دوره مقدمه‌ای بر محاسبات در ژنتیک همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در ژنتیک

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ژنتیک و بیوانفورماتیک محاسباتی
• 2. چرا محاسبات در ژنتیک مدرن حیاتی است؟
• 3. مروری بر مفاهیم پایه ژنتیک: DNA، ژن و ژنوم
• 4. از توالی‌یابی سنگر تا توالی‌یابی نسل جدید (NGS)
• 5. چالش داده‌های عظیم (Big Data) در ژنومیک
• 6. مقدمه‌ای بر سیستم‌عامل‌های مبتنی بر یونیکس (لینوکس و macOS)
• 7. آشنایی با محیط خط فرمان (Command-Line Interface)
• 8. دستورات پایه‌ای لینوکس: ناوبری در فایل سیستم
• 9. دستورات پایه‌ای لینوکس: مدیریت فایل‌ها و دایرکتوری‌ها
• 10. مبانی برنامه‌نویسی و الگوریتم برای زیست‌شناسان
• 11. انتخاب زبان برنامه‌نویسی: چرا پایتون؟
• 12. نصب و راه‌اندازی پایتون و محیط‌های توسعه (IDE)
• 13. مبانی پایتون: متغیرها، انواع داده و عملگرها
• 14. ساختارهای داده در پایتون: رشته‌ها (Strings)
• 15. کار با رشته‌ها: پردازش توالی‌های بیولوژیکی
• 16. ساختارهای داده در پایتون: لیست‌ها و تاپل‌ها
• 17. ساختارهای داده در پایتون: دیکشنری‌ها و مجموعه‌ها
• 18. ساختارهای کنترلی: دستورات شرطی (if-elif-else)
• 19. ساختارهای کنترلی: حلقه‌های for و while
• 20. توابع: تعریف، فراخوانی و بازگرداندن مقادیر
• 21. کار با فایل‌ها: خواندن و نوشتن داده‌های متنی
• 22. مدیریت خطا و استثناها (Error and Exception Handling)
• 23. ماژول‌ها و کتابخانه‌ها در پایتون
• 24. مقدمه‌ای بر کتابخانه Biopython
• 25. فرمت FASTA: استاندارد نمایش توالی‌ها
• 26. خواندن و پردازش فایل‌های FASTA با پایتون
• 27. فرمت FASTQ: داده‌های خام توالی‌یابی
• 28. کنترل کیفیت (Quality Control) داده‌های NGS با ابزار FastQC
• 29. مفاهیم پایه هم‌ترازی توالی‌ها (Sequence Alignment)
• 30. ماتریس‌های امتیازدهی: PAM و BLOSUM
• 31. هم‌ترازی سراسری (Global Alignment) و الگوریتم نیدلمن-وانچ
• 32. هم‌ترازی محلی (Local Alignment) و الگوریتم اسمیت-واترمن
• 33. معرفی ابزار BLAST و کاربردهای آن
• 34. اجرای BLAST به صورت محلی و از طریق خط فرمان
• 35. مقدمه‌ای بر محاسبات سطح بالا (HPC)
• 36. چرا به HPC در ژنتیک نیاز داریم؟
• 37. معماری کلاسترهای محاسباتی: گره‌ها، هسته‌ها و شبکه
• 38. اتصال به سرورهای راه دور با استفاده از SSH
• 39. مدیریت فایل در سیستم‌های راه دور (scp و rsync)
• 40. مفاهیم پردازش موازی: تفاوت سریال و موازی
• 41. انواع موازی‌سازی: حافظه مشترک (OpenMP) و حافظه توزیع‌شده (MPI)
• 42. آشنایی با زمان‌بندهای کار (Job Schedulers) مانند SLURM
• 43. نوشتن و ارسال اسکریپت‌های شغلی (Job Scripts)
• 44. مدیریت، نظارت و لغو کارها در کلاستر
• 45. محیط‌های نرم‌افزاری ماژولار (Environment Modules)
• 46. مقدمه‌ای بر اسکریپت‌نویسی شل (Shell Scripting) برای اتوماسیون
• 47. مدیریت وابستگی‌ها و محیط‌های نرم‌افزاری با Conda
• 48. گردش کار (Workflow) تحلیل داده‌های ژنومیک
• 49. هم‌ترازی خوانش‌ها به ژنوم مرجع (Read Mapping)
• 50. مفهوم نمایه‌سازی (Indexing) ژنوم مرجع
• 51. استفاده از ابزارهای هم‌ترازی مانند BWA و Bowtie2
• 52. فرمت SAM (Sequence Alignment/Map)
• 53. فرمت BAM: نسخه باینری و فشرده SAM
• 54. کار با فایل‌های SAM/BAM با ابزار Samtools
• 55. مرتب‌سازی و نمایه‌سازی فایل‌های BAM
• 56. فیلتر کردن و بررسی کیفیت هم‌ترازی
• 57. حذف خوانش‌های تکراری (PCR Duplicates)
• 58. فراخوانی واریانت (Variant Calling): مفاهیم و چالش‌ها
• 59. مقدمه‌ای بر ابزار GATK (Genome Analysis Toolkit)
• 60. گردش کار بهترین شیوه‌های GATK برای فراخوانی واریانت
• 61. فرمت VCF (Variant Call Format)
• 62. کار با فایل‌های VCF با ابزار VCFtools و BCFtools
• 63. فیلتر کردن و حاشیه‌نویسی (Annotation) واریانت‌ها
• 64. پیش‌بینی تأثیر عملکردی واریانت‌ها (VEP, SnpEff)
• 65. مقدمه‌ای بر تحلیل داده‌های رونویسی (Transcriptomics)
• 66. گردش کار تحلیل داده‌های RNA-Seq
• 67. هم‌ترازی خوانش‌های RNA-Seq با ابزارهای STAR یا HISAT2
• 68. کمی‌سازی بیان ژن (Quantification) با featureCounts یا Salmon
• 69. ماتریس شمارش خوانش‌ها (Read Count Matrix)
• 70. تحلیل بیان افتراقی (Differential Expression Analysis)
• 71. مقدمه‌ای بر مونتاژ ژنوم (Genome Assembly)
• 72. تفاوت مونتاژ de novo و مونتاژ مبتنی بر مرجع
• 73. مفاهیم گراف‌های دو بروین (de Bruijn graphs)
• 74. کنترل کیفیت و ارزیابی مونتاژ ژنوم
• 75. حاشیه‌نویسی ژنوم: پیش‌بینی ژن‌ها و عناصر عملکردی
• 76. فیلوژنتیک محاسباتی: ساخت درخت‌های تکاملی
• 77. هم‌ترازی چندگانه توالی (Multiple Sequence Alignment)
• 78. مدل‌های جایگزینی نوکلئوتیدی و اسید آمینه‌ای
• 79. روش‌های ساخت درخت فیلوژنتیک (Neighbor-Joining, Maximum Likelihood)
• 80. مقدمه‌ای بر ژنتیک جمعیت محاسباتی
• 81. تحلیل ساختار جمعیت و تنوع ژنتیکی
• 82. مقدمه‌ای بر کتابخانه NumPy برای محاسبات عددی
• 83. مقدمه‌ای بر کتابخانه Pandas برای کار با داده‌های جدولی
• 84. خواندن و پردازش فایل‌های VCF و GTF با Pandas
• 85. مصورسازی داده‌های ژنومیک با Matplotlib و Seaborn
• 86. استفاده از مرورگرهای ژنوم مانند IGV
• 87. کنترل نسخه (Version Control) با Git
• 88. مبانی Git: کامیت، شاخه و ادغام
• 89. استفاده از GitHub برای همکاری و اشتراک‌گذاری کد
• 90. اهمیت بازتولیدپذیری (Reproducibility) در تحقیقات محاسباتی
• 91. استفاده از مدیرهای گردش کار (Workflow Managers) مانند Snakemake یا Nextflow
• 92. مفاهیم اولیه کانتینرسازی با Docker و Singularity
• 93. مقدمه‌ای بر محاسبات ابری (Cloud Computing) برای ژنومیک
• 94. کاربردهای یادگیری ماشین (Machine Learning) در ژنتیک
• 95. بهینه‌سازی کد پایتون برای عملکرد بهتر
• 96. موازی‌سازی وظایف در پایتون با ماژول multiprocessing
• 97. پروژه عملی ۱: تحلیل واریانت‌های یک نمونه انسانی
• 98. پروژه عملی ۲: تحلیل بیان افتراقی ژن در داده‌های RNA-Seq
• 99. پروژه عملی ۳: مونتاژ یک ژنوم باکتریایی
• 100. اخلاق در ژنتیک محاسباتی و حریم خصوصی داده‌ها