生物信息学课题：基于Python的生物医学数据处理综合研究

生物信息学利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学以各种各样的生物学数据为研究材料，通过计算机处理后再进行结果解读，处理方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。

当前主要的研究方向有：序列比对、序列组装、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及进化模型创建等。 

本期我们特别邀请到达特茅斯学院 生物医学数据科学讲师 计算机研究资深主任来帮助各位有留学意向的小伙伴实现背景提升，提高个人学术能力。

对统计 / 生物统计/大数据/机器学习 / 生物信息学等感兴趣的社员们，快来报名参加吧~

寒假PBL小组科研项目推荐——基于Python的生物医学数据处理综合研究

科研项目介绍

本次课程将讲解机器学习的理论和实践课程应用于生物医学的不断丰富数据，包括以高分辨率身体为中心的多维生物医学测量、成像和全基因组常见变异机器学习理论和实践课程应用于生物医学的扩展丰富性数据，包括以高分辨率身体为中心的多维生物医学测量影像学和全基因组常见变异遗传学。

最终教授的引导下，学生们将进行学术研究以及探讨，并结合课程内容完成一篇科研论文或其他教授要求的科研产出。科研产出的形式（小组形式或个人形式）由教授全程把关。

教授介绍

达特茅斯学院

生物医学数据科学讲师

研究信息学助理主任

计算机研究资深主任

★ 达特茅斯学院研究计算部生物信息学应用专家

★ 获瑞士国家科学基金会（FNS）和瑞士大学校长会议资助

【教授简介】

该专家是一名受过培训的计算机和数据科学家，在设计数据分析管道和创建可视化方面有丰富的经验，他一直专注于为我们的世界级研究人员和学者群体提供实现学术卓越所需的所有计算服务和培训，包括安全数据存储解决方案和混合云/内部高性能计算解决方案。一个经验丰富的领导者--他领导研究信息学小组，这是一个由高度独立的领域专家组成的DevOps团队，支持他们机构的所有专业学校和部门，包括地理信息系统、AR/VR、用户界面开发和数据科学。

他们不断增长的项目组合扩展到人文、社会科学和生命科学的更多研究和学术领域。作为一个充满激情的教育者，他教授QBS101--数据科学家的计算机科学基础--一个为期一年的课程 这两个角色结合在一起，涵盖了他所热衷的一切：教学、学习，以及为他们整个社区和其他地区的研究项目提供出色的计算支持。

科研项目计划

Session 1：

1 简介

2 基本 Python 编程

3 高级 Python 编程

4 生物医学数据预处理

Session 2：

1 生物医学数据可视化

2 生物医学机器学习

Session 3：

1 处理生物医学图像

2 处理重要时间序列

Session 4：

1 生物信息学图书馆

2 生物医学自然语言处理

PBL科研项目收获

▲  教授推荐信

▲  学术论文

▲  学术评估报告

▲  项目成绩单

▲  学术能力提升

适合人群

√ 对生物统计学、生物信息学、基因组学、卫生政策、卫生经济学等感兴趣的同学

√ 有意提高自身知识水平和学术能力的同学

√ 有留学意向、参与自主招生选拔、跨专业深造或计划考取名校的同学

√ 希望提升留学文书申请质量，锻炼英文论文撰写能力的同学

√ 希望在学术期刊上发表论文提升个人竞争力的同学

√ 对海外名校课堂深感兴趣或已收到海外大学录取信，想提前跨越中外学制鸿沟的同学

课程参考安排

课题海报

详情请咨询顾问

 【项目亮点】

1、教授推荐信：按照学员在课程中的表现、作业完成度以及团队合作结果等进行个性化、定制化的评定。

2、论文发表：在执教终身教授与哥大写作项目教授的指导下，完成一篇“独立一作”且具有含金量高、符合学术标准的论文。（可定制发表国际期刊）

3、学术评价报告：成功完成本项目的学员都将获得来自执教教授亲自评测的学术评价报告。

4、科研项目成绩单：鼓励学生专注学习过程中的每个阶段，并独有单独的展示环节，最终将获得由教授亲笔签名的成绩单。

5、学术能力提升：注重学员的创新能力、资料收集与处理能力、批判性思维能力、问题解决能力、分析能力、语言运用能力等做学术科研必需的基础素质。该项目基于学员兴趣进行课程定制，培养学员的综合学术能力提升，为未来的学术生涯奠定基础。