# scripts

**Repository Path**: ScienceAdvances/scripts

## Basic Information

- **Project Name**: scripts
- **Description**: pipelines
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-07-01
- **Last Updated**: 2025-09-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

> 简历和代码介绍

姓名：王重阳   
微信：19943993803
邮箱：yehior@qq.com

## 教育经历 

暨南大学	生物化学与分子生物学	硕士 2019 - 2022   
河南农业大学	生物工程	本科 2015 - 2019   

## 工作经历
2024年2月-至今	体必康生物科技（广东）股份有限公司	生信工程师   
2023年11月-2024年2月	南京派森诺基因科技有限公司	高级生信工程师   
2022年11月-2023年10月	云南辉曼生物信息科技有限公司	生信工程师   

## 业务能力
- 英语：大学生英语六级；“科研成果”中第二三篇 SCI 文章英文撰稿；
- 编程技术: R、Python、linux；
- 工作内容汇总：生信多组学上下游分析、生信SCI文章方案设计
- 数据分析流程代码 https://gitee.com/ScienceAdvances/scripts

### 1.转录组分析
fastp质控、STAR/salmon定量、差异分析、WGCNA、富集分析、PPI、ceRNA网络等;Trinity 组装分析无参转录组；miRDeep2 分析microRNA-seq；CIRIquant/CIRIquant分析cicrRNA测序数据

### 2.单细胞转录组
基于 Seurat、Scanpy 完成质控（过滤低质量细胞 / 基因、线粒体高比例样本，通过 3MAD方法筛选测序读数及基因数目异常值）；应用总计数标准化或 SCTransform 消除技术偏差；通过 CCA、Harmony 校正批次效应；采用 UMAP 降维解析细胞分布，结合 Louvain或Leiden 算法实现精准分群；利用 CytoTRACE 评估分化潜能，结合 Monocle2/3 构建拟时序轨迹；通过 CellChat、CellPhoneDB 挖掘细胞通讯网络；应用 pySCENIC 解析转录因子调控网络；采用 pseudoBulk 方法开展差异分析，结合 SeuratExtend 可视化细胞比例及基因表达差异；BayesPrism推断Bulk转录组的细胞组成等。

### 3.单细胞空间转录组
负责 2 个 10X Visium 空间转录组项目（小鼠脑、肝脏）的单细胞-空间多组学整合分析，其他空转项目仅跑到分群
- 小鼠脑空间转录组与单细胞整合分析
利用 Squidpy 与 Scanpy完成空间 spots 与单细胞数据的联合质控（过滤低质量 spots、标准化校正）及聚类分群；利用BrainMap 脑区图和一些marker基因表达水平注释脑分区；通过 cell2location 以单细胞转录组数据为参考，精准推测空间 spots 中的细胞类型组成（包括兴奋性神经元、抑制性神经元、星形胶质细胞等亚型），量化各 spot 中不同细胞类型的占比及分布特征；借助 Squidpy 开展空间临近分析，计算细胞类型间的空间共定位系数，解析神经元与胶质细胞的邻域互作规律；结合 Scanpy 进行空间基因共表达网络分析，挖掘海马、皮层等脑区特异性基因模块（如突触传递相关基因簇）；通过 Squidpy的CellPhoneDB推断出组织临近区域的细胞通讯信息。

- 肝脏空间转录组与单细胞整合分析：
采用 Seurat 完成空间数据基础分析（spots 质控筛选、表达标准化、聚类分群），通过 Seurat 的空间可视化功能呈现组织特异性基因的表达分布，辅助客户结合 HE 染色形态界定肝脏小叶等组织结构分区；后续引入 Spotlight 工具，将单细胞转录组定义的细胞类型（如肝细胞、内皮细胞）映射至空间 spots，生成细胞类型空间分布图谱，量化不同肝小叶区域的细胞组成占比差异，揭示组织结构分区与细胞功能亚型的空间对应关系，解析肝脏代谢功能的区域特异性特征。

### 4.影像组学
肺腺癌CT和转录组多模态模型。客户协助使用3D Slicer标注肿瘤ROI。使用pyradiomics提取CT特征，使用逻辑回归、随机森林、SVM做特征工程筛选CT特征和基因，基于CT特征、基因和临床特征使用sckit-learn的lightGBM做诊断模型，optuna调优。

### 5.病理组多模态
食管癌是否发生转移预测分析：结合病理组织切片（WSI）与全外显子测序（WES）数据构建预测模型。流程上，通过 TRIDENT 框架完成 WSI 预处理（包括图像分割、噪声去除）并使其ViT预训练模型病理特征提取，后续进行特征标准化；同步对 WES 数据进行突变状态编码（将基因分为未突变 / 突变状态，标记为 0/1）；最终整合病理影像特征与基因突变数据，实现对食管癌是否发生转移的精准判断。

### 6.扩增子 16S
fastp质控、dada2聚类、过滤低丰度asv、qiime2利用silva库注释、userach利用rdp库注释、保留两者至少再3个水平相同的注释、microeco/MicrobiotaProcess进行alpha、beta多样性、丰度差异、物种个水平差异分析、lefse分析等

### 7.宏基因组
fastp质控、bwa对比到宿主基因组并去除宿主基因组、megahit组装、prokka预测基因、mmseqs聚类、salmon定量、eggnog功能注释、diamond+megan基于NR库注释、metawrap分箱注释

### 8.网络药理学和分子对接（创伤药、复方汤剂等）
参与复方药的网络药理学研究：通过质谱技术先鉴定复方中各味中药的原始成分，再精准检测小鼠血清中实际吸收的入血化合物；以血清中的化合物为核心，结合疾病靶基因构建“血清成分-疾病靶点”网络药理学图谱，解析其潜在作用通路；利用Gnina对筛选出的血清化合物与靶基因进行分子对接，依据结合能筛选高亲和力的关键化合物及核心靶基因；最终通过细胞实验与动物模型验证，明确复方药经体内吸收后发挥药效的物质基础及分子机制。（负责网络药理学和分子对接）

### 9.Gromacs分子模拟
从分子对接sdf文件中选取能量最低构象为初始模型；配体用acpype结合gaff2力场生成拓扑结构，蛋白pdb经预处理后采用AMBER14SB力场构建拓扑；定义模拟盒子，以tip3p水模型填充溶剂并添加平衡离子，通过能量最小化消除原子间不利作用，完成分子动力学模拟。

### 10.eCLIP-seq分析
从ENCODE下载数据FMR1在K562细胞系的eCLIP-seq数据，客户指定绘制文章中的一个figure。分析流程：基于racoon_clip分析框架的Flexbar预处理高通量测序数据（删除接头等）得到有效序列；STAR将质控后序列比对到参考基因组得到BAM文件及比对统计；UMI-tools去除重复序列以保证数据准确性；使用iCount识别蛋白和RNA结合位点并计数生成BED文件；PEKA识别富集的蛋白质-RNA结合基序，计算PEKA分数，生成前40个motif热图、k-mer分布图等；Clippy通过平滑交联信号、设定阈值识别显著交联峰，生成结合位点区域（Peaks.bed）、峰的最高点（Summits.bed）等文件。

### 11.Cut&Run
博后师兄的人细胞系Cut&Run、质谱、转录组联合分析，Cut&Run确定PTH1结合的靶基因，质谱确定与PTH1结合的蛋白，转录组抑制剂或者RNAi PTH1实验处理后找差异基因，转录组差异基因与Cut&Run交集分析看PTH1调控关系。   
Cut&Run分析流程：fastp处理fastq、bowtie2对比去重复等、macs3 call peak、ChIPseeker峰注释、homer motif富集
转录组流程：fastp处理fastq、STAR定量、DESeq2组间差异分析、gseapy富集分析

### 12.使用 CHAMP 做 450K 甲基化芯片分析流程，筛选甲基化位点做预测癌症的预后模型

### 13.简单的网页工具(python DASH 和 R Shiny)
硕士期间使用 Shiny 写了一个实验室实验数据分析的网站 https://bioquest.shinyapps.io/cesa

## 发表的论文

ORCID: https://orcid.org/0000-0003-2254-1871
- Yimin Li#, Chongyang Wang#, Xiaoxiao Fu#, etc. Transgenerational inheritance of mitochondrial hormetic oxidative stress mediated by histone H3K4me3 and H3K27me3 modifications. Redox Biol. 2025 May;82:103598. doi: 10.1016/j.redox.2025.103598.**（2025年3月 共一二 IF = 11.9 ）**
- Qiang Chen#, Chongyang Wang#, Xinyi Lei, Ting huang, Renyu Zhou & Yuanzhi Lu*. (2022) Immune Cytolytic Activity for Comprehensive insight of Immune Landscape in Endometrial Carcinoma. Journal of Oncology 2022:9060243. doi: 10.1155/2022/9060243 **（2022年7月 共一二 IF = 4.5）**
- Wenjuan Jia#, Chongyang Wang#, Jingming Zheng, Yimin Li, Caixian Yang, Qin-Li Wan, and Jie Shen. 2022. “Pioglitazone Hydrochloride Extends the Lifespan of Caenorhabditis Elegans by Activating DAF-16/FOXO- and SKN-1/NRF2-Related Signaling Pathways.” Oxidative Medicine and Cellular Longevity 2022 (May). Hindawi: e8496063. doi:10.1155/2022/8496063. **（2022年5月 共一二 IF = 7.3）**
- Wan, Qin-Li#, Xiao Meng#, Chongyang Wang, Wenyu Dai, Zhenhuan Luo, Zhinan Yin, Zhenyu Ju, Xiaodie Fu, Jing Yang, Qunshan Ye, Zhan-Hui Zhang, and Qinghua Zhou. 2022. “Histone H3K4me3 Modification Is a Transgenerational Epigenetic Signal for Lipid Metabolism in Caenorhabditis Elegans.” Nature Communications 13 (1): 768. doi:10.1038/s41467-022-28469-4.**（2022年 二作  IF = 17.7）**
- Luo, Zhenhuan#, Wenyu Dai#, Chongyang Wang, Qunshan Ye, Qinghua Zhou, and Qin-Li Wan. 2022. “Gene Activation in Caenorhabditis Elegans Using the Campylobacter Jejuni CRISPR-Cas9 Feeding System.” G3 Genes|Genomes|Genetics, April, jkac068. doi:10.1093/g3journal/jkac068. #Co-first author IF = 3.5 **（2022年 二作 IF = 3.5）**
- Wan, Qin-Li, Xiao Meng, Wenyu Dai, Zhenhuan Luo, Chongyang Wang, Xiaodie Fu, Jing Yang, Qunshan Ye, and Qinghua Zhou. 2021. “N6-Methyldeoxyadenine and Histone Methylation Mediate Transgenerational Survival Advantages Induced by Hormetic Heat Stress.” Science Advances 7 (1): eabc3026. doi:10.1126/sciadv.abc3026.**（2021年  IF = 14.9）**
- Wan, Qin-Li, Xiaodie Fu, Xiao Meng, Zhenhuan Luo, Wenyu Dai, Jing Yang, Chongyang Wang, Hao Wang, and Qinghua Zhou. 2020. “Hypotaurine Promotes Longevity and Stress Tolerance via the Stress Response Factors DAF-16/FOXO and SKN-1/NRF2 in Caenorhabditis Elegans.” Food & Function 11 (1): 347–57. doi:10.1039/c9fo02000d. IF = 6.3 **（2020年  IF = 6.3）**