医学大数据挖掘系列课程

这门课解决的是哪类具体问题

如果你在做肿瘤方向的生信分析，或者要写一篇以公共数据库为基础的预后标志物论文，最常卡住的不是软件装不上，而是流程走不通：数据从哪下、批次效应怎么处理、差异表达之后怎么落到生存分析、多个数据集结论不一致怎么办。这门课围绕的就是这条链路——用基因表达、DNA甲基化、多组转录组等公共数据，去识别与肿瘤预后相关的因子，包括单基因家族、自噬相关基因、lncRNA、甲基化标志物，以及癌症亚型之间的表达与突变模式差异。

它不教你从零写代码，也不讲机器学习建模的数学推导，重心放在一套可复用的分析流程和判断标准上。适合已经会基本R操作、跑过差异表达或生存曲线，但独立做完整课题时心里没底的人。完全没接触过生信命令行的初学者，跟起来会比较吃力。

建议先看哪几块，按什么顺序

资料里最完整、最适合当主线的是多组转录组筛选癌症预后标志物那一部分，从分析流程概述讲起，依次是数据获取与预处理、批次效应校正及效果评估、差异表达分析、生存相关基因的识别和验证，最后落到多组数据联合筛选。这条线走完，你对一个预后标志物课题的完整骨架就有概念了。

• 先看流程概述和预处理两节，把数据来源、样本筛选、表达矩阵整理这一步弄扎实，后面出错大多出在这里。
• 再看批次校正和差异表达，重点理解校正前后结果差异怎么判断，而不是照抄参数。
• 最后看生存相关基因的识别与验证，以及多组数据联合筛选的思路。

其余几块——单基因家族、甲基化标志物、自噬相关基因、lncRNA、癌症亚型表达突变模式——可以当作同一套流程在不同对象上的变体，按你课题需要挑着看，不必从头到尾顺序刷。

学完能独立做什么，资料怎么配合练

学完之后，你应该能独立完成一个相对完整的分析：从公共数据库取数、做预处理和批次校正、跑差异表达、用生存分析筛出候选基因、在另一个数据集里做验证，并把结果整理成可写进论文的图表。甲基化和lncRNA那几块，能让你在标志物类型上有更多选择，而不是只会做mRNA。

练习建议是：不要只看视频。每看完一节，用自己课题的癌种重跑一遍，把参数和中间结果记下来，尤其是批次校正前后的对比图、生存曲线的分组方式。多组数据联合筛选那部分，最好准备两套以上数据集动手对齐一次，才能体会结论不一致时该怎么处理。数据和代码在资料里有对应入口，配合视频边看边跑，比单纯看完再练有效得多。