2019-06-15 – DeepAI

ggplot publisher01 30℃

“分子标记的开发和系统发育基因组学实操班” 



近年来,随着现代分子生物学的发展,特别是人类基因组计划的实施,不断产生出巨量的分子生物学数据,这些数据有着数量巨大、关系复杂,以至于不利用计算机根本无法实现数据的存储和分析。生物信息学大量的使用计算机技术进行分析工作,这就要求技术人员熟悉多种分析软件的使用方法及其在生物各领域的应用技术。为进一步推动我国生物信息学的发展,提高从业人员的技术水平,我公司在中国电子学会举办此学习,具体事宜通知如下:

一、主讲专家:

主讲专家来自中国医学科学院、中科院等科研机构的高级专家,拥有丰富的科研及工程技术经验,长期从事生物信息领域项目研究,具有资深的技术底蕴和专业背景

二、培训对象:

大中专院校生物信息、生物计算、生命科学、医学、化学、农学、计算机科学、数学类专业的课程负责人、一线教师、教研室骨干人员、教学管理人员;科研单位从事生物、生命科学、微生物研究的相关人员;生物、医药、化学及相关企业的领导与技术骨干。

三、报名须知:

A 类:2900 元/人,(包含报名费、培训费、资料费、证书费)食宿可统一安排,费用自理学员经培训考试合格后可以获得: 颁发的结业证书

四、时间地点:可咨询:13932327338   微信同号

2019年6月27日—6月30日 分子标记的开发和系统发育基因组学(济南)

五、培训目标及特点:

本期培训班是以教学为目的,具有指导性、学习性。高校机房上课,全程上机操作,培训理论讲解和实验操作结合,让你更快更好地掌握时下科研技术与科研方向。

课程内容

生物信息学技术培训-分子标记的开发和系统发育基因组学

分子鉴定的应用

1、微生物、动物、植物资源普查

2、检验检疫

3、中药材真伪鉴定

4、食品质量安全

5、疾病诊断和预防

6、分子育种

二、

High-throughput-sequencing(HTS)原理简介

1、第一代测序技术:Sanger测序原理

2、第二代测序技术:Illumina,454, Ion Torrent原理

3、第三代测序技术:PacBio, Hellicos原理

4、第四代测序技术: Oxford NanoPore原理

5、Hybridization based methods

6、测序技术的比较及展望

三、Sequence-dependent分子标记开发及应用

1、常用的DNA条形码标记:ITS,ITS1,ITS2,trnH-psbA,rbcL-matK,COI等

2、常用DNA条形码鉴定方法:sequence similarity-based (Blast, Hidden Markov Model),tree-based,cutoff-based

3、筛选最优DNA条形码指标

⑴PCR amplification success

⑵Sequencing efficiency

⑶Species distinguishing power

⑷DNA barcoding gap

4、DNA barcoding相关数据库

⑴BOLD: Barcode of Life Database

⑵BOMMD: Barcode of Medicinal Materials Database

四、Chloroplast-dependent分子标记开发及应用 ⑴测序方案:实验方法纯化还是生信方法纯化

⑵组装方法:de novo vs. reference based,ACRE, IOGA, NOVOPlasty,Fast-Plast, k-mer-based。

⑶注释流程:CPGAVAS2, GeSeq,DOGMA,AGORA

⑷特异性标记筛选流程:ecoprimer

五、其他类型的分子标记开发与应用 1、Ultra-conserved element (UCE)

2、Low-copy nuclear (LCN)loci:sondovac

3、从HTS data中发现同源序列:OrthoFinder

4、从HTS data中发现Intron-exonboundaries:MarkerMiner

5、Nuclear+organellar data:Hyb-Seq

6、tranome

7、Single Nuclear Polymorphic marker

六、实验部分 1、虚拟机的安装及使用

2、linux

3、various mapping methods:bowtie2,samtools

4、various genome assembly method:SPADES,NOVOPlasty

5、R,ggplot


© 著作权归作者所有,转载或内容合作请联系作者

转载请注明:Python量化投资 » 2019-06-15 – DeepAI

喜欢 (0)or分享 (0)