# COPD合并糖尿病核心基因筛选与验证 — 教学系统

> 一套从零基础到发表论文的完整科研培训系统，涵盖生物信息学、机器学习、细胞实验和网络药理学四大模块。

---

## 📚 系统概述

本教学系统面向**生物医学研究生、临床医生和科研人员**，手把手教你完成一套完整的科研流程：

```
生物信息学筛选 → 机器学习降维 → 细胞实验验证 → 网络药理学分析 → 论文撰写
```

**核心理念**：不仅是"教你怎么做"，更是"教你为什么这么做的系统思维"。

---

## 🎯 适合人群

- ✅ 生物医学/基础医学硕士研究生
- ✅ 临床医生想做基础研究
- ✅ 零基础想学生信分析的科研人员
- ✅ 需要一套完整课题框架的博士生

**前置要求**：
- 基础生物学知识（知道DNA/RNA/蛋白是什么）
- 会基本电脑操作
- 不需要编程基础（我们从零教R语言）

---

## 📖 课程结构（10章 + 3个实战项目）

| 章节 | 内容 | 学时 | 产出物 |
|------|------|------|--------|
| **第0章** | 课程介绍与学习路线图 | 1h | 个人学习计划 |
| **第1章** | 生物信息学基础与R语言入门 | 4h | 能独立写R脚本 |
| **第2章** | 公共数据库与数据获取 | 3h | 下载到原始数据 |
| **第3章** | 数据预处理与差异分析 | 4h | 差异基因列表 |
| **第4章** | 机器学习筛选核心基因 | 6h | 3-5个核心基因 |
| **第5章** | 功能富集与PPI网络分析 | 4h | 分析图表 |
| **第6章** | 实验设计原理与方案撰写 | 3h | 实验方案文档 |
| **第7章** | 细胞实验实操全流程 | 6h | 实验数据 |
| **第8章** | 网络药理学基础 | 4h | 药物预测结果 |
| **第9章** | 分子对接与可视化 | 4h | 3D对接图 |
| **第10章** | 论文写作、投稿与回复 | 4h | 完整论文初稿 |

---

## 🛠 配套资源

```
kaoyan/
├── curriculum/          # 课程讲义（10章完整内容）
│   ├── 00-课程介绍.md
│   ├── 01-生物信息学基础.md
│   ├── ...
│   └── 10-论文写作与投稿.md
├── code/                # 配套R代码（可直接运行）
│   ├── 01_data_preprocess.R
│   ├── 02_differential_analysis.R
│   ├── 03_machine_learning.R
│   ├── 04_enrichment_analysis.R
│   └── 05_network_pharmacology.R
├── data/                # 示例数据与数据说明
├── templates/           # 实验记录模板、论文框架模板
├── exercises/           # 课后作业与参考答案
└── README.md            # 本文件
```

---

## 🚀 快速开始

### 第一步：安装R环境（约30分钟）

```bash
# 1. 下载并安装R (https://cran.r-project.org/)
# 2. 下载并安装RStudio (https://posit.co/download/rstudio-desktop/)
# 3. 打开RStudio，运行以下命令安装必要包

install.packages(c("tidyverse", "limma", "glmnet", "randomForest", 
                   "e1071", "caret", "ggplot2", "pheatmap", 
                   "clusterProfiler", "org.Hs.eg.db", "igraph",
                   "ggraph", "enrichplot", " STRINGdb"))

# Bioconductor包
if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install(c("GEOquery", "limma", "edgeR"))
```

### 第二步：按顺序学习课程

建议学习节奏：每周2章，5周完成全部课程。

每章学习路径：
1. 阅读讲义（30-60分钟）
2. 观看/跟随代码实操（60-120分钟）
3. 完成课后作业（30-60分钟）
4. 在答疑群/论坛提问

### 第三步：完成结课项目

从课程提供的数据集中独立重复分析流程，提交一份完整的分析报告。

---

## 📊 学习路径图

```
第1-2周：信息学基础
  ├─ 第1章：R语言 + 生物信息学概念
  ├─ 第2章：GEO数据库 + 数据下载
  └─ 第3章：差异分析原理与实操

第3-4周：核心技能
  ├─ 第4章：机器学习三大方法
  ├─ 第5章：富集分析 + PPI网络
  └─ 作业：完成自己的核心基因筛选

第5-6周：实验与药理学
  ├─ 第6章：实验设计思维
  ├─ 第7章：细胞实验（视频+图解）
  ├─ 第8章：网络药理学数据库
  └─ 第9章：分子对接实操

第7周：论文写作
  └─ 第10章：从结果到论文
```

---

## 🎓 学完本系统，你将能够

1. **独立下载和处理GEO数据** — 不依赖任何在线工具
2. **用R语言做完整的差异分析** — 知其然更知其所以然
3. **运行三种机器学习算法** — RF、LASSO、SVM-RFE
4. **设计合规的细胞实验** — 包含对照、重复、统计分析
5. **完成网络药理学分析** — 从基因到药物的预测
6. **做分子对接** — 用AutoDock验证药物-靶点结合
7. **撰写可投稿的SCI论文** — 掌握IMRaD结构写作

---

## ⚠️ 学术诚信声明

本系统仅供学习和科研方法培训使用。所有基于本系统产生的数据和分析结果，在发表时必须：
- 明确说明数据来源和处理方法
- 遵守各数据库的使用协议
- 不得用于任何学术不端行为

---

## 📮 反馈与更新

本教学系统持续更新，如发现错误或希望增加内容，欢迎反馈。

**当前版本**：v1.0  
**最后更新**：2026-05-04

---

> 💡 **给学习者的一句话**：科研没有捷径，但有正确的方法。这套系统给你的不是"一键出结果"的工具，而是**独立做科研的能力**。