斯坦福大学生命科学类科研项目

斯坦福大学生命科学类科研项目简介
Stanford University Biology Science Research

一、学校简介

斯坦福大学在多个国内外大学排名中均在十强之列。其中，世界大学学术排名（ARWU）更是多年来都一直将其列作世界第二。斯坦福大学内各个学科在世界排名均处于领先地位，尤其在统计与运筹学、电气工程学、计算机科学、生物医学、商学、社会科学等多个学科领域拥有世界级的学术影响力。

二、项目背景

生命科学是一门有很长历史的学科。从人类文明的初期直至现在，人们都没有停止对生命相关科学的探索，现代生命科学不仅有不同于传统生物学的许多特点，而且深刻影响着现代科学的各个领域，成为多学科相互渗透，并且衍生出了一系列的分支学科和边缘学科。如研究基因及其基因表达的分子遗传学，研究生物大分子的结构与功能、生物体内化学变化的生物化学，以及生物物理学、生物数学、生物力学、生物光学、生物医学、农业生物学环境生物等，甚至生命科学的研究，还涉及到电子计算机、人工智能、工程控制论等现代科学技术的研究领域。

2018年国庆期间，诺贝尔奖化学奖、物理学奖、生理学或医学奖揭晓，自然科学三大奖项均和生命科学有关，为什么生命科学、医学、化学和物理学的交叉学科成果最容易受到诺贝尔奖的青睐？答案是比较清晰的，交叉学科是比较容易出成果的富矿，而且学科交叉更容易获得突破性的发现和发明。从2000年以来，18次诺贝尔化学奖有12次颁给了生命科学相关领域，也因此被不少人戏称为“诺贝尔理综奖”。由此可见未来的研究和发展都是围绕在生物、化学、材料、物理、数学、人工智能和工程等交叉综合领域，跨学科共同开展研究已经成为了常态。

三、项目说明

面向对象：欲以申请美国常青藤名校生命科学、生物技术、生物信息、医学统计、医学数学等生物医学类相关专业的本科生、研究生为主；
软性背景：有一定的科研履历者优先； 
科研导师：斯坦福大学生命科学类专业导师；
科研形式：远程线上科研，导师授课+研究实战结合，完成课题选题、搜集资料、数据分析、研究实践及报告撰写；
科研周期：
远程科研：学生与导师约定开始时间，线上交流进行科研学习和探讨，每期时间4-12周，具体根据学生完成任务的进度确定完成时间。
申请截止：滚动报名，先到先得；

科研主题： 以下领域内的相关课题，具体课题根据学生的基础，导师面试后确定。
Biomedical Engineering and Sciences［生物医药工程］
Biological Sciences［生物医药科学］
Applied Physics ［应用物理］
Neuroscience ［神经科学］
Biophysics  ［生物物理学］
Molecular Imaging ［分子成像］

四、选拔流程

1.提交报名表；
2.初审合格，签订协议，科研组择优⾯试；
3.⾯试通过后，发送录取确认书；
4.远程项目协调开始时间及项目研究准备；
5.开始科研；
6.丰富的CV、PS履历；获得科研证书，表现优异者可获导师推荐信助⼒申请。

五、科研收获

1、进入美国顶尖名校，师从名校导师开展科研项目；接触尖端科学；
2、为未来在美深造做准备，顶级名校的科研项目是对你有能力完成名校的申请和学习的最好证明。
3、高层次的人脉和校友关系，与你为伍的人是世界顶级名校的专家、学者，你将体验到世界最顶级学术专家们的思想和气质。
4、挑战自身潜能，切身体会斯坦福大学顶尖科研环境，在严苛的训练下快速成长。
5、极大拓宽视野，通过此次科研，参与学生将会对留学名校有个清晰的认识，并依此做出最优的人生规划。
6、有机会获得美方导师推荐信；一封有分量的推荐信，高含金量收获助力未来留学深造及就业。

附件：课题计划范例

Population analysis of memory-related neural ensemble 

Keywords: Neural Ensemble, Memory, Calcium Imaging, Decoding
Summary
The system neuroscience field has transitioned from single cell recordings to high through-put monitoring of hundreds or even thousands of neurons simultaneously. The interpretation of these large data sets requires deep understanding of the psychological nature of related behavior, as well as the rigorous application of relevant statistical techniques. In this project, we will explore a large data set of cortical neuronal activity recorded during mice performing a memory-guided task by calcium imaging. We will use population vector, mutual information, and some machine learning techniques to identify memory-related activity and decode the animal’s behavior. We will design analyses pipelines and try to distinguish neural signature of different psychological constructs.
Students will learn
-- How to open, browse, and process large (individual file over 100Gb) image files.
-- How to use shuffled data to generate null hypothesis to test signal specificity.
-- How to use population vector to describe the real-time ensemble activity in various task-relevant axis.
-- How to construct, cross-validate and test decoders to interpret neural ensemble activity.
-- How to design biological experiments to test the causality suggested by analyses.
Pre-requisite
-- Neuroscience: Students should understand the classic rodent behavioral tasks for short-term and long-term memory, such as contextual or cued fear conditioning and delayed discrimination.
-- Statistics: Students should understand the principles of hypothesis testing and being able to articulate the interpretation of a statistical test results. Students are expected to be familiar with common parametric and non-parametric tests.
-- Programming: Students should be able to understand basic Matlab scripts.
Recommended reading
Spikes: Exploring the Neural Code (Computational Neuroscience) 
by Fred Rieke (Author), David Warland (Author), Rob de Ruyter van Steveninck (Author), William Bialek (Author), Terrence J. Sejnowski (Editor), Tomaso A. Poggio