Codex + Claude Code + Claude Science三智能体科研训练营

Codex 更像代码工程师和分析审查员，负责写代码、跑分析、修报错、检查统计逻辑；Claude Code 更像科研项目经理，负责搭建目录、管理文件、梳理证据、生成报告和制作 PPT；Claude Science 则把文献、数据、脚本、图表和科研写作连接成完整工作台。

本次 Codex + Claude Code +Claude Science 三智能体科研训练营，系统实操AI智能体嵌入真实科研工作流。课程将从 0 搭建科研 AI 工作台，覆盖机制图、PPT、综述写作、文献检索、课题设计、基金标书、临床数据，以及单细胞、空间转录组等CNS文章数据分析。

01

课程特色

1. 三智能体协同：从“会问 AI”升级到“会指挥 AI”干活
系统训练Codex + Claude Code+Claude Science的协同科研工作流。

2. 从 0 搭建科研 AI 工作台：让每个课题都有结构、有记录、可复查。把文献、数据、脚本、图表、PPT、标书和报告全部放进一个可管理、可追踪、可复用的科研工作台。

3. 覆盖科研真实场景：机制图、PPT、文件管理、综述、标书和课题设计全打通

4. CNS顶刊数据实战：bulk、单细胞、空间转录组、代谢组、蛋白组、16S 和临床数据全覆盖

5. 强调 Codex 交叉审查与 Claim 校准：避免 AI 幻觉和过度解读

6. 每节课都有明确课堂产出：不是听完就忘，而是形成自己的科研资产

7. Skill 封装：把一次课程变成长期可复用的科研工作流

02

课程费用

费用：原价2880元，暑期限时优惠价2380

✅ 全方位学习： 直播授课 + 全套录播（支持无限次回放）

✅ 教学答疑： 授课期间学习群内导师一对一指导

✅ 配套资源： 全套核心skill、教学数据、精美讲义

组团更优惠

两人同行： 享 9折 优惠

三人及以上： 享 85折 巨大折扣

扫码登记信息，同步加微信咨询课程

也可以搜索微信添加：drugtime510

03

课程核心模块

课程总体分为六个模块：

模块一：科研 AI 工作台基础

建立 Codex + Claude Code+Claude Science 三智能体科研工作台，系统搭建项目目录、任务看板、版本记录和隐私合规清单。同时覆盖机制图制作、PPT 生成、文件管理、项目资产盘点、论文图表精修、服务器任务提交和 Claude Skills 使用，让大家形成一套可长期复用的科研 AI 项目管理框架。

模块二：智能体 + SCI 综述写作全流程

围绕 SCI 综述从选题到投稿的完整流程，训练学员判断不同综述类型，凝练有投稿空间的题目，并完成检索式设计、文献池构建、精读笔记、证据矩阵、Proposal、大纲、正文、总览图、三线表和投稿包。重点是让智能体参与选题、检索、证据整理、写作、图表规划和修稿，把综述写作变成可复查、可迭代的工程化流程。

模块三：智能体助力国自然标书写作

聚焦国自然标书的 AI 辅助设计与写作，先建立个人科研画像，再让 Codex 以评审专家视角评估候选方向。课程按照“方向—背景—问题—假说—目标—技术路线—风险方案”逐层推进，完成立项依据、研究目标、研究内容、技术路线图、创新点和可行性分析，并封装为可反复调用的技能。

模块四：课题设计与科研假说打磨

面向新课题、新方向和新文章框架设计，训练学员用 Claude Code 整理研究基础，用 Codex 从导师和评审视角追问科学问题、核心假说和技术路线。课程将模糊想法拆解为科学问题树，最终输出课题题目、核心假说、研究目标、技术路线图、创新点、风险替代方案和完整课题设计书，并封装为新SKILL。

模块五：智能体复现顶刊多组学数据分析

用 Codex + Claude Code 零代码复现CNS顶刊多组学分析。覆盖bulk RNA、单细胞、空间转录组、代谢组与蛋白多组学，以及 16S 测序数据。每类数据都会完整跑通数据定位、文件审计、分组检查、代码生成、图表输出、结果解释、Codex 审查和 Skill 封装。

模块六：临床科研 AI 工作台与论文投稿闭环

面向临床医生和医学科研人员，搭建从临床研究设计、电子病历清洗、统计建模、SCI 图表到论文投稿的完整 AI 工作流。课程覆盖 PICO/PECO 研究设计、入排标准、变量字典、统计分析计划、数据脱敏、Table 1、回归分析、生存分析、PSM、亚组分析和交互作用，最后由 Claude Code 生成论文初稿，Codex 完成统计审查、结果校准和投稿生成。

04

课程具体内容

模块一：科研 AI 工作台基础第一节课：科研 AI 工作台部署

1. 理解 Codex、Claude Code、Claude Science 在科研中的不同分工。

2. 搭建科研 AI 工作台三层结构：资料层、执行层、审查层。

3. Codex 从 0 建立医学科研 AI 项目目录。

4. 编写 README、AGENTS.md、CLAUDE.md 和 CODEX_REVIEWER.md。

5. 建立任务看板、版本记录和人工核查机制。

6. 搭建 Claude Science 工作台入口，整合文献、绘图、生信、实验记录和团队协作。

课堂产出：项目文件夹、AI 行为规则文件、任务看板、版本记录表和隐私合规清单。

第二节课：Codex 制作文章机制图

1. Codex 从一句话科学假说拆解成机制链条。掌握机制图四层结构：场景、角色、关系、证据。

2. Codex 建立机制元素表和机制关系表。

3. 使用 Codex 生成 Mermaid、SVG 和 PPT 可编辑图稿。

4. Codex 进行机制箭头证据映射和人工审核。

5. 联合 Claude Science、BioRender 和 PPT 进行后期精修。

课堂产出：机制图草图、SVG 文件、图注和证据检查表。

第三节课：Claude Code 做 PPT

1. 理解 Claude Code 作为 PPT 工程师和科研表达助理的角色。

2. 用 Claude Code 读取项目目录，盘点可用素材。

3. Claude Code 从材料清单生成 PPT 故事线。

4. 设计逐页大纲：页标题、核心信息、所需图片和讲者备注。

5. Claude Code 生成组会版、基金答辩版和论文汇报版 PPT。

6. 对 PPT 进行科学审查：结论是否超过证据、图文是否匹配、缩写是否解释。

课堂产出：Claude Code 创建10 页组会 PPT 大纲、讲者备注和 PPT 初稿。

第四节课：Claude Code 做文件管理

1. 训练 Claude Code 作为科研项目秘书，管理项目资产。

2. Claude Code 搭建科研项目标准目录。

3. 制定文件命名规范：日期、主题、版本和作者。

4. Claude Code 对文献、图表、代码、PPT 和标书材料进行资产盘点。

5. 建立文件关系映射：证据表、机制图、PPT、标书之间如何互相连接。

6. 完成版本管理、重复文件识别、缺失材料检查和 final_package 输出。

7. Claude Code 建立私人文献知识库，对本地 PDF 文件夹建立 RAG 向量索引，后续用自然语言检索和提问。

课堂产出：项目资产盘点表、命名规范、版本记录和最终项目包清单。

第五节课：Claude Science 科研全能工作台

1. 理解 Claude Science 在科研中的定位：把文献、数据、脚本、分析、服务器计算和图表交付串起来。

2. 搭建 project card、data、scripts、results、figures、provenance 标准目录。

3. Claude Science 从差异分析表、单细胞对象、空间数据、临床数据和综述证据矩阵出发生成科研图表。

4. 完成火山图、热图、UMAP、DotPlot、KM 曲线、森林图、机制图和 Fig.1 总览图设计。

5. Claude Science 精修论文级图表：统一 panel、字体、标签、图例、颜色、统计标注、分辨率和导出格式。

6. 掌握 AI 修图规范：只做规范化表达，不改变数据事实，保留原图、代码、参数和修改记录。

7. 连接 SSH/HPC/Slurm，完成远程服务器任务提交、日志监控、结果下载和失败排查。

8. Claude Science 根据任务选择文献分析、单细胞、空间组学、蛋白组、结构生物学、化学信息学、图表设计或服务器计算 Skill。

课堂产出：科研项目结构、作图任务卡、修图 checklist、服务器任务模板、Skill 选择表、Fig.1 设计说明和可复现记录表。

模块二：AI + SCI 综述写作全流程第六节课：AI + SCI 综述文章思路解读

1. Codex 拆解 SCI 综述发文逻辑：科学问题、研究空白、证据层级、图表论证和投稿表达。

2. 判断不同综述类型：Narrative Review、Systematic Review、Scoping Review 和 Meta-analysis。

3. Codex 建立智能体写综述完整流程：选题 → 检索 → 文献池 → 精读 → 证据矩阵 → 大纲 → 正文 → 投稿。

4. 学习选题收缩公式：领域 + 对象 + 机制 + 场景 + 新视角 + 核心问题。

5. Codex 建立选题评分矩阵：新颖性、文献量、碰撞风险、可聚焦性、作者优势、投稿空间和图表潜力。

6. 检查已有综述，判断题目是否已经被写烂，是否还有差异化空间。

课堂产出：个人项目卡、候选题目表、选题评分表、最终题目和一句话中心问题。

第七节课：智能体对 SCI 文献检索式设计与第一版文献池构建

1. Codex 将综述题目拆成 2–5 个可检索概念块。

2. 完成中文关键词到英文专业术语校准：MeSH、WOS Topic、标题摘要高频词。

3. 扩展同义词、缩写、拼写变体和领域表达。

4. Codex 设计 PubMed 宽泛版、适量版和精准版检索式。

5. 做 Review 碰撞检索，判断已有综述和差异化空间。

6. 建立检索日志：数据库、日期、检索式、命中量、导出量、格式和限制条件。

7. Codex 建立第一版文献池：大文献池、核心文献池和关键证据池。

课堂产出：检索式、检索日志、已有综述碰撞表和第一版文献池字段表。

第八节课：对标综述、文献筛选、精读笔记与证据矩阵

1. Codex 建立 5–10 篇高质量对标综述库。

2. 拆解对标综述的标题、摘要、章节、图表、论证顺序和未来方向。

3. Codex 完成文献去重和元数据清洗：DOI、PMID、标题、作者、年份。

4. 对文献进行强相关、中等相关、弱相关和待人工核查分类。

5. 建立文献二级分类：背景、机制、技术、证据、争议、局限、应用和未来方向。

6. Codex 建立标准核心文献表：PMID/DOI、研究类型、关键发现、支撑章节、证据强度、局限和引用句。

7. 建立精读笔记和综述素材笔记，把文献转化为背景、机制、争议、图表和正文素材。

8. Codex 建立证据矩阵：章节、核心论点、支撑文献、证据类型、证据强度、冲突证据和可用图表。

课堂产出：对标综述学习表、文献筛选表、精读笔记、综述素材笔记和证据矩阵。

第九节课：Proposal、大纲、正文写作与综述图表系统

1. Codex 将中心问题拆成 4–6 个子问题。

2. 学习三种综述大纲结构：机制递进型、问题解决型和证据地图型。

3. Codex 完成 Proposal 写作：题目、中心问题、研究空白、差异化、章节安排和图表计划。

4. 搭建 Introduction 逻辑链：背景 → 进展 → 缺口 → 必要性 → 本文范围。

5. Codex 训练主体段落写作：主题句、证据句、比较句、解释句、综合句和过渡句。

6. 学习智能体分阶段写作，不一键全文生成，每次只写一个章节或段落。

7. 设计综述图表系统：Fig.1 总览图、机制图、证据地图、分类矩阵、时间线和未来方向图。

8. 设计三线表：核心研究证据表、机制/通路比较表和转化策略表。

9. Codex 做图表反模板审查：无证据箭头、无意义颜色、伪造关系、图文重复和标签混乱。

课堂产出：Proposal、大纲、Introduction 逻辑链、主体段落初稿、Fig.1 设计说明和表格规划。

第十节课：审稿人视角修订、引用核查、降 AI 味、选刊与投稿包

1. Codex 模拟编辑和审稿人评估：创新性、结构、证据、图表、引用和期刊匹配。

2. 拆解常见退稿原因：选题重复、主线混乱、引用薄弱、图表低质和目标期刊不匹配。

3. Codex 建立 Revision checklist：结构问题、证据问题、表达问题和格式问题。

4. 完成引用核查：文献是否存在、对象是否匹配、是否支持当前句子、引用位置是否准确。

5. Codex 建立 AI 防幻觉清单：不编 DOI、PMID、作者、年份、数据和机制关系。

6. 训练降 AI 味写作：去掉模板化表达，提高信息密度和作者判断。

7. 进行目标期刊反向写作：scope、review policy、近期综述、图表数量、参考文献数量和 APC。

8. Codex 完成 Cover Letter 和投稿包整理。

课堂产出：模拟审稿意见、修订清单、引用核查表、目标期刊表、Cover Letter 和投稿前 checklist。

模块三：国自然 AI 工作台与标书写作第十一节课：科研画像构建与国自然 AI 工作台搭建

1. Codex 建立个人国自然 AI 项目文件夹。

2. 用 Claude Code 记录研究身份、研究方向、前期基础和标书偏好。

3. 建立 research_profile.md、previous_foundation.md 和 style_guide.md。

4. Codex 编写 CLAUDE.md，让 Claude Code 生成内容越来越贴合你的学术身份。

5. 编写 CODEX_REVIEWER.md，让 Codex 扮演基金委评审专家。

6. Codex 根据科研画像生成 3 个候选课题方向。

7. 让 Codex 从创新性、可行性、前期基础和风险角度打分。

课堂产出：科研画像、前期基础表、AI 行为文件、候选课题方向和评分表。

第十二节课：结构化生成立项依据与研究目标

1. 不再一次性让 AI 写完整标书，而是按照“方向 → 背景 → 问题 → 假说 → 目标”逐层推进。

2. 用 Claude Code 生成研究背景、研究现状和文献缺口。

3. 用 Codex 审查背景是否空泛、缺口是否真实、逻辑是否跳跃。

4. 训练科学问题提炼公式。

5. Codex 生成可验证的核心假说。

6. 将研究目标拆成三层：现象关联、机制因果、干预转化。

7. Codex 生成研究内容和立项依据 v01。

课堂产出：科学问题树、核心假说、三个研究目标、研究内容拆解表和立项依据草案。

第十三节课：技术路线、双 AI 评审与专属 Skill 封装

1. Codex 将研究目标转化为“目标—方法—指标—预期结果—风险—替代方案”表。

2. Codex 生成技术路线图 Mermaid / SVG。

3. Claude Code 生成技术路线文字说明。

4. 设计预期结果、创新点、可行性和风险替代方案。

5. Codex 进行三轮评审：科学逻辑、方法学路线和标书表达。

6. Claude Code 根据评审意见逐项修订。

7. 输出立项依据 AI 辅助版 v03。

8. 将整套流程封装成专属 NSFC_GRANT_SKILL.md。

课堂产出：技术路线图、创新点、风险替代方案、Codex 评审意见、修订记录和专属国自然写作 Skill。

模块四：课题设计与科研假说打磨第十四节课：科研画像与领域定位

1. Codex 建立课题设计 AI 项目文件夹。

2. 用 Claude Code 记录研究身份、研究方向、技术栈、发表基础和前期数据。

3. 建立 research_profile.md、technical_stack.md 和 publication_foundation.md。

4. 编写 CLAUDE.md，让 Claude Code 每次生成都贴合你的科研身份。

5. 编写 CODEX_REVIEWER.md，让 Codex 像导师和评审一样挑错。

6. 根据科研画像生成稳妥型、平衡型和高冲击型候选方向。

7. Codex 从基础匹配、技术可行、创新性和风险角度打分。

课堂产出：科研画像、领域定位表、候选方向和评分表。

第十五节课：科学问题凝练与核心假说打磨

1. Codex 区分模糊想法、研究方向、科学问题和课题题目。

2. 用 Claude Code 把模糊想法拆成科学问题树。

3. Codex 多轮追问：问题是否太大、是否可验证、是否只是相关性。

4. 训练科学问题公式：疾病/场景 + 对象 + 机制 + 表型 + 缺口。

5. Codex 生成核心假说 v01、v02、v03。

6. 检查假说是否能被实验、数据或模型验证。

7. Codex 生成 5 个课题题目版本，并用评分矩阵选择最优题目。

课堂产出：科学问题树、核心假说、题目评分矩阵和最终课题边界。

第十六节课：研究设计、创新点识别与 Skill 封装

1. Codex 将核心假说拆成三个研究目标：发现定位、机制因果、干预转化。

2. Codex 建立目标—方法—证据矩阵。

3. 设计实验分组、验证策略、预期结果和风险替代方案。

4. Codex 生成技术路线图 Mermaid / SVG。

5. Claude Code 生成技术路线文字说明。

6. Codex 进行三轮评审：科学逻辑、方法学可行性、创新性和成果转化。

7. Claude Code 根据评审意见逐项修订。

8. 封装成专属 TOPIC_DESIGN_SKILL.md，下次输入关键词即可启动。

课堂产出：完整课题设计书、技术路线图、创新点、风险替代方案和专属 Skill。

模块五：双 AI 智能体复现顶刊多组学数据分析第十七节课：双 AI 智能体分析 Nature 主刊 bulk RNA 数据

1. 从 Nature 文章 Data availability 找到 GEO 编号、表达矩阵和样本分组。

2. Claude Code 建立项目目录、保存输入输出、管理脚本和结果。

3. Codex 作为生信工程师生成 R 代码并执行分析。

4. 审计表达矩阵：判断 TPM、count 还是 log2 表达矩阵。

5. Codex 检查样本名、分组、缺失值、重复基因和 logFC 比较方向。

6. 使用 limma 完成差异分析，输出全部基因、上调基因、下调基因和阈值说明。

7. 绘制火山图、top5 上下调基因热图和 Nat8 小提琴图。

8. Codex 审查分组方向、logFC 方向、P 值/FDR 使用和结论边界。

9. Claude Code 自动生成中文分析报告，并封装为可迁移 Skill。

课堂产出：差异分析结果表、火山图、热图、小提琴图、中文分析报告和 bulk RNA 分析 Skill。

第十八节课：双 AI 智能体分析 Nature 单细胞数据

1. Claude Code 建立项目目录、记录输入输出和结果报告。

2. Codex 作为 Seurat 生信工程师生成代码并执行分析。

3. 读取单细胞矩阵，计算 nFeature、nCount 和 percent.mt。

4. Codex 完成细胞过滤和 QC 图输出。

5. 完成标准 Seurat 流程：Normalize、HVG、Scale、PCA、FindClusters、RunUMAP。

6. Codex 识别各 cluster 的 marker 基因。

7. 结合 marker 规则、自动注释和人工校正，生成细胞类型注释表和注释版 UMAP。

8. 绘制每个细胞类型 top3 marker 气泡图。

9. Codex 审查代码、QC 参数、marker 合理性和注释风险。

课堂产出：Seurat 对象、QC 图、聚类 UMAP、注释 UMAP、marker 表、气泡图、中文报告和单细胞分析 Skill。

第十九节课：双 AI 智能体分析 Science 文章空间转录组数据

1. Claude Code 建立空间组学项目目录，管理输入输出和分析报告。

2. Codex 作为空间组学生信工程师生成代码、跑分析和修报错。

3. 读取组织图像和空间坐标，完成 spot 级 QC、过滤和基础可视化。

4. Codex 完成 Normalize、PCA、FindClusters 和 UMAP。

5. 输出 UMAP cluster 图、spatial cluster 图和 top genes spatial 表达图。

6. 根据 marker 基因识别 Villous_Trophoblast、Syncytiotrophoblast、Macrophage、Decidual_Stromal、Glandular_Epithelial、Fibroblast 等胎盘相关区域。

7. 分析空间邻近、空间排斥和空间聚集，输出共定位网络、空间相关热图和 Moran’s I 结果。

8. Codex 使用 CellChat 推断不同空间区域之间的配体-受体通讯，重点解析 COLLAGEN、LAMININ、FN1、SPP1、PECAM1、NOTCH、VEGF 等信号通路。

9. Codex 检查代码、参数、图表和过度解读；Claude Code 输出完整中文分析报告。

课堂产出：空间组学对象、QC 图、空间聚类图、空间 marker 图、共定位网络、Moran’s I 结果、CellChat 通讯结果、中文报告和空间转录组分析 Skill。

第二十节课：双 AI 智能体分析 Cell 文章代谢和蛋白多组学数据

1. Codex 识别 RNA-seq、非靶向代谢组和 IP-MS 免疫沉淀质谱数据。

2. Codex 为代谢组/蛋白组工程师生成代码、跑分析和修报错。

3. 审计代谢组数据：识别三组样本和 QC 样本。

4. Codex 检查 m/z、保留时间、离子模式、代谢物注释、样本丰度和缺失值。

5. 绘制三组火山图、组合火山图、Top10 上调 + Top10 下调代谢物热图。

6. 进行 KEGG/MetaboAnalyst 通路富集，重点解释脂质代谢、有机酸代谢、色氨酸代谢、Pantothenate and CoA biosynthesis 等通路。

7. Codex 解析 IP-MS 数据，筛选高可信蛋白、重叠蛋白和候选 XRCC1 相关互作网络。

8. 构建 metabolite-pathway-protein-function 映射表，把差异代谢物、通路富集和 IP-MS 蛋白网络整合为机制证据链。

9. Codex 审查分组、阈值、p 值、代谢物 ID、IP-MS 互作解释和过度结论。

课堂产出：差异代谢物表、火山图、热图、通路富集结果、IP-MS 蛋白互作表、多组学机制映射表、中文报告和代谢组/蛋白组分析 Skill。

第二十一节课：双 AI 智能体分析 Nature Microbiology 文章 16S 测序数据

1. Codex 拆解 Nature Microbiology 文章中多种微量营养素缺乏如何重塑肠道菌群、机会致病菌和抗性相关生态。

2. Codex从原始 reads 到 OTU/ASV、物种注释、α/β 多样性、差异菌群和功能预测。

3. Codex 为 16S 数据生成 R/phyloseq/vegan 分析代码。

4. 审计 metadata 和丰度表：检查 Sample、Diet、Day、Group、MDB_ID。

5. 绘制门、科、属、种水平堆积柱状图，展示 CON 与 LM 在 Day 0 和 Day 28 的群落组成变化。

6. Codex 绘制 Bray–Curtis PCoA，并用 PERMANOVA 检验组间差异。

7. Codex 识别 Enterobacteriaceae、Klebsiella、Escherichia 等候选菌群变化。

8. 用 PICRUSt2、相关网络和随机森林拓展功能解释，但区分预测结果、相关结果和实验证据。

9. Codex 检查分组、代码、统计、图表和过度解释，避免把 16S 结果写成宏基因组功能或因果证明。

课堂产出：phyloseq 对象、菌群组成图、α 多样性图、β 多样性 PCoA、差异菌群结果、功能预测结果、中文报告和 16S 分析 Skill。

模块六：临床科研 AI 工作台与论文投稿闭环第二十二节课：临床科研 AI 工作台与研究方案设计

1. 理解 Claude Code 和 Codex 在临床科研中的分工。

2. 编写 CLAUDE.md 和 CODEX_REVIEWER.md。

3. Codex 用 PICO/PECO 设计回顾性队列研究问题。

4. 制定入排标准、暴露因素、结局指标和协变量。

5. Codex 建立变量字典和统计分析计划。

6. 明确医疗数据脱敏和 PHI 上传红线。

课堂产出：项目环境、研究问题卡、变量字典、入排标准和脱敏清单。

第二十三节课：电子病历数据清洗、Table 1 与基础统计

1. Codex 导入 CSV/Excel 电子病历数据。

2. 完成数据审计：样本量、缺失、异常值、重复患者和变量类型。

3. Codex 进行医学数据清洗：缺失值、多重插补、异常检验值和连续变量分类化。

4. 一键生成 Table 1：连续变量、分类变量、P 值、缺失值和 SMD。

5. Codex 审查 Table 1：统计检验是否正确、变量是否合理。

课堂产出：清洗数据、数据审计报告、Table 1 和 P 值校验报告。

第二十四节课：回归建模、生存分析、PSM 与临床统计闭环

1. Codex 区分 Logistic、线性回归和 Cox 回归的适用场景。

2. Codex 构建单因素和多因素模型。

3. 完成 Kaplan-Meier 和 Log-rank 检验。

4. 检查 Cox 比例风险假设。

5. Codex 完成 PSM 倾向性评分匹配和匹配后平衡评估。

6. 完成亚组分析和交互作用分析。

7. Codex 作为统计 Reviewer 检查模型漏洞。

课堂产出：回归表、Cox 表、PSM 表、Love plot 和统计审稿意见。

第二十五节课：SCI 临床医学绘图与论文初稿生成

1. Codex 学习投稿级临床图表标准。

2. 绘制临床四大名图：Kaplan-Meier、Forest plot、ROC 和 Nomogram。

3. Codex 绘制患者入组流程图和多 panel 图。

4. Claude Code 根据统计结果自动生成 Results。

5. 按 STROBE 写作 Title、Abstract、Methods、Results 和 Discussion。

6. 在 Discussion 中写清临床意义、文献对比、局限性和未测量混杂因素。

7. Codex 审图：坐标轴、单位、CI、图例和正文引用是否对应。

课堂产出：3–5 张 SCI 图表、图注和 STROBE 论文初稿。

第二十六节课：Codex 交叉审稿、Claim 校准与投稿包生成

1. Codex 扮演临床期刊 Reviewer，对初稿打分和挑错。

2. 识别 Overclaim、文献遗漏、统计漏洞和图表问题。

3. Codex 进行双 AI 三轮迭代：医学措辞、机制讨论和统计薄弱点。

4. 完成临床 Claim 校准：从“证明有效”改成“与结局改善相关”。

5. Codex 完成医学数据伦理、AI 使用披露、Prompt 日志和代码版本控制。

6. 整理引用格式和目标期刊格式。

7. Claude Code 生成带图表的完整 DOCX。

8. Cover Letter 提炼 clinical implications。

9. 生成投稿 checklist，完成投稿前最终核查。

课堂产出：AI 审稿意见、Claim 校准表、修订稿、Cover Letter 和投稿 checklist。

05

机构和讲师介绍

华哥科研平台

授课理念：将CNS文章的新技术学懂（理解）、学会（会敲代码分析）、学透彻（站在课题顶层设计角度理解）、学以致用（用到自己的标书申请和文章发表中）。

初心使命：普及前沿技术，服务科研一线，赋能创新突破，助推生命科学进步

主讲老师（一）

许万喆，东京大学计算生物学及医学科学博士，日本科学技术振兴机构（JST）次世代研究员，剑桥大学生物化学系及毒理学研究中心访问学者。长期从事人工智能与生命科学交叉算法，蛋白质基础模型以及临床队列多模态模型开发；当前研究方向聚焦于人工智能体以及空间蛋白组学基础大模型研发。发表nature子刊等论文多篇；与欧洲生物信息学研究所（EMBL-EBI），国际通用蛋白质资源数据库（UniProt）长期合作，参与多项国际计算蛋白项目，着眼于AI驱动的生命科学新发现。

主讲老师（二）

杨奕涛，东京大学医学科学研究所助理教授，日本学术振兴会（JSPS）特别研究员，长期深耕深度学习算法、医疗AI与空间组学交叉领域，积累了丰富的科研实践经验；现致力于多模态融合、生物医学基础大模型开发及转化医学相关算法研究。发表Nature Communications等SCI期刊发表论文多篇；与中日及欧美顶尖计算生物学实验室深度合作，参与多项国际前沿科研项目，致力于以人工智能驱动生命科学新发现。

主讲老师（三）

张振华，华哥生信创始人，目前在东京大学从事医学人工智能研究。深耕单细胞多组学、空间转录组与机器学习领域6年，培养学员3万余人 ; 指导学员发表CNS主刊文章18篇、一区及子刊100余篇 ; 参与国自然重点、国家重大专项、孔雀计划等项目申报;合作院士团队及国际顶尖实验室，发表SCI论文26篇（Sci.Adv、Mol Cell、PNAS、JACS、NC、Cell Rep Med、Mol Cancer、EMBO Mol Med等顶刊）。

识别微信二维码，添加生物制品圈小编，符合条件者即可加入

生物制品微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。