دوره الگوریتم‌های بیوانفورماتیک: تحلیل داده‌های ژنومی و پروتئومی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های بیوانفورماتیک: تحلیل داده‌های ژنومی و پروتئومی

موضوع کلی: علوم کامپیوتر و محاسبات زیستی

موضوع میانی: الگوریتم‌ها و داده‌ساختارهای زیستی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بیوانفورماتیک و الگوریتم‌ها
• 2. مرور مفاهیم پایه‌ای زیست‌شناسی مولکولی
• 3. ساختارهای داده برای توالی‌های زیستی
• 4. جستجوی رشته‌ای: الگوریتم‌های دقیق
• 5. جستجوی رشته‌ای: الگوریتم‌های ابتکاری
• 6. تراز کردن توالی‌ها: الگوریتم نیازمن
• 7. تراز کردن توالی‌ها: الگوریتم‌های برنامه‌نویسی پویا
• 8. تراز کردن چندگانه توالی‌ها
• 9. درختان فیلوژنتیکی و الگوریتم‌های ساخت آن‌ها
• 10. روش‌های مبتنی بر فاصله برای ساخت درخت
• 11. روش‌های مبتنی بر بیشینه درست‌نمایی برای ساخت درخت
• 12. ارزیابی درختان فیلوژنتیکی
• 13. تحلیل همسایگی نزدیک
• 14. تحلیل Bootstrapping در فیلوزنی
• 15. الگوریتم‌های خوشه‌بندی برای داده‌های ژنومی
• 16. روش‌های کاهش ابعاد برای داده‌های ژنومی
• 17. تحلیل مولفه‌های اصلی (PCA) در بیوانفورماتیک
• 18. تحلیل خوشه‌ای سلسله مراتبی
• 19. الگوریتم‌های k-means در بیوانفورماتیک
• 20. شبکه‌های ژنی: ساخت و تحلیل
• 21. مقدمه‌ای بر گراف‌ها و کاربرد آن‌ها در بیوانفورماتیک
• 22. الگوریتم‌های جستجوی مسیر در گراف‌های بیولوژیکی
• 23. الگوریتم‌های تشخیص الگو در داده‌های ژنومی
• 24. یادگیری ماشین در بیوانفورماتیک: مقدمه‌ای
• 25. دسته‌بندی با استفاده از ماشین‌های بردار پشتیبان (SVM)
• 26. رگرسیون لجستیک در پیش‌بینی‌های بیوانفورماتیکی
• 27. الگوریتم‌های جنگل تصادفی در تحلیل داده‌های ژنومی
• 28. شبکه‌های عصبی مصنوعی در بیوانفورماتیک
• 29. تحلیل داده‌های بیان ژن
• 30. الگوریتم‌های تشخیص دیفرانسیل بیان ژن
• 31. تحلیل داده‌های RNA-Seq
• 32. تحلیل داده‌های ChIP-Seq
• 33. تحلیل داده‌های میکروبیوم
• 34. مقدمه‌ای بر پروتئومیک و الگوریتم‌های آن
• 35. پیش‌بینی ساختار پروتئین
• 36. جستجوی الگو در توالی‌های پروتئین
• 37. تراز کردن ساختارهای پروتئین
• 38. تحلیل تعاملات پروتئین-پروتئین
• 39. الگوریتم‌های پیش‌بینی عملکرد پروتئین
• 40. تحلیل مسیرهای متابولیکی
• 41. الگوریتم‌های یافتن مسیرهای بهینه در شبکه‌های متابولیکی
• 42. تحلیل داده‌های متابولومیک
• 43. تحلیل واریانت‌های ژنتیکی (SNPs)
• 44. تحلیل GWAS (مطالعات ارتباط گسترده ژنومی)
• 45. تحلیل داده‌های توالی‌یابی کل ژنوم
• 46. مقدمه‌ای بر الگوریتم‌های متاژنومیک
• 47. تحلیل داده‌های metagenomic
• 48. تطبیق الگوریتم‌ها با داده‌های بزرگ بیوانفورماتیکی
• 49. بهینه‌سازی الگوریتم‌ها برای کارایی
• 50. مفاهیم پایه‌ای برنامه‌نویسی برای بیوانفورماتیک (پایتون)
• 51. کاربرد کتابخانه‌های بیوانفورماتیکی در پایتون
• 52. تحلیل داده‌های ژنومی با استفاده از R
• 53. مقدمه‌ای بر پایگاه داده‌های بیوانفورماتیکی
• 54. کار با پایگاه داده‌های NCBI
• 55. کار با پایگاه داده‌های UniProt
• 56. کار با پایگاه داده‌های PDB
• 57. تحلیل داده‌های epigenetic
• 58. الگوریتم‌های تشخیص الگو در داده‌های epigenetic
• 59. تحلیل داده‌های CRISPR
• 60. طراحی راهنمای CRISPR با استفاده از الگوریتم‌ها
• 61. تحلیل off-target effects در ویرایش ژنوم
• 62. الگوریتم‌های تحلیل ساختاری RNA
• 63. پیش‌بینی ساختار RNA
• 64. تحلیل تعاملات RNA-پروتئین
• 65. مقدمه‌ای بر مدل‌سازی مولکولی
• 66. شبیه‌سازی دینامیک مولکولی
• 67. مفاهیم پایه‌ای آمار در بیوانفورماتیک
• 68. آزمون‌های آماری برای داده‌های ژنومی
• 69. تصحیح چندگانه آزمون در بیوانفورماتیک
• 70. مقدمه‌ای بر پردازش تصویر در بیوانفورماتیک
• 71. تحلیل تصاویر میکروسکوپی
• 72. تشخیص سلول در تصاویر زیستی
• 73. تحلیل داده‌های Mass Spectrometry
• 74. الگوریتم‌های شناسایی پپتیدها در داده‌های MS
• 75. تحلیل کمی پروتئین‌ها با استفاده از MS
• 76. مقدمه‌ای بر هوش مصنوعی در بیوانفورماتیک
• 77. یادگیری عمیق در بیوانفورماتیک
• 78. کاربرد شبکه‌های کانولوشنال در تحلیل تصاویر زیستی
• 79. کاربرد شبکه‌های بازگشتی در تحلیل توالی‌های ژنومی