دوره مونتاژ ترانسکریپتوم و تحلیل بیان افتراقی: از داده تا دانش همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مونتاژ ترانسکریپتوم و تحلیل بیان افتراقی: از داده تا دانش

موضوع کلی: بیوانفورماتیک و تحلیل داده‌های ژنومی

موضوع میانی: تحلیل بیان ژن

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بیوانفورماتیک و ژنومیک
• 2. داده‌های RNA-Seq: اصول و مفاهیم
• 3. کیفیت داده‌های RNA-Seq و کنترل کیفیت
• 4. تنظیم و نرمال‌سازی داده‌های RNA-Seq
• 5. روش‌های مونتاژ ترانسکریپتوم: یک نمای کلی
• 6. مونتاژ ترانسکریپتوم مبتنی بر گراف De Bruijn
• 7. مونتاژ ترانسکریپتوم مبتنی بر همپوشانی (Overlap-Layout-Consensus)
• 8. ارزیابی کیفیت مونتاژ ترانسکریپتوم
• 9. انتخاب بهترین استراتژی مونتاژ ترانسکریپتوم
• 10. آشنایی با فرمت‌های داده‌های ترانسکریپتوم
• 11. استفاده از ابزارهای مونتاژ ترانسکریپتوم محبوب (Trinity, Velvet, etc.)
• 12. مقدمه‌ای بر تراز کردن (Alignment) داده‌های RNA-Seq
• 13. تراز کردن داده‌های RNA-Seq به ژنوم مرجع
• 14. تراز کردن داده‌های RNA-Seq به ترانسکریپتوم مونتاژ شده
• 15. بررسی کیفیت تراز کردن (Alignment)
• 16. تعداد خوانش‌ها (Read Counts) و ماتریس‌های بیان ژن
• 17. نرمال‌سازی داده‌های بیان ژن: روش‌های مختلف
• 18. مقایسه روش‌های نرمال‌سازی بیان ژن
• 19. تحلیل بیان افتراقی: اصول و مفاهیم
• 20. آزمون‌های آماری برای تحلیل بیان افتراقی
• 21. روش‌های تصحیح چندآزمونی (Multiple Testing Correction)
• 22. شناسایی ژن‌های با بیان افتراقی معنی‌دار
• 23. تحلیل مسیرهای متابولیکی (Pathway Analysis)
• 24. غنی‌سازی ژنی (Gene Enrichment Analysis)
• 25. استفاده از پایگاه‌های داده برای تفسیر نتایج
• 26. بررسی بیان ژن‌های خاص
• 27. تحلیل بیان ژن در بافت‌های مختلف
• 28. تحلیل بیان ژن در پاسخ به محرک‌ها
• 29. تجزیه و تحلیل بیان ژن در بیماری‌ها
• 30. استفاده از داده‌های بیان ژن برای پیش‌بینی تشخیص
• 31. تحلیل بیان ژن و کشف بیومارکرها
• 32. تفسیر نتایج تحلیل بیان افتراقی
• 33. تصویرسازی داده‌های بیان ژن: Heatmaps و Volcano Plots
• 34. تحلیل بیان ژن و تنظیمات اپی‌ژنتیکی
• 35. آشنایی با ابزارهای تحلیل بیان ژن (DESeq2, edgeR, limma)
• 36. کاربرد الگوریتم‌های یادگیری ماشین در تحلیل بیان ژن
• 37. تحلیل بیان ژن در سلول‌های منفرد (Single-Cell RNA-Seq)
• 38. مقدمه‌ای بر RNA-Seq در گیاهان
• 39. مقدمه‌ای بر RNA-Seq در میکروارگانیسم‌ها
• 40. تحلیل بیان ژن در مطالعات تکاملی
• 41. تحلیل بیان ژن و پاسخ به داروها
• 42. تحلیل بیان ژن و مقاومت دارویی
• 43. تحلیل بیان ژن و توسعه داروها
• 44. چالش‌ها و محدودیت‌های تحلیل بیان ژن
• 45. آینده تحلیل بیان ژن و تکنولوژی‌های جدید
• 46. تفسیر و گزارش نتایج تحلیل بیان ژن
• 47. مدیریت و ذخیره‌سازی داده‌های RNA-Seq
• 48. ملاحظات اخلاقی در تحلیل داده‌های ژنومی
• 49. کنترل کیفیت پایپ‌لاین‌های تحلیل بیان ژن
• 50. بهینه‌سازی پارامترهای تحلیل بیان ژن
• 51. تحلیل بیان ژن و کشف ایزوفورم‌های جدید
• 52. بررسی اثرات splicing بر بیان ژن
• 53. تحلیل بیان ژن و جهش‌های ژنتیکی
• 54. تحلیل بیان ژن و تغییرات کپی‌برداری (Copy Number Variations)
• 55. تحلیل بیان ژن و تغییرات DNA متیلاسیون
• 56. تحلیل بیان ژن و میکروRNAها
• 57. تحلیل بیان ژن و پروتئین‌ها
• 58. تفسیر نتایج تحلیل بیان ژن در بافت‌های سرطانی
• 59. تحلیل بیان ژن و ایمونوتراپی
• 60. تحلیل بیان ژن و پاسخ به شیمی‌درمانی
• 61. تحلیل بیان ژن و پیش‌آگهی بیماری
• 62. تحلیل بیان ژن و هدف‌گذاری دارویی
• 63. تحلیل بیان ژن و شخصی‌سازی درمان
• 64. منابع داده‌های عمومی RNA-Seq
• 65. ابزارهای متن‌باز برای تحلیل بیان ژن
• 66. مقدمه‌ای بر زبان برنامه‌نویسی R و کاربرد آن در بیوانفورماتیک
• 67. مقدمه‌ای بر زبان برنامه‌نویسی Python و کاربرد آن در بیوانفورماتیک
• 68. استفاده از محیط‌های محاسباتی ابری برای تحلیل بیان ژن
• 69. کارگاه عملی: تحلیل یک مجموعه داده RNA-Seq واقعی
• 70. ارائه نتایج تحلیل بیان ژن به مخاطبان غیرمتخصص
• 71. تأثیر تحلیل بیان ژن بر تحقیقات زیستی و پزشکی