دوره جامع تحلیل و تفسیر پروفایل‌های بیان ژن هسته‌ای با فناوری DroNc-seq همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع تحلیل و تفسیر پروفایل‌های بیان ژن هسته‌ای با فناوری DroNc-seq

موضوع کلی: زیست‌شناسی محاسباتی و بیوانفورماتیک

موضوع میانی: ترنسکریپتومیکس تک‌هسته و آنالیز داده‌های ژنومیکس تک‌سلولی

📋 سرفصل‌های دوره

• 1. مبانی زیست‌شناختی ترنسکریپتومیکس تک‌سلولی (scRNA-seq) و ترنسکریپتومیکس تک‌هسته (snRNA-seq)
• 2. تفاوت‌های کلیدی و مزایای استخراج هسته در مقایسه با سلول کامل در بافت‌های سخت و منجمد
• 3. معرفی فناوری DroNc-seq و مکانیزم قطره‌محور (Microfluidic Droplets) در جداسازی هسته‌ها
• 4. فرآیند آماده‌سازی بافت، جداسازی هسته‌ها و استخراج RNA هسته‌ای
• 5. آشنایی با فرمت داده‌های خام NGS شامل فایل‌های FASTQ و ساختار بارکدها و UMIها
• 6. ارزیابی کیفیت داده‌های خام و کنترل کیفیت اولیه با ابزارهای FastQC و MultiQC
• 7. الگوریتم‌های ترازسازی توالی‌ها روی ژنوم مرجع و شمارش UMIها (Cell Ranger و STARsolo)
• 8. شناسایی و جداسازی بارکدهای واقعی هسته‌ها از قطره‌های خالی (Ambient RNA Filtering)
• 9. ساخت ماتریس شمارش بیان ژن (Count Matrix) و کنترل کیفیت هسته‌ها (Filtering)
• 10. معیارهای حذف هسته‌های بی‌کیفیت، دپلت‌ها (Doublets) و میزان بیان RNA متوکندریایی و هسته‌ای
• 11. نرمال‌سازی داده‌های بیان ژن و روش‌های تثبیت واریانس (Log-Normalization و SCTransform)
• 12. شناسایی ژن‌های با متغیر بالا (Highly Variable Genes - HVGs)
• 13. کاهش ابعاد خطی داده‌ها با استفاده از تحلیل مؤلفه‌های اصلی (PCA)
• 14. روش‌های کاهش ابعاد غیرخطی و تجسم داده‌ها با UMAP و t-SNE
• 15. خوشه‌بندی تک‌هسته‌ها (Clustering Algorithms) با روش‌های مبتنی بر گراف (Leiden و Louvain)
• 16. شناسایی ژن‌های شاخص (Marker Genes) و تحلیل بیان افتراقی (Differential Expression)
• 17. نام‌گذاری خوشه‌ها و تعیین انواع سلول‌ها (Cell Type Annotation) با داده‌های مرجع و دستی
• 18. حذف اثرات دسته‌ای (Batch Effect Correction) و یکپارچه‌سازی دادگان مختلف (Data Integration)
• 19. تحلیل مسیرهای زیستی و غنی‌سازی مجموعه‌های ژنی (GSEA و Over-Representation Analysis)
• 20. بازسازی مسیرهای تمایز سلولی و زمان کاذب (Pseudotime & Trajectory Analysis)
• 21. تحلیل ارتباطات سلول-سلول با استفاده از داده‌های بیان هسته‌ای (Cell-Cell Communication)
• 22. تفسیر پروفایل‌های بیان ژن هسته‌ای در بافت‌های پیچیده مانند مغز و بافت‌های بایگانی‌شده (FFPE)
• 23. ارزیابی نسبت RNA پیش‌ساخته (Unspliced) به بالغ (Spliced) در آنالیز RNA Velocity هسته‌ای
• 24. مقایسه داده‌های DroNc-seq با سایر پلتفرم‌های تک‌هسته مانند 10x Genomics Single Nucleus
• 25. خطایابی، چالش‌های رایج و پروتکل‌های بهینه‌سازی تحلیل داده‌های DroNc-seq