福利公告：第二期《臨床基因組學數據分析實戰》線上/線下課程已圓滿結束。現于2022年春節前，安排第三期課程在廣州，2022年1月7-9。(線上課是通過騰訊會議實時直播線下課，實時互動，并錄制有視頻回放，無限期觀看)。報名參加線上直播課的老師可在365天內選擇參加同課程的一次線下課。期待和大家的線上線下相識。

• 臨床基因組學線上/線下開課時間：2021/01/07-2021/01/09

• 擴增子線上/線下開課時間：2022/01/07-2022/01/09

• 轉錄組線上/線下開課時間：2022/01/14-2021/01/16

• 宏基因組線上/線下開課時間：2022/3/25-2022/3/27

• 報名鏈接：http://www.ehbio.com/Training/
  

近幾年測序成本急速降低，基因組測序逐漸成為臨床上的常規檢測。臨床基因組測序一般包括全外顯子測序 (WES)或全基因組測序 (WGS)，極大地加深了我們對于疾病規律的認識，是檢測單基因遺傳病或罕見病的利器，同時也越來越多地用于常見病的遺傳風險評估。

目前很多臨床科室積累了一些病人的WGS/WES數據，但由于缺乏大數據分析平臺或專業的生信人才而被長期擱置。一些外包或第三方的分析由于分析手段有限，缺乏對疾病背景信息的深入了解和溝通，經常報告不出來可疑的或明確的致病位點，也難以做出高水平文章所需的圖和表格，導致既無法報告給患者，也難以用于科學研究和成果發表。相關政策和法規也不鼓勵樣本外送及外包分析，此外人類遺傳資源的采集、保藏、利用和對外合作也應當遵守《人類遺傳資源管理條例》。因此臨床科室自己獨立分析是滿足相關臨床需求，進行高水平研究，以及保護遺傳樣本資源的根本辦法。

圖1. 利用臨床基因組測序發現致病遺傳變異的工作流程

在這樣的大背景下，易生信培訓團隊推出《臨床基因組學數據分析實戰》專題培訓，為臨床醫生和相關領域研究人員提供一條走進臨床基因組生信大門的捷徑，為同行提供學習和交流的平臺，切實助力大家理解分析原理，完成實戰分析。

本課程幫助您真正實現臨床基因組學數據分析，并根據自己課題的背景優化分析方案。在本課程學習過程中，除了學習基于Linux和R語言的標準分析，還包含運用豐富的公共數據庫、疾病數據庫對突變位點進行注釋和可視化，也包含了大量下游分析工具和方法，如：一代測序拼接和測序峰圖繪制，多序列比對，突變所處的蛋白結構域預測，突變蛋白翻譯后修飾的變化，突變對蛋白三維結構的影響預測(表面電荷、化學鍵、空間位阻、親疏水性等)，達到臨床應用與學術研究雙受益。

在課程時間的設置上，獨創四段式教學(3天集中授課+自行練習2周+再集中講解答疑+上課視頻回看反復練習)，“教—練—答—用”四個環節統一協調，循序漸進，使學員獲得獨立分析臨床基因組數據的能力。

在分析平臺上，提前幫助您在自己的筆記本電腦或工作站安裝Windows+Linux的雙系統；與此同時提供1個月的免費Linux云服務器的使用權限 (配備了全固態硬盤)；各個平臺上均配備大量，完善的公共數據庫資源。確保程序寫作、數據傳輸和實戰分析的順利進行。

課程簡介

請詳細閱讀課程簡介，如果以下內容您全精通，不必參加此培訓。

為滿足廣大讀者進一步學習的需求，易生信課程開發團隊 (現運營《生信寶典》和《聊生信》兩個公眾號)經長期規劃，籌備和專家研討，現組織和開展臨床基因組學專題培訓課程，以便進一步普及和交流臨床基因組學分析技術，手把手帶您快速入門，節約寶貴的時間，助力科研成果早日產出。

本課程一共3天，每天6節課，共18節課，全部課程均理論與實戰結合 (只要課上講的內容，都是要帶你親自實現的分析)。

課程覆蓋：

臨床基因組數據分析平臺搭建 (操作系統與軟件);

基因組與外顯子組學研究概述;

測序與數據預處理;

經典文章思路與圖表解讀;

全基因組比對與短變異 (SNV & InDel)檢測;

數據庫詳解 (OMIM, ClinVar, 1000G, ExAC/gnomAD, MalaCards/GeneCards, SWISS-MODEL/AlphaFold);

變異注釋和過濾, 變異有害性預測 (SIFT, PolyPhen, CADD, RVIS);

通路和表型富集分析 (GO, KEGG, Reactome, DisGeNET, Human Phenotype Ontology, OMIM Disease等);

蛋白-蛋白互作網絡分析;

Sanger測序拼接及峰圖繪制, 多序列比對與保守性分析;

突變對蛋白修飾 (磷酸化和糖基化)的影響預測, 突變所在蛋白結構域或保守區預測;

突變對蛋白三維結構影響 (表面電荷, 化學鍵, 空間位阻, 親疏水性和殘基位置等);

CNV分析，家系分析及ACMG變異評級。

注意：

本課程不包括SV等結構變異分析。

本課程不能直接用于腫瘤數據的分析。

課程大綱

每節課1小時一個主題，理論結合實戰，學懂原理，實戰實操，全是多年經驗和代碼的無私分享。下面是課程安排，如：11代表第一天第一節課，23代表第二天第三節課；01、02和03表示課前準備工作 (提前觀看相關軟件安裝等視頻和提前進行軟件安裝直播)。

編號主題簡介

01	操作系統及軟件	Bioconda, Git, R, Rstudio, R包等, Ubuntu子系統
02	Linux和R基礎	Linux系列教程, Linux常用命令, 生信程序基礎課節選
03	Linux軟件安裝	Conda安裝與配置, 相關軟件安裝
11	基因組與外顯子組學研究概述	基本概念, 發展史, 常用技術適用范圍
12	測序與數據預處理	NGS, MultiQC, 移除接頭和低質量堿基, Trim Galore
13	經典文章思路與圖表解讀 (一)	文獻解讀, 多篇文章研究思路, 圖表在文章中的意義和解讀
14	全基因組比對與短變異 (SNV & InDel)檢測	BWA, GATK, Samtools和Vcftools等
15	全基因組比對與短變異 (SNV & InDel)檢測	BWA, GATK, Samtools和Vcftools等
16	全基因組比對與短變異 (SNV & InDel)檢測	BWA, GATK, Samtools和Vcftools等
21	相關數據庫詳解	OMIM, ClinVar, gnomAD, 1000G和AlphaFold等
22	變異注釋, 過濾, 有害性及致病性預測	SnpEff變異注釋, gnomAD和1000G人群頻率過濾, SIFT, Polyphen, CADD和RVIS變異有害性預測, ClinVar/ClinGen, OMIM和Orphanet變異致病性。
23	變異統計與繪圖	GO/KEGG/Reactome通路富集, OMIM Disease, DisGeNET, ClinVar和Human Phenotype Ontology疾病或表型富集, 蛋白組織特異性表達富集, PPI網絡, 變異熱圖, Circles圖繪制
24	變異統計與繪圖	GO/KEGG/Reactome通路富集, OMIM Disease, DisGeNET, ClinVar和Human Phenotype Ontology疾病或表型富集, 蛋白組織特異性表達富集, PPI網絡, 變異熱圖, Circles圖繪制
25	變異統計與繪圖	GO/KEGG/Reactome通路富集, OMIM Disease, DisGeNET, ClinVar和Human Phenotype Ontology疾病或表型富集, 蛋白組織特異性表達富集, PPI網絡, 變異熱圖, Circles圖繪制
26	家系分析	新發 (De novo)突變, 隱性復合雜合變異分析
31	蛋白質生物學概述	生物分子的強, 弱相互作用及種類, 蛋白結構和功能基礎, 酶的功能原理, 結構域, 磷酸化等翻譯后修飾原理, 蛋白互作的意義
32	序列拼接、比對和蛋白質結構預測	Sanger序列拼接, 測序峰圖, 多序列比對, 突變對蛋白修飾(磷酸化和糖基化)的影響預測, 結構域預測, 突變對蛋白三維結構影響, 突變對蛋白表面電荷, 化學鍵, 空間位阻, 親疏水性的影響
33	串講, 答疑, 第二/三篇文獻解讀	臨床基因組分析套路(1), 臨床基因組分析套路(2), 現場回答每人一問
34	分析環境配置, 導入自己數據分析的使用	演示如何分析自己的數據 (Linux軟件安裝 + Ubuntu子系統)
41	答疑-線上	答疑, 考試內容串講

教程內容簡介如下：

一、臨床基因組數據分析流程

包含從下機數據質控，公共數據準備，基因組比對，到變異檢測，過濾和有害性預測等全流程。

圖2. 臨床基因組學測序數據分析流程

對原始測序數據去除低質量堿基和接頭序列，確保準確地反映樣本身的序列信息。

圖3. 測序數據質量控制

流程中涉及大量專業軟件，方法和分析工具，尤其是大量下游分析工具，全面解析候選變異的致病機制，分析結果滿足臨床和科研兩個方面的需求。

圖4. 軟件，方法和工具

二、完備的數據庫資源

課程中配套了最新權威疾病數據庫，如OMIM，ClinVar和Orphanet；廣泛覆蓋的人群變異頻率數據庫，如gnomAD和千人基因組計劃(1000G)數據庫；蛋白質三維結構數據庫，如SWISS-MODEL和AlphaFold等。

圖5. 調用豐富的數據庫

三、生信圖表繪制

使用R語言等統計與可視化工具，繪制常用生信相關圖形，包括：熱圖 (變異水平)，maftools圖 (基因水平)，基因的結構、變異位置及結構域標記 (棒棒糖圖)，基因組Circos圖，IGV基因組瀏覽器，PPI網絡圖，基因功能的富集結果圖。

圖6. 常用生信圖形的繪制。

四、更多下游分析與可視化

在培訓時，我們將結合發表的高水平文章，進一步講解常用分析圖的原理和使用范圍，讓你不僅讀懂圖，更知道如何應用于自己的研究，并親自輕松完成繪圖。下面的圖形也都會手把手教會你如何繪制:

1. Sanger測序拼接和繪圖，多序列比對，突變所在的蛋白結構域和翻譯后修飾位點預測

圖7. 序列拼接、比對、蛋白結構域和修飾預測。

2. 基于蛋白三維結構的分析，研究突變對表面電荷、化學鍵、空間位阻、親疏水性和殘基位置等的影響，進而預測其對蛋白具體功能的影響，解釋疾病發生的分子機制！

圖8. 分析變異對蛋白結構的影響。

學習完本課程，你能得到什么？

1. 深徹理解臨床測序數據的基本思想

2. 臨床基因組學分析和可視化的全套流程

3. 應用于各個領域的分析經驗，代碼和發表級別的結果可視化

4. 豐富的軟件和數據庫的使用經驗

• 幾十款本領域軟件的安裝，使用教程

• 常用公共數據庫，疾病數據庫的理解和使用

5. 在臨床應用的同時，也能享受科研的樂趣，做高大上且深刻的疾病機制解析

6. 高要求的結果可視化

• 生信熱圖 (變異水平)，maftools圖 (基因水平)，基因的結構、變異位置及結構域標記 (棒棒糖圖)，基因組Circos圖，IGV基因組瀏覽器，PPI網絡圖，基因功能的富集結果圖；

• 下游分析與可視化：

  Sanger測序拼接和峰圖，多序列比對結果圖，蛋白結構域及翻譯后修飾模式圖，突變蛋白的三維結構圖

主講教師

易生信課程開發團隊。由團隊導師，課程顧問和多名一線生信工程師組成。

生信工程師

• 宋紅衛：

  外顯子組，基因組和轉錄組。

• 葉明皓：

  細菌基因組，蛋白質生物學。

• 孫馥香：

  16s，宏基因組和多組學聯合分析。

團隊導師

陳同：博士，中國中醫科學院，2015畢業于中科院遺傳發育所，生物信息博士，在Cell Stem Cell(IF=23.2，第一作者兼封面文章)，Nature Communications，Nucleic Acids Research X 2，Protein & Cell等高水平雜志以第一作者或主要作者發表文章，運營有十萬+關注的《生信寶典》微信公眾號，給你不一樣的學習生信體驗。

往期課程瞬間

授課模式

本課程以講解流程和實際操作為主，采用獨創四段式教學：

• 第一階段 3天集中授課；

• 第二階段 自行練習2周；

• 第三階段 在線直播答疑；

• 第四階段 培訓視頻繼續學習；

• 實現教-練-答-用四個環節的統一協調。

培訓時間

每天早9點到晚6點，半封閉式教學 (最后1小時為集中討論時間，最后一天會稍微提前一些，多留出時間討論，也方便老師乘車返回)
報到時間：課程當天

授課地點

在線會議平臺，如騰訊會議 (線上為線下的實時直播，可隨時互動)。

線下地址：

北京：北京市西城區鼓樓西大街41號院動信通科技園3號樓221 (北京會議較多，線下具體位置開課前1周通知)；附近有喆啡，攝影主題，七天等酒店，請自行預定。

廣州：三環以里，線下具體位置開課前1周通知。附近酒店，請自行預定。

線下課程3天會提供午餐，如果有忌口請提前告知。

課程價格

開課兩周前報名 4500 元/人 (住宿自行解決，提供培訓期間午餐)

名額有限，預報速速

提供易漢博基因科技實習機會或工作機會

易生信同時推出多門相關課程，連報優惠——同時選2門課，各減100；三門課9各減200。或者多人組團尊享團購優惠！

課程福利

座位按報名并繳費（或預繳費）成功順序從前到后龍擺尾式排序

贈送程序基礎課一份 (http://bioinfo.ke.qq.com)

多人 (N，10>N>1) 組團報名并同時繳費，每人可減免N-1百元 (最高500)

附推薦與分享對應的招生信息到朋友圈，截圖發到train@ehbio.com 可獲得200元生信寶典騰訊課堂課程優惠券（可拆分供多個騰訊課堂課程使用，不用于直播或線下課）

易生信同時推出多門相關課程，連報優惠——同時選2門課，各減100；

三門課9各減200。或者多人組團尊享團購優惠！

注意事項 *

需自備筆記本電腦，推薦使用Win10系統，4G以上內存(推薦8G)。

課程實踐根據需要會提供云計算平臺

培訓班所有數據，文檔為內部資料，僅供參閱，未經允許不得翻印外傳登刊

上課期間禁止錄音，錄像

成功付款的學員，若臨時有緊急事情不能到來的，可申請延期，更換后續培訓班；也可申請退款

若開課2周 (含) 前申請退款可退還85%費用；開課3個工作日 (含) 前申請退款退還70%的費用 (若已開發票需承擔相應手續費)

不可先延期再退款

總結

以上是生活随笔為你收集整理的马上开课 | 第 3 期临床基因组家系分析，助力发表Case Report的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。