اپلیکیشن اندرویدی فلش‌کارت آموزشی ارزیابی پیشرفته کیفیت داده‌های کتابخانه Drop-seq: روش‌ها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ارزیابی پیشرفته کیفیت داده‌های کتابخانه Drop-seq: روش‌ها و کاربردها

موضوع کلی: بیوانفورماتیک و تحلیل داده‌های زیستی

موضوع میانی: سنجش کیفیت و کنترل داده در آزمایش‌های تک‌سلولی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های تک‌سلولی و اهمیت کنترل کیفیت
• 2. تکنولوژی Drop-seq: اصول و کاربردها
• 3. منابع خطا در آزمایش‌های Drop-seq
• 4. شاخص‌های کیفیت داده‌های Drop-seq: مروری جامع
• 5. شاخص‌های کیفیت سلولی: درصد ژن‌های شناسایی شده
• 6. شاخص‌های کیفیت سلولی: تعداد شمارش‌های مولکولی (UMI)
• 7. شاخص‌های کیفیت سلولی: درصد RNA میتوکندریایی
• 8. شاخص‌های کیفیت سلولی: درصد ژن‌های ریبوزومی
• 9. شاخص‌های کیفیت سلولی: توزیع اندازه‌ی کتابخانه
• 10. شاخص‌های کیفیت کتابخانه: پیچیدگی کتابخانه
• 11. شاخص‌های کیفیت کتابخانه: نرخ دوتایی (Duplication Rate)
• 12. شاخص‌های کیفیت کتابخانه: نسبت خوانش‌های تکراری
• 13. نرم‌افزارهای کنترل کیفیت داده‌های Drop-seq: مقدمه‌ای
• 14. نرم‌افزار FastQC: ارزیابی کیفیت خوانش‌ها
• 15. نرم‌افزار MultiQC: تجمیع گزارش‌های کنترل کیفیت
• 16. نرم‌افزار Cell Ranger: کنترل کیفیت و هم‌ترازی داده‌ها
• 17. نرم‌افزار Seurat: کنترل کیفیت و پیش‌پردازش داده‌ها
• 18. نرم‌افزار Scanpy: کنترل کیفیت و تحلیل داده‌های تک‌سلولی
• 19. فیلتر کردن داده‌های Drop-seq بر اساس شاخص‌های کیفیت
• 20. انتخاب آستانه‌های مناسب برای فیلتر کردن داده‌ها
• 21. اثر فیلتر کردن داده‌ها بر نتایج تحلیل
• 22. روش‌های نرمال‌سازی داده‌های تک‌سلولی
• 23. نرمال‌سازی بر اساس تعداد کل شمارش‌ها
• 24. نرمال‌سازی بر اساس اندازه فاکتور (Size Factor)
• 25. نرمال‌سازی بر اساس روش‌های مبتنی بر توزیع
• 26. روش‌های کاهش ابعاد در داده‌های تک‌سلولی: مقدمه‌ای
• 27. تحلیل مولفه‌های اصلی (PCA) در داده‌های تک‌سلولی
• 28. تجسم داده‌های تک‌سلولی با استفاده از t-SNE
• 29. تجسم داده‌های تک‌سلولی با استفاده از UMAP
• 30. شناسایی خوشه‌ها در داده‌های تک‌سلولی
• 31. ارزیابی کیفیت خوشه‌بندی
• 32. روش‌های شناسایی مارکرهای اختصاصی خوشه‌ها
• 33. تفسیر بیولوژیکی خوشه‌ها
• 34. تحلیل مسیرهای ژنی در داده‌های تک‌سلولی
• 35. تحلیل غنی‌سازی (Enrichment Analysis)
• 36. ادغام داده‌های Drop-seq از چندین نمونه
• 37. بهینه‌سازی پروتکل‌های آزمایش Drop-seq برای کاهش خطا
• 38. تکنیک‌های بهبود کیفیت RNA
• 39. کنترل آلودگی در آزمایش‌های Drop-seq
• 40. استانداردسازی روش‌های کنترل کیفیت داده‌های Drop-seq
• 41. چالش‌های کنترل کیفیت در داده‌های تک‌سلولی
• 42. کنترل کیفیت داده‌های Drop-seq در مطالعات بالینی
• 43. کنترل کیفیت داده‌های Drop-seq در تحقیقات دارویی
• 44. مستندسازی و گزارش‌دهی کنترل کیفیت داده‌ها
• 45. بهبود قابلیت بازتولیدپذیری در داده‌های تک‌سلولی
• 46. استفاده از کنترل‌های مثبت و منفی در آزمایش‌های Drop-seq
• 47. روش‌های ارزیابی کیفیت کتابخانه‌های cDNA
• 48. نقش کنترل کیفیت داده‌ها در کشف سلول‌های جدید
• 49. کاربرد کنترل کیفیت در تعیین ناهمگونی تومور
• 50. کنترل کیفیت داده‌ها در مطالعات تکامل سلولی
• 51. ارزیابی اثرات دستکاری ژنتیکی بر کیفیت داده‌ها
• 52. روش‌های پیشرفته کنترل کیفیت داده‌های Drop-seq
• 53. یادگیری ماشین در کنترل کیفیت داده‌های تک‌سلولی
• 54. روش‌های تشخیص و حذف سلول‌های دوتایی (Doublets)
• 55. شناسایی و حذف سلول‌های مرده یا آسیب‌دیده
• 56. کنترل کیفیت داده‌های Drop-seq در ارگانوئیدها
• 57. ارزیابی کیفیت داده‌های Drop-seq در بافت‌های فضایی
• 58. تکنیک‌های بهبود حساسیت در آزمایش‌های Drop-seq
• 59. بررسی و ارزیابی استانداردهای جدید در کنترل کیفیت داده‌های تک‌سلولی