اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل کمی داده‌های CEL-seq: از خواندن تا تفسیر بیولوژیکی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل کمی داده‌های CEL-seq: از خواندن تا تفسیر بیولوژیکی

موضوع کلی: بیوانفورماتیک

موضوع میانی: تجزیه و تحلیل داده‌های توالی‌یابی RNA

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر توالی‌یابی تک‌سلولی (Single-Cell Sequencing)
• 2. مروری بر فناوری CEL-seq و کاربردهای آن
• 3. اصول پایه‌ای توالی‌یابی RNA
• 4. تولید کتابخانه CEL-seq: مراحل و بهینه‌سازی
• 5. کنترل کیفیت داده‌های CEL-seq: ارزیابی اولیه
• 6. حذف آداپتورها و توالی‌های با کیفیت پایین
• 7. هم‌ترازی (Alignment) خوانش‌ها با ژنوم مرجع
• 8. شمارش خوانش‌ها و تولید ماتریس بیان
• 9. نرم‌افزارهای رایج برای هم‌ترازی و شمارش داده‌های CEL-seq
• 10. نرمال‌سازی داده‌های RNA-seq: ضرورت و روش‌ها
• 11. روش‌های نرمال‌سازی TMM، RPKM، FPKM و CPM
• 12. تحلیل بیان دیفرانسیلی (Differential Expression Analysis)
• 13. آزمون‌های آماری برای شناسایی ژن‌های با بیان متفاوت
• 14. اصلاحات چندآزمونی (Multiple Testing Correction)
• 15. روش‌های کنترل نرخ کاذب کشف (FDR)
• 16. تحلیل مسیرهای بیولوژیکی (Pathway Analysis)
• 17. غنی‌سازی مسیرها با استفاده از Gene Set Enrichment Analysis (GSEA)
• 18. تحلیل عملکرد ژن‌ها (Gene Ontology Analysis)
• 19. شناسایی و حذف اثرات دسته‌ای (Batch Effects)
• 20. روش‌های تصحیح اثرات دسته‌ای: ComBat، limma
• 21. تحلیل سلول‌های غیرمعمول (Outlier Cell Detection)
• 22. شناسایی و حذف دوتایی‌ها (Doublets) در داده‌های تک‌سلولی
• 23. تحلیل واریانس (Variance Analysis) در داده‌های تک‌سلولی
• 24. تحلیل مولفه‌های اصلی (Principal Component Analysis - PCA)
• 25. خوشه‌بندی (Clustering) سلول‌ها بر اساس پروفایل بیان ژن
• 26. روش‌های خوشه‌بندی: k-means، hierarchical clustering
• 27. بررسی و تفسیر خوشه‌ها: شناسایی انواع سلولی
• 28. تصویرسازی داده‌های تک‌سلولی: UMAP و t-SNE
• 29. تحلیل مسیرهای تنظیم‌ژن (Gene Regulatory Network Analysis)
• 30. بررسی بیان ژن‌های مارکر (Marker Gene Identification)
• 31. اعتبارسنجی نتایج با استفاده از داده‌های مستقل
• 32. تحلیل زیرمجموعه‌های سلولی (Subpopulation Analysis)
• 33. تحلیل بیان ژن‌های مرتبط با بیماری
• 34. کاربرد CEL-seq در مطالعه تمایز سلولی
• 35. تحلیل بیان ژن‌های غیرکدکننده (Non-coding RNA)
• 36. بررسی تغییرات پس از رونویسی (Post-transcriptional Modifications)
• 37. تحلیل splicing جایگزین (Alternative Splicing)
• 38. تحلیل داده‌های CEL-seq در مقایسه با سایر فناوری‌های تک‌سلولی
• 39. چالش‌ها و محدودیت‌های تحلیل داده‌های CEL-seq
• 40. بهینه‌سازی جریان کار تحلیل داده‌های CEL-seq
• 41. آماده‌سازی گزارش و ارائه نتایج
• 42. منابع داده‌های عمومی CEL-seq
• 43. ابزارهای آنلاین برای تحلیل داده‌های CEL-seq
• 44. مقدمه‌ای بر زبان برنامه‌نویسی R برای بیوانفورماتیک
• 45. تحلیل داده‌های CEL-seq با استفاده از R و Bioconductor
• 46. نوشتن اسکریپت‌های R برای خودکارسازی تحلیل داده‌ها
• 47. مصورسازی داده‌ها با استفاده از ggplot2 در R
• 48. مقدمه‌ای بر پایتون برای بیوانفورماتیک
• 49. تحلیل داده‌های CEL-seq با استفاده از پایتون