行最新技能培训时会通过原理讲解，步骤分析，实践应用及问题讨论的方式来让学员能够在一个互动的环境中清晰的理解各种技术技能的原理并把握住在实际实验工作中的应用方法。 

课程设置：每一期课程提供20项最前沿的技能培训，共40课时。每一项技术培训课包含两课时，第一课时为原理讲解及步骤分析，第二课时为实践应用介绍及问题讨论。 

参考教材：该课程参考教材为当期课程前六个月内各相关科研期刊及科研会议所发表的科研方法介绍。培训开始前各学院将会领取到相关文字，图片及视频材料。 

2018年  最新前沿基因学及分子生物学技术培训大纲

第一课：单细胞轨迹比对法测定细胞表达动力

Alignment of single-cell trajectories to compare cellular expression dynamics.

第二课：改进型Ribo-seq识别隐匿基因转译技术

Improved Ribo-seq enables identification of cryptic translation events.

第三课：通过代谢RNA标记和生物化学核苷转化进行RNA动力学检测

RNA dynamics revealed by metabolic RNA labeling and biochemical nucleoside conversions.

第四课：基于杂交链式反应的扩增免疫信号的检测技术

A hybridization-chain-reaction-based method for amplifying immunosignals.

第五课：复杂动物组织的微RNA的细胞类型特异性测序

Cell-type specific sequencing of microRNAs from complex animal tissues.

第六课：单细胞差异表达分析中的偏见，稳健性和可扩展性分析法

Bias, robustness and scalability in single-cell differential expression analysis.

第七课：有利性基因突变的积极选择性扫描法

Identifying the favored mutation in a positive selective sweep.

第八课：基于CRISPR的单细胞分子筛设计法

On the design of CRISPR-based single-cell molecular screens.

第九课：定量映射和超分辨率光学成像法最小化激光显微成像伪像

Quantitative mapping and minimization of super-resolution optical imaging artifacts

第十课：如何利用相互作用组捕获新转录RNA

Capturing the interactome of newly transcribed RNA.

第十一课：活细胞中的RNA-蛋白质相互作用检测

RNA-protein interaction detection in living cells.

第十二课：非编码RNA的破译检测法

Meet some code-breakers of noncoding RNAs.

第十三课：受激发射损耗显微镜技术超分辨显微成像

Stimulated Emission Depletion Microscopy (STED) super-resolved microscopy.

第十四课：通过基于质谱的蛋白质组学检测广泛性细菌蛋白质组氨酸磷酸化

Widespread bacterial protein histidine phosphorylation revealed by mass spectrometry-based proteomics.

第十五课：INSIDER相互作用组学技术：用于基因组研究的结构性相互作用检测技术

Interactome INSIDER: a structural interactome browser for genomic studies.

第十六课：胞外小泡内化受体 (EVIR): 树突状细胞与肿瘤抗原交叉选择的增强嵌合受体技术

EVIR: chimeric receptors that enhance dendritic cell cross-dressing with tumor antigens.

第十七课：延时测序技术：如何通过核苷酸重编码将时间维度添加到RNA测序中

TimeLapse-seq: adding a temporal dimension to RNA sequencing through nucleoside recoding.

第十八课：如何在高度平行的纳米孔阵列上直接进行RNA测序

Highly parallel direct RNA sequencing on an array of nanopores.

第十九课：如何利用网络模块化检测法检测分层基因组折叠

Hierarchical genome folding with network modularity.

第二十课：多色定量共聚焦成像流式细胞检测技术

Multicolor quantitative confocal imaging cytometry. 

 什么是生物信息学？生物信息学，是试图利用计算机信息技术来研究生命现象和规律，如基因组计划，基因药物的一门多学科交叉技术应用。为什么要应用生物信息学？生物科学 最基本的研究规律就是从观察到某“生物现象”，到探索“现象规律”，其间必然包括数据获取、数据管理、数据分析及现象重复验证等环节。而“实验数据分析”则是人工智能“机器学习”技术的用武之地。近年来, 随着各类高通量生物技术的不断进步及广泛应用, 生命科学跨入了大数据时代。以基因组科学和生物医学领域为代表的生命科学研究产生和积累了海量的数据信息。在此基础上如何有效处理和分析这些生物数据, 给研究人员带来了巨大的挑战。传统的基于文本的数据处理和展示模式已经严重制约了对于生命科学大数据的解读。该项目通过实例讲解生物信息学大数据技术进行大数据研究, 让研究人员能够利用这类技术高效的挖掘出隐藏在大数据里的生物学信息和知识，极大的满足生物学，生物医学应用科研发展的迫切需求。

   所谓机器学习就是一种智能的数据挖掘技术，它依据先验的知识建立预测模型来识别大数据中的有用信息。机器学习在生物领域的应用实际上从90年代开始就已经开始了。人工智能机器学习能够在生命科学研究中智能的进行大批量数据分析，在大数据和前期积累的先验知识的基础上对科研结果进行快速准确的分类，以及通过智能算法提出推测性的假设并在后续实验中进行验证。比如早期的基因预测就是基于人工智能加以实现，通过分析基因表达的信息对疾病进展和患者的严重情况（死亡率）进行预测，通过脑成像数据早期诊断阿尔兹海默并对疾病的发展进行预测就是其中的应用场景之一。人工智能机器学习是一个多学科的交叉性应用技术，我们的培训项目不仅仅是要将人工智能中所涉及的基本的数学模型及编程技术进行深入浅出的系统性讲解，还紧密的结合人工智能机器学习在实际生命科研中的应用，使我们的研究人员既要懂得各种原理，也要能够掌握其在实际科学研究中的应用。