随着国际人类基因组计划的完成，对海量基因组数据的注释和解读成为下一个主要难点，在此基础上对癌症基因组的解析也是一个重要方向，表观基因组学是基于基因组学的一个额外分支，所以如何运用统计计算方法去分析和整合各种高通量生物医学数据就变得非常关键。在这次课程中，我们将学习各种数据的分析方法，以及在癌症样本中的实战运用。
表观遗传变异已经在所有人类癌症类型中被观察到和证实。然而我们对全基因组范围的表观遗传图谱是怎么被打乱的，而后又是怎么影响癌症的发生和恶化的分子机理依旧了解很少。所以各国科学家们启动了国际癌症基因组计划.
前列腺癌症的遗传突变率和其他癌症相比处于低突变率癌症类型，所以学术界认为表观遗传学可能在其中起到更大的作用，并且提出它的发生是遗传突变和表观遗传变异所共同驱动的。前列腺癌症的一个特点是大部分正常男性在60以后都会产生，但是很多是良性的，无需进行放化疗或手术。然而现有的检测手段主要是前列腺特异抗原检测（PSA: Prostate-Specific Antigen）。这个检测的假阳性非常高，所以这就导致了非常严重的过度治疗，为病人带来了很多不必要的痛苦，降低的晚年的生活质量，也严重浪费了国家的医疗资源。所以在前列腺癌症领域的最重要问题是怎样区分良性和恶性肿瘤，尤其在早期阶段是否就能区别良性和恶性肿瘤则是这个问题的重中之重。
我们将通过整合各类组学数据，找到关键基因的过度表达可能在前列腺癌症的恶化中起到重要作用，并且尝试鉴定能在早期预测前列腺癌恶化潜力的分子标记。
曾在Nature genetics等诸多顶尖期刊中以第一作者身份发表论文。
AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。
整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。