本科研项目针对生物信息学、细胞生物学及免疫学方向的学术提升需求，采用前沿的单细胞测序技术，结合机器学习算法解析肿瘤微环境。通过系统化的科研训练，学员将掌握从数据预处理到机制发现的完整研究链条。
| 研究阶段 | 技术方法 | 学术产出 |
|---|---|---|
| 单细胞数据预处理 | 降维聚类分析 | 细胞类型注释图谱 |
| 免疫微环境解析 | 细胞通讯网络构建 | 免疫细胞互作模型 |
| 肿瘤异质性研究 | 随机森林算法应用 | 恶性细胞识别系统 |
采用单细胞转录组测序技术解析肿瘤微环境异质性，建立基于机器学习的细胞类型分类模型。通过构建细胞分化轨迹图谱，揭示免疫细胞在癌症演进过程中的动态变化规律。整合多组学数据分析方法，系统阐明肿瘤免疫逃逸的关键分子机制。
研究过程中将应用Seurat、Scanpy等生物信息学工具包，结合Python编程实现数据处理自动化。通过R语言进行统计学分析，运用Cytoscape构建细胞互作网络，最终形成具有临床指导价值的肿瘤免疫治疗靶点分析报告。
