اپلیکیشن اندرویدی فلش‌کارت آموزشی خوشه‌بندی بدون نظارت داده‌های RNA-seq تک‌سلولی: از تئوری تا عمل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره خوشه‌بندی بدون نظارت داده‌های RNA-seq تک‌سلولی: از تئوری تا عمل

موضوع کلی: بیوانفورماتیک

موضوع میانی: تجزیه و تحلیل داده‌های ژنومی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های RNA-seq تک‌سلولی
• 2. اهمیت خوشه‌بندی در تجزیه و تحلیل داده‌های تک‌سلولی
• 3. چالش‌های خوشه‌بندی داده‌های RNA-seq تک‌سلولی
• 4. پیش‌پردازش داده‌های RNA-seq تک‌سلولی: کنترل کیفیت
• 5. نرم‌افزارهای رایج برای پیش‌پردازش داده‌های تک‌سلولی
• 6. نرمال‌سازی داده‌های RNA-seq تک‌سلولی
• 7. انتخاب ویژگی (Feature Selection) در داده‌های تک‌سلولی
• 8. کاهش ابعاد (Dimensionality Reduction): PCA
• 9. کاهش ابعاد: t-SNE
• 10. کاهش ابعاد: UMAP
• 11. مقدمه‌ای بر الگوریتم‌های خوشه‌بندی
• 12. خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
• 13. خوشه‌بندی K-means
• 14. خوشه‌بندی DBSCAN
• 15. خوشه‌بندی مبتنی بر گراف (Graph-based Clustering)
• 16. انتخاب معیار ارزیابی خوشه‌بندی
• 17. شاخص‌های Silhouette و Davies-Bouldin
• 18. ارزیابی پایداری خوشه‌بندی
• 19. خوشه‌بندی داده‌های RNA-seq تک‌سلولی با استفاده از Seurat
• 20. خوشه‌بندی داده‌های RNA-seq تک‌سلولی با استفاده از Scanpy
• 21. خوشه‌بندی داده‌های RNA-seq تک‌سلولی با استفاده از Monocle
• 22. شناسایی نشانگرهای خوشه‌ای (Cluster Markers)
• 23. تجزیه و تحلیل غنی‌سازی ژنی (Gene Enrichment Analysis)
• 24. بررسی مسیرهای بیولوژیکی در خوشه‌ها
• 25. ادغام خوشه‌ها و تفسیر بیولوژیکی
• 26. خوشه‌بندی داده‌های تک‌سلولی در مقیاس بزرگ
• 27. بهینه‌سازی پارامترهای خوشه‌بندی
• 28. خوشه‌بندی داده‌های تک‌سلولی با در نظر گرفتن اطلاعات فضایی
• 29. خوشه‌بندی داده‌های تک‌سلولی با در نظر گرفتن تغییرات زمانی
• 30. خوشه‌بندی داده‌های تک‌سلولی: مطالعه انواع سلول‌های ایمنی
• 31. خوشه‌بندی داده‌های تک‌سلولی: مطالعه سلول‌های سرطانی
• 32. خوشه‌بندی داده‌های تک‌سلولی: مطالعه تکامل سلولی
• 33. خوشه‌بندی داده‌های تک‌سلولی: شناسایی جمعیت‌های نادر سلولی
• 34. مقایسه روش‌های مختلف خوشه‌بندی
• 35. استفاده از یادگیری ماشین برای خوشه‌بندی تک‌سلولی
• 36. مقدمه‌ای بر خوشه‌بندی نیمه‌نظارتی (Semi-Supervised Clustering)
• 37. خوشه‌بندی داده‌های تک‌سلولی: چالش‌ها و راهکارها
• 38. تجزیه و تحلیل تفاضلی بیان ژن بین خوشه‌ها
• 39. مقدمه‌ای بر روش‌های انتخابی برای خوشه‌بندی
• 40. تفسیر نتایج خوشه‌بندی با استفاده از ابزارهای بصری‌سازی
• 41. کاربرد خوشه‌بندی در تشخیص بیماری‌ها
• 42. کاربرد خوشه‌بندی در توسعه درمان‌های شخصی‌سازی‌شده
• 43. کاربرد خوشه‌بندی در تحقیقات بنیادی
• 44. مقدمه‌ای بر خوشه‌بندی داده‌های چند-اومی (Multi-omics Clustering)
• 45. خوشه‌بندی داده‌های تک‌سلولی: ملاحظات آماری
• 46. آینده خوشه‌بندی داده‌های RNA-seq تک‌سلولی