|
第1届北京等贤AI大模型微生物多组学培训班第一轮通知发布日期:2026年06月12日 培训简介 微生物多组学(宏基因组、宏转录组、宏蛋白组及代谢组)正以前所未有的通量 产出海量异质数据,但其深层整合受制于维度爆炸、跨组学非线性耦合及功能模 块涌现性难以量化等瓶颈。传统机器学习依赖人工特征工程,无法充分挖掘微生 物群落中基因流-代谢物-宿主表型间的多尺度依赖。以 Transformer、图神经网 络及扩散模型为代表的 AI 大模型,凭借超大规模参数与自监督预训练范式,能 够从数十亿微生物基因序列及代谢谱中自主学习语义表征,实现序列-功能-生态 位的端到端映射。近期研究显示,基于多模态对齐的预训练基础模型,可在零样 本条件下准确预测新型抗菌肽、噬菌体-宿主互作,并动态模拟扰动下群落演替 轨迹,显著提升疾病标志物发现与精准营养干预的效率。然而,数据批次效应、 时间序列稀疏性及模型“黑箱”问题仍严重制约临床转化。未来,融合因果推理 与知识图谱增强的大模型框架,有望推动微生物多组学从“关联挖掘”迈向“机 制可解释的预测调控”,为微生态医学与合成生物学提供智能化决策底座。 培训目标 1.了解微生物多组学相关概念 2.了解机器学习相关概念和常用的机器学习模型 3.了解R语言 4.掌握常用的微生物多组学数据分析以及机器学习相关R包的使用 5.掌握二分类模型,多分类模型以及拟合模型的构建 6.了解AI大模型,并使用大模型辅助代码编写、纠错、文献解读、结果总结与自动报告生成 7.复现SCI文章 专为零基础/科研萌新设计,补齐R语言、科研绘图短板,全程本地AI赋能、数据不外泄。从R基础语法到期刊绘图,从微生物单组学到多组学整合,再到机器学习建模,五天循序渐进,零门槛掌握整套微生物生信科研流水线,所有代码可直接用于课题、毕业论文、SCI图表。 培训课程大纲 第一天 机器学习,AI大模型及微生物多组学简介 1.机器学习基本概念介绍 2.常用机器学习模型介绍 3.混淆矩阵 4.ROC曲线 5.微生物组学介绍 6.代谢组学介绍 7.转录组学介绍 8.AI大模型简介 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 6.函数 7.R调用AI大模型 8.本地AI辅助:语法报错实时纠错、代码改写、逻辑讲解 1.AI一键优化粗糙代码为期刊级代码 2.AI自动添加组间显著性标记、误差线、分组注释 3.AI根据数据类型推荐最优图表样式、配色方案 第二天 AI辅助解读机器学习在微生物多组学中的应用案例 1.利用机器学习基于微生物组学数据预测宿主表型和疾病状态 2.利用机器学习基于微生物组学+代谢组学数据预测样本类型 3.利用机器学习预测微生物风险 4.整合微生物组学数据和代谢组学数据鉴定疾病相关模块 5.肿瘤研究中微生物组学+宿主转录组学+免疫联合分析 常用数据库介绍 NMDC Microbiome Learning Repo 14套肠道微生物+代谢数据 Curated Metagenomic Data GEO AI大模型辅助查找微生物多组学数据 第三天 植物年龄、基因型和环境对多年生植物的叶和根中微生物组的影响的研究(实操) 1.植物根和叶中微生物丰度分析 2.根和叶中α-diversity,β-diversity分析,AI解读统计学结果与生物学意义。 3.进化树构建 4.降维分析 5.基于OTU的差异丰度分析,热图,箱型图绘制 6.显著差异菌群筛选,AI批量注释菌属功能,生成标准化解读报告。 7.微生物biomarker鉴定,AI解读biomarker 8.生信专用Prompt模板库搭建 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,AI一键美化成期刊标准图 7.AI解读标志物功能与临床价值 8.模型性能评估 第四天(实操+复现) 利用机器学习基于海洋微生物多组学进行分类研究 1.海洋微生物群落结构分析 2.海洋不同区域/深度分组差异 3.环境因子驱动分析 4.多组学整合分析 5.机器学习分类 6.利用AI大模型自动生成结果解释与论文级报告 整合微生物组学和代谢组学数据鉴定疾病相关模块 7.微生物组学和代谢组学数据整合 8.鉴定疾病相关的多组学模块 9.模块交集分析 10.利用机器学习基于模块预测疾病状态 11.重要模块分析,重要模块的AI智能解读 第五天(实操+复现) 肿瘤研究中微生物组学,宿主转录组学和免疫联合分析 1.微生物组学分析 2.AI自动生成转录组分析流程,鉴定差异表达基因 3.通过CCA方法对微生物组学数据和宿主转录组学数据进行整合 4.微生物免疫关联分析,AI注释两两互作机制与通路 基于微生物多组学数据,利用集成模型进行二分类和连续变量预测 1.微生物组和代谢组+贝叶斯集成模型进行炎性肠病分类预测,并进行五倍交叉验证,外部独立队列验证 2.整合六个组学数据+贝叶斯集成模型预测妊娠年龄,进行留一法验证 3.集成多组学模型的预测效果与单一组学预测效果比较 4.AI大模型实现图片复现 讲师介绍: 来自全国重点大学、生物信息学教授,有十余年的测序数据分析经验。研究领域涉及机器学习,芯片数据分析,核酸及蛋白序列分析,宏基因组学,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,生存分析及预后模型构建等。具有丰富的培训经验,培训内容涉及机器学习在生物医学中的应用,机器学习在微生物学中的应用,机器学习在蛋白组学中的应用,单细胞多组学数据挖掘,WGCNA共表达网络构建,ceRNA网络构建,R语言基础等。发表SCI论文30余篇,其中一作及并列一作15篇,h指数20。 课程特色及授课方式 线上授课时间和地点自由,建立专业课程群进行实时答疑解惑,理论+实操授课 方式结合大量实战案例与项目演练,聚焦 AI大模型微生物多组学领域的最新研究进展,课前发送全部学习资料,课程提供全程答疑解惑; 完全贴合学员需求的课程体系设计,定期更新的前沿案例,由浅入深式讲解,课 后提供无限次回放视频,免费赠送二次学习,发送全部案例资料,永不解散的课 程群,可以与相同领域内的老师同学互动交流问题,让求知的路上不再孤单! 增值服务 1、凡参加人员将获得本次课程学习资料及所有案例模型文件; 2、课程结束可获得本次所学专题全部回放视频; 3、课程会定期更新前沿内容,参加本次课程的学员可免费参加一次本单位后期 举办的相同专题课程(任意一期) 课程会议完毕后老师长期解疑,课程群不解散,往期会议学员对于会议质量和授 课方式一致评价极高! 学员对于会议答疑给予高度评价! 授课时间 AI大模型微生物多组学专题 2026.09.05---09.06(上午09:00-11:30 下午13:30-17:00) 2026.09.7---09.10(晚上19:00-22:00) 2026.09.12(上午09:00-11:30下午13:30-17:00) 腾讯会议线上授课(共五天课程提供全程视频回放和课程群答疑) 课程费用 每人每班:4980元 往届学员的优惠:为便于往届学员获得后来历届培训里增加的大量新知识,,参加过以往任意一届北京等贤培训班的学员可享受8折优惠!报名时请主动在邮件里说明。 报名方式 联系人:陈老师 咨询电话:15652523032(微信同号) 相关事项(必读!) 1、每个学员在报名后都会提供盖有公章的邀请函。 2、若有任何问题需要咨询或沟通,请发送邮件至 13141346157@qq.com。 3、郑重声明:北京等贤的培训讲义、录音以及培训中提供的一切电子资料,皆 仅限学员自己学习使用,严禁私下复制、传播、盗卖,不得发布至网络上公开平台,否则必将被严厉追究法律责任、要求赔偿经济损失,情节严重的还将在网络 上予以公示、向涉事者所在学校/单位进行通报。报名本培训视为认可本条款。 4、报名后允许取消报名,决定取消报名时应尽早通知我们。如果在报名后因为 不可抗力而不得不取消报名,一次无妨,但如果反复出现多次在报名后又取消报 名的情况(特别是到了培训快开始,我们发催款通知后才说要取消报名),将会 影响信誉,导致在报名未来北京等贤的培训时降低受理的优先级,或者不再接受。 如果报名后,我们尝试通过报名表中的各种联系方式联系报名者但经过数日都没 有收到任何回复,本次报名将作废,且报名未来的培训时将不再受理。我们希望 发来报名表的都是真心要参加培训学习知识的人,请尽量避免浪费有限的培训名额。 |

