本次研習會旨在研討如何利用高通量數據(high-throughput data)所提供之特殊機會，來提高生物醫學實驗之真實性(validity)與再現性(reproducibility)，並促進各相關領域的合作。

基因表現反映了細胞的企圖，所以探究基因表現的圖譜（profile）往往能夠一窺究竟細胞於疾病發生或病程演進中所涉之分子層次的數量（quantitative）或質性（qualitative）的變化，除能幫助了解疾病之機轉外，亦提供吾人相關之疾病相關分子特徵(signature)，後者更可供輔佐臨床診斷或預後之實行。能夠有效分析並利用以大規模臨床檢體之基因組表現研究計畫所產生之高通量基因表現數據，正是當代研究者據以進入精準醫學殿堂之基礎。本次研習將分享如何著重再現性、統計推論、以及生物路徑解釋的分析經驗與心得，並介紹近來極受重視的組織微環境中異質細胞組成分析法之原理與實作應用。茲簡述課程內容如下：

1. 高通量數據資料的品質控制(quality control)：利用數據本身提供的negative/positive control probe及其資料之高通量(high-throughput)特性對資料提供品質檢查，排除品質不好的樣本；
2. 顯著性分析(statistical significance)：利用高通量資料的特性來估計已知或未知的batch effect/confounding variable，並放入適合的統計模型減輕它的影響，用以增加統計方法的power，並降低false discovery rate；
3. 生物路徑分析(biological pathway analysis)：探討如何利用高通量資料，產出在生物路徑層次的分析，得到更好的生物學解釋與及其真實性。