دوره راهنمای جامع تحلیل داده‌های توالی‌یابی تک‌سلولی (scRNA-seq) در پژوهش‌های زیست‌پزشکی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع تحلیل داده‌های توالی‌یابی تک‌سلولی (scRNA-seq) در پژوهش‌های زیست‌پزشکی

موضوع کلی: زیست‌فناوری و علوم نوین زیستی

موضوع میانی: بیوانفورماتیک و تحلیل داده‌های ژنومیک

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پایه در توالی‌یابی تک‌سلولی
• 2. اهمیت و کاربردهای زیست‌پزشکی تحلیل‌های تک‌سلولی
• 3. مروری بر تکنولوژی‌های تولید داده‌های scRNA-seq
• 4. آشنایی با پلتفرم‌های رایج توالی‌یابی تک‌سلولی
• 5. مراحل آماده‌سازی نمونه‌های بیولوژیک برای توالی‌یابی
• 6. اصول کنترل کیفیت داده‌های خام توالی‌یابی
• 7. آشنایی با محیط برنامه‌نویسی R و بسته‌های تخصصی تحلیل
• 8. کار با ساختار داده‌های SingleCellExperiment و Seurat
• 9. پیش‌پردازش داده‌ها و حذف سلول‌های با کیفیت پایین
• 10. نرمال‌سازی داده‌های بیان ژن برای تحلیل‌های مقایسه‌ای
• 11. شناسایی ژن‌های با تغییر بیان بالا و کاهش ابعاد داده
• 12. استفاده از تحلیل مؤلفه‌های اصلی PCA در داده‌های تک‌سلولی
• 13. الگوریتم‌های کاهش ابعاد غیرخطی t-SNE و UMAP
• 14. خوشه‌بندی سلول‌ها بر اساس شباهت‌های پروفایل بیان ژن
• 15. بهینه‌سازی پارامترهای خوشه‌بندی برای شناسایی جمعیت‌های سلولی
• 16. تفسیر بیولوژیک خوشه‌ها با استفاده از مارکرهای اختصاصی
• 17. شناسایی ژن‌های افتراقی بیان شده بین جمعیت‌های سلولی
• 18. تحلیل غنی‌سازی مسیرهای زیستی و هستی‌شناسی ژن‌ها
• 19. پیش‌بینی هویت سلول‌ها با استفاده از پایگاه‌های داده مرجع
• 20. ادغام داده‌های حاصل از آزمایش‌های مختلف برای تحلیل یکپارچه
• 21. رفع اثرات ناخواسته در داده‌های توالی‌یابی Batch Effect Correction
• 22. تحلیل مسیرهای تمایز سلولی با استفاده از برازش خط سیر
• 23. تخمین سرعت رونویسی ژن‌ها با تحلیل RNA Velocity
• 24. تحلیل ارتباطات بین‌سلولی و سیگنالینگ‌های مولکولی
• 25. شبیه‌سازی برهم‌کنش‌های لیگاند و گیرنده در بافت‌ها
• 26. بررسی ناهمگونی سلولی در بیماری‌های غیرواگیر
• 27. کاربرد تحلیل تک‌سلولی در مطالعات سرطان و ریزمحیط تومور
• 28. تحلیل داده‌های تک‌سلولی در مطالعات ایمونولوژی و پاسخ‌های ایمنی
• 29. ارزیابی تغییرات اپی‌ژنتیکی همگام با بیان ژن در تک‌سلول
• 30. اصول گزارش‌نویسی علمی و بصری‌سازی داده‌های پیچیده
• 31. رعایت اخلاق پژوهش در تحلیل داده‌های زیستی
• 32. آشنایی با منابع داده‌ای معتبر و بانک‌های ژنی ملی
• 33. چالش‌های محاسباتی در تحلیل داده‌های با حجم بالا
• 34. تکنیک‌های مدیریت حافظه و بهینه‌سازی کدهای تحلیل
• 35. اعتبارسنجی یافته‌های بیوانفورماتیکی با روش‌های آزمایشگاهی
• 36. مقدمه‌ای بر تحلیل‌های چندگانه Single-cell Multi-omics
• 37. آینده پژوهش‌های تک‌سلولی در پزشکی شخصی‌سازی شده
• 38. مرور نهایی و راهکارهای عیب‌یابی در جریان کاری تحلیل