اپلیکیشن اندرویدی فلش‌کارت آموزشی نگاشت ژنومی پیشرفته برای صفات پیچیده: روش‌ها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره نگاشت ژنومی پیشرفته برای صفات پیچیده: روش‌ها و کاربردها

موضوع کلی: ژنتیک و ژنومیکس پیشرفته

موضوع میانی: تحلیل داده‌های ژنومی و شناسایی نشانگرهای ژنتیکی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ژنتیک کمی و صفات پیچیده
• 2. مبانی آماری در تحلیل داده‌های ژنومی
• 3. مفاهیم کلیدی در ژنومیکس
• 4. منابع و انواع داده‌های ژنومی
• 5. کنترل کیفیت داده‌های ژنومی
• 6. پیش‌پردازش داده‌های NGS
• 7. هم‌ترازی (Alignment) توالی‌ها و فرمت‌های خروجی
• 8. شناسایی واریانت‌های ژنتیکی (SNPs، Indels)
• 9. ژنوتایپ‌گذاری و ایمپوتاسیون
• 10. تحلیل ارتباط (Association Analysis) در سطح ژنوم
• 11. روش‌های GWAS (Genome-Wide Association Studies)
• 12. اصلاحات آماری در GWAS (Multiple Testing Correction)
• 13. مانندهای ژنومی (Quantitative Trait Loci - QTL)
• 14. نگاشت ژنومی مبتنی بر جمعیت (Population-Based Mapping)
• 15. تحلیل ارتباط در جمعیت‌های ناهمسان (Admixture Mapping)
• 16. روش‌های آماری برای داده‌های فنوتیپی پیوسته
• 17. روش‌های آماری برای داده‌های فنوتیپی گسسته
• 18. تحلیل‌های ارتباطی چندصفاتی (Multivariate Association Analysis)
• 19. شناسایی ژن‌های کاندید با استفاده از داده‌های بیان ژن
• 20. نقشه‌برداری بیان ژن (Expression QTL - eQTL)
• 21. تحلیل همبستگی بین فنوتیپ و بیان ژن
• 22. تحلیل مسیرهای ژنتیکی (Pathway Analysis)
• 23. تحلیل غنی‌سازی (Enrichment Analysis)
• 24. روش‌های یادگیری ماشین در ژنتیک
• 25. شبکه‌های ژنتیکی و تحلیل سیستم‌های بیولوژیکی
• 26. پیش‌بینی فنوتیپ با استفاده از نشانگرهای ژنتیکی (Genomic Prediction)
• 27. بررسی تاثیرات تعاملی ژن‌ها (Gene-Gene Interaction)
• 28. تحلیل اپی‌ژنومیکس و ارتباط آن با صفات پیچیده
• 29. متاآنالیز GWAS برای افزایش توان آماری
• 30. داده‌های ژنومی کل ژنوم (Whole Genome Sequencing)
• 31. تحلیل واریانت‌های ساختاری (Structural Variations)
• 32. تحلیل داده‌های متاژنومیک
• 33. تحلیل داده‌های ترانسکریپتومیک
• 34. تحلیل داده‌های پروتئومیک
• 35. یکپارچه‌سازی داده‌های چند-امیک (Multi-Omics Integration)
• 36. روش‌های کاهش ابعاد در داده‌های ژنومی (Dimensionality Reduction)
• 37. تحلیل مولفه‌های اصلی (Principal Component Analysis - PCA)
• 38. تحلیل خوشه‌ای (Cluster Analysis)
• 39. تحلیل تمایز (Discriminant Analysis)
• 40. تحلیل بقا (Survival Analysis)
• 41. تحلیل داده‌های خانوادگی (Family-Based Association Studies)
• 42. مطالعات پیگیری (Longitudinal Studies)
• 43. شناسایی ژن‌های مرتبط با پاسخ به درمان (Pharmacogenomics)
• 44. تحلیل ژنتیکی بیماری‌های پیچیده (Complex Diseases)
• 45. تحلیل ژنتیکی صفات رفتاری (Behavioral Traits)
• 46. تحلیل ژنتیکی صفات کشاورزی (Agricultural Traits)
• 47. تحلیل ژنتیکی صفات دامی (Livestock Traits)
• 48. تحلیل ژنتیکی صفات انسانی
• 49. کاربرد ژنومیکس در پزشکی شخصی
• 50. اخلاق در ژنتیک و ژنومیکس
• 51. ملاحظات آماری در تحلیل داده‌های بزرگ ژنومی
• 52. ابزارهای نرم‌افزاری رایج در تحلیل داده‌های ژنومی
• 53. مبانی برنامه‌نویسی R برای تحلیل ژنتیکی
• 54. مبانی برنامه‌نویسی Python برای تحلیل ژنتیکی
• 55. مقدمه‌ای بر پایگاه‌های داده ژنومی
• 56. دسترسی به داده‌های ژنومی عمومی
• 57. مدیریت و ذخیره‌سازی داده‌های ژنومی
• 58. امنیت داده‌های ژنومی و حفظ حریم خصوصی
• 59. تحلیل ژنتیکی جمعیت‌های کوچک و در معرض خطر
• 60. تحلیل ژنتیکی جمعیت‌های مهاجر
• 61. تحلیل ژنتیکی جمعیت‌های بومی
• 62. کاربرد ژنومیکس در حفاظت از گونه‌های در معرض خطر
• 63. تحلیل ژنتیکی برای بهبود صفات کیفی و کمی
• 64. اصول اصلاح نباتات با استفاده از ژنومیکس
• 65. اصول اصلاح نژاد دام با استفاده از ژنومیکس