دوره تحلیل داده‌های زیستی: از ابزار تا کشف همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های زیستی: از ابزار تا کشف

موضوع کلی: علوم زیستی

موضوع میانی: محاسبات زیستی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات زیستی و کاربردهای آن
• 2. مروری بر انواع داده‌های زیستی (ژنوم، پروتئوم، متابولوم)
• 3. مبانی آمار و احتمال برای تحلیل داده‌های زیستی
• 4. زبان برنامه‌نویسی R برای محاسبات زیستی
• 5. زبان برنامه‌نویسی پایتون برای محاسبات زیستی
• 6. کار با پایگاه‌داده‌های زیستی (NCBI, EBI, UCSC)
• 7. فرمت‌های فایل‌های زیستی (FASTA, GenBank, PDB)
• 8. پیش‌پردازش داده‌های ژنومی: کنترل کیفیت و نرمال‌سازی
• 9. تحلیل داده‌های RNA-seq: شمارش خوانش‌ها و نرمال‌سازی
• 10. تحلیل بیان ژن‌های تفاضلی با استفاده از DESeq2
• 11. تحلیل مسیرهای بیولوژیکی با استفاده از Gene Set Enrichment Analysis (GSEA)
• 12. تحلیل داده‌های ChIP-seq: شناسایی نواحی اتصال پروتئین
• 13. تحلیل داده‌های میکروبیوم با استفاده از 16S rRNA
• 14. تحلیل داده‌های پروتئومیکس: شناسایی و کمیت پروتئین‌ها
• 15. تحلیل داده‌های متابولومیکس: شناسایی و کمیت متابولیت‌ها
• 16. شبکه‌های زیستی: ساخت، تحلیل و تجسم
• 17. یادگیری ماشین در محاسبات زیستی: مقدمه‌ای
• 18. دسته‌بندی داده‌های زیستی با استفاده از الگوریتم‌های یادگیری ماشین
• 19. رگرسیون در محاسبات زیستی: پیش‌بینی بر اساس داده‌ها
• 20. خوشه‌بندی داده‌های زیستی: کشف الگوهای پنهان
• 21. کاهش ابعاد داده‌های زیستی: PCA و t-SNE
• 22. تحلیل بقا در محاسبات زیستی
• 23. تحلیل داده‌های تصویربرداری زیستی
• 24. تحلیل داده‌های ژنتیکی جمعیت
• 25. اصول طراحی آزمایش در محاسبات زیستی
• 26. تفسیر نتایج تحلیل‌های زیستی و گزارش‌نویسی
• 27. ملاحظات اخلاقی در محاسبات زیستی
• 28. ابزارهای متن‌باز برای محاسبات زیستی
• 29. مقدمه‌ای بر محاسبات ابری در محاسبات زیستی
• 30. کار با Docker و Conda برای مدیریت محیط‌های محاسباتی
• 31. تحلیل داده‌های تک‌سلولی (Single-cell data analysis)
• 32. تحلیل داده‌های CRISPR
• 33. تحلیل داده‌های epigenetic
• 34. تحلیل داده‌های ژنومیکس مقایسه‌ای
• 35. تحلیل داده‌های فارماکوژنومیکس
• 36. تحلیل داده‌های سیستم‌های بیولوژیکی
• 37. تحلیل داده‌های ایمونواینفورماتیک
• 38. تحلیل داده‌های متاژنومیکس
• 39. تحلیل داده‌های ترانس کریپتومیکس
• 40. تحلیل داده‌های پروتئینومیکس
• 41. تحلیل داده‌های گلیکومیکس
• 42. تحلیل داده‌های لیپیدومیکس
• 43. تحلیل داده‌های پروتئوترانس کریپتومیکس
• 44. تحلیل داده‌های متابولومیکس
• 45. تحلیل داده‌های فیلوژنومیکس
• 46. تحلیل داده‌های نانوبایومیکس
• 47. تحلیل داده‌های سلول‌های سرطانی
• 48. تحلیل داده‌های بیماری‌های ژنتیکی
• 49. تحلیل داده‌های بیماری‌های عفونی
• 50. تحلیل داده‌های پیوند زدن (Linkage analysis)
• 51. تحلیل داده‌های GWAS (Genome-Wide Association Studies)
• 52. تحلیل داده‌های داده‌های ژنتیکی-محیطی
• 53. تحلیل داده‌های داده‌های چند-امیک (Multi-omics)
• 54. تحلیل داده‌های داده‌های بزرگ (Big Data)
• 55. تحلیل داده‌های داده‌های زمان سری (Time series data)
• 56. تحلیل داده‌های داده‌های فضایی (Spatial data)