اپلیکیشن اندرویدی فلش‌کارت آموزشی تسلط بر پاکسازی و به‌کارگیری داده‌های توالی‌یابی پربازده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر پاکسازی و به‌کارگیری داده‌های توالی‌یابی پربازده

موضوع کلی: تحلیل داده‌های زیستی

موضوع میانی: پردازش و آماده‌سازی داده‌های ژنومی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های توالی‌یابی پربازده
• 2. کیفیت داده‌های توالی‌یابی: چالش‌ها و ارزیابی
• 3. فرمت‌های رایج فایل‌های توالی‌یابی
• 4. ابزارهای خط فرمان برای مدیریت فایل‌ها
• 5. مبانی زبان برنامه‌نویسی پایتون برای تحلیل داده‌های ژنومی
• 6. کتابخانه‌های پایتون برای کار با داده‌های زیستی: NumPy و Pandas
• 7. پاکسازی داده‌های توالی‌یابی: حذف داده‌های تکراری
• 8. پاکسازی داده‌های توالی‌یابی: اصلاح خطاهای رایج
• 9. نرم‌افزارهای تخصصی پاکسازی داده‌های ژنومی
• 10. تبدیل فرمت‌های داده‌های توالی‌یابی
• 11. استانداردسازی داده‌های توالی‌یابی
• 12. نرم‌افزارهای مدیریت پایگاه داده برای داده‌های ژنومی
• 13. مقدمه‌ای بر پایگاه داده‌های ژنومی
• 14. کار با پایگاه داده‌های ژنومی: پرس و جو و استخراج داده
• 15. ادغام داده‌های توالی‌یابی از منابع مختلف
• 16. پیش‌پردازش داده‌های RNA-Seq
• 17. پیش‌پردازش داده‌های ChIP-Seq
• 18. پیش‌پردازش داده‌های Whole Genome Sequencing (WGS)
• 19. پیش‌پردازش داده‌های Whole Exome Sequencing (WES)
• 20. کنترل کیفیت داده‌های پیش‌پردازش شده
• 21. نرم‌افزارهای کنترل کیفیت داده‌های ژنومی
• 22. تطبیق توالی‌ها (Sequence Alignment)
• 23. مقدمه‌ای بر الگوریتم‌های تطبیق توالی
• 24. نرم‌افزارهای تطبیق توالی: Bowtie2 و BWA
• 25. تجزیه و تحلیل نتایج تطبیق توالی
• 26. شناسایی و حذف توالی‌های تکراری
• 27. تفسیر نتایج تطبیق توالی
• 28. نرم‌افزارهای تجسم داده‌های توالی‌یابی
• 29. کار با فایل‌های BAM/SAM
• 30. تبدیل فرمت‌های BAM/SAM
• 31. فشرده‌سازی فایل‌های BAM/SAM
• 32. نمایه‌سازی فایل‌های BAM/SAM
• 33. استخراج اطلاعات از فایل‌های BAM/SAM
• 34. مقدمه‌ای بر آنوتاسیون ژنومی
• 35. آنوتاسیون ژن‌ها و پروتئین‌ها
• 36. استفاده از پایگاه داده‌های آنوتاسیون ژنومی
• 37. شناسایی واریانت‌های ژنتیکی
• 38. فیلتر کردن واریانت‌ها
• 39. تفسیر واریانت‌های ژنتیکی
• 40. مقدمه‌ای بر آمار زیستی
• 41. آزمون‌های آماری رایج در تحلیل داده‌های ژنومی
• 42. تصحیح چندگانه آزمون (Multiple Testing Correction)
• 43. تحلیل پوششی (Coverage Analysis)
• 44. تحلیل مسیرهای ژنی (Pathway Analysis)
• 45. مقدمه‌ای بر یادگیری ماشین در ژنومیک
• 46. کاربرد الگوریتم‌های یادگیری ماشین در تحلیل داده‌های ژنومی
• 47. پیش‌بینی بیان ژن با استفاده از یادگیری ماشین
• 48. شناسایی نشانگرهای زیستی (Biomarkers)
• 49. مقدمه‌ای بر داده‌های متاژنومی
• 50. پاکسازی و پیش‌پردازش داده‌های متاژنومی
• 51. تحلیل تنوع میکروبی با استفاده از داده‌های متاژنومی
• 52. مقدمه‌ای بر داده‌های تک‌سلولی (Single-Cell Data)
• 53. پاکسازی و پیش‌پردازش داده‌های تک‌سلولی
• 54. تحلیل داده‌های تک‌سلولی با استفاده از روش‌های خوشه‌بندی
• 55. مقدمه‌ای بر داده‌های فضایی (Spatial Data)
• 56. پاکسازی و پیش‌پردازش داده‌های فضایی
• 57. تحلیل داده‌های فضایی با استفاده از روش‌های تصویربرداری
• 58. مقدمه‌ای بر داده‌های پروتئومیک
• 59. پاکسازی و پیش‌پردازش داده‌های پروتئومیک
• 60. تحلیل داده‌های پروتئومیک با استفاده از روش‌های طیف‌سنجی جرمی
• 61. مقدمه‌ای بر داده‌های متابولومیک
• 62. پاکسازی و پیش‌پردازش داده‌های متابولومیک
• 63. تحلیل داده‌های متابولومیک با استفاده از روش‌های کروماتوگرافی
• 64. مقدمه‌ای بر داده‌های اپی‌ژنومیک
• 65. پاکسازی و پیش‌پردازش داده‌های اپی‌ژنومیک
• 66. تحلیل داده‌های اپی‌ژنومیک با استفاده از روش‌های چیپ
• 67. مقدمه‌ای بر داده‌های فارماکوژنومیک
• 68. پاکسازی و پیش‌پردازش داده‌های فارماکوژنومیک
• 69. تحلیل داده‌های فارماکوژنومیک با استفاده از روش‌های آماری
• 70. مقدمه‌ای بر داده‌های کشاورزی
• 71. پاکسازی و پیش‌پردازش داده‌های کشاورزی
• 72. تحلیل داده‌های کشاورزی با استفاده از روش‌های یادگیری ماشین
• 73. مقدمه‌ای بر داده‌های پزشکی
• 74. پاکسازی و پیش‌پردازش داده‌های پزشکی
• 75. تحلیل داده‌های پزشکی با استفاده از روش‌های آماری
• 76. مقدمه‌ای بر داده‌های جمعیت
• 77. پاکسازی و پیش‌پردازش داده‌های جمعیت
• 78. تحلیل داده‌های جمعیت با استفاده از روش‌های آماری
• 79. آینده‌ی پردازش و آماده‌سازی داده‌های ژنومی