文章核心观点 - 空间转录组学是生命科学领域的关键前沿技术，其价值在于将分子表达、组织结构与细胞命运整合到同一坐标系中进行理解，当前的核心挑战已从获取数据转变为将数据转化为可解释的机制和可发表的图表 [1] - 未来的行业竞争焦点在于构建可解释的空间坐标系、建立“位置-互作-信号-表型”的证据链，以及生成高质量的科研成果图表 [1] - 本课程旨在成为科研加速器，通过系统教学帮助学员将空间数据分析能力沉淀为可复用、可扩展、可发表的能力与作品 [1] 课程特色 - 提供全流程系统教学，涵盖从数据结构、质量控制、注释到出图的完整流程，并配套R/Python代码模板 [6] - 提供一对一指导，针对学员自己的数据提供迁移指导，确保学完能直接上手课题 [6] - 结合AI赋能与Nature正文拆解，不仅讲解代码运行，更深入理解代码背后的生物学意义，并将论文图表拆解到输入、参数、输出和验收标准级别 [7] - 进行源码级系统学习，目标是让学员从“能跑代码”到“能修改代码”，理解作者代码仓库结构和逻辑，并能迁移到自己的项目 [7] - 采用直播授课、录屏回看与长期答疑相结合的模式，配备完整资料包，并提供课程结束后的一对一指导答疑 [7] 课程时间与结构 - 第一期课程时间为2026年1月10日至2026年2月，为期一个月 [8] - 课程安排在每周五、周六、周日晚19:00-22:00，共包含十三节课，其中九节为课程精讲，四节为答疑和总结 [8] 课程核心模块内容 - 模块一：AI+Nature文章思路解读：教授如何利用Deepseek高效阅读与评价Nature多组学生信文章，拆解其叙事框架，并利用ChatGPT将论文范式迁移到自身课题 [9] - 模块二：空间转录组数据全流程处理：涵盖数据读入、质量控制、基础可视化、过滤归一化、降维聚类、构建空间邻接图、空间统计（如邻域富集、共现、空间自相关）以及基于深度学习的细胞分割 [10][12][14] - 模块三：Nature论文图表复现：课程核心是逐一复现目标Nature论文的Fig.1至Fig.5，具体包括： - Fig.1：复现展示小鼠小肠中CD8 T细胞空间定位与转录状态动态变化的图表 [5] - Fig.2：复现展示空间生态位驱动作用的图表，包括UMAP与空间图对比、基因空间相关性分析、表达卷积热图及代表性基因核密度图 [16][18][20][22] - Fig.3：复现空间互作网络、细胞因子梯度及CellChat机制整合的图表，包括细胞连接组、相互作用网络、邻域分析热图及信号通路强度热图 [24][25][26][28] - Fig.4：复现CRISPR扰动验证解析CXCR3决定绒毛分布机制的图表，包括基因表达气泡图、趋势曲线、空间定位验证及扰动效果量化 [30][32][33] - Fig.5：复现使用人类回肠数据进行跨物种验证的图表，包括细胞类型分离关系、多尺度组织展示、特征基因集变化、空间梯度表达程序及细胞互作信号分析 [34][35][37][39] 课程费用与支持 - 课程费用为3880元/人，包含直播授课、录屏回看、一对一指导答疑以及完整的讲义、代码、数据资料包 [41] - 提供团体报名优惠 [41] - 配备七名全职答疑助理，提供从早上八点到晚上十二点、全年无休的一对一答疑服务，以保障学习效率 [41] 主讲老师背景 - 主讲老师张振华为中山大学博士，目前于东京大学从事医学人工智能研究，在单细胞多组学、空间转录组与机器学习领域有6年深耕经验 [45] - 已培养学员超过3万人，指导学员发表CNS主刊文章15篇、一区及子刊90余篇，并参与多项国家级科研项目申报，个人发表SCI论文24篇 [45] 课程预期收获 - 学员将能够完成Nature论文正文中每一个图表的1:1精确复现，对齐坐标范围、统计口径、颜色映射等细节，达到“复现到一模一样”的水平 [45] - 学员将真正掌握空间转录组顶刊研究的核心方法体系，包括构建可计算坐标系、生成加权空间密度图、进行空间信号推断、构建空间互作网络以及设计空间扰动验证思路 [46] - 课程旨在解决科研人员常见痛点，即图表制作缺乏论文质感、结果难以串联成机制链条，帮助学员将自己的空间数据转化为可解释、可发表的高质量研究成果 [46]