کتاب اصول بصری‌سازی داده برای درک ساختار سلولی و مولکولی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای درک ساختار سلولی و مولکولی

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه به بصری‌سازی داده
• 2. چرا بصری‌سازی داده در زیست‌شناسی سلولی و مولکولی مهم است؟
• 3. تاریخچه بصری‌سازی داده در علوم زیستی
• 4. اهداف دوره: درک ساختارهای سلولی و مولکولی
• 5. پیش‌نیازهای دوره: مبانی زیست‌شناسی و آمار
• 6. ابزارهای کلیدی بصری‌سازی داده (معرفی)
• 7. مروری بر داده‌های علوم زیستی: انواع و منابع
• 8. انواع داده‌های سلولی (اندازه، شکل، فعالیت)
• 9. انواع داده‌های مولکولی (توالی، ساختار، تعامل)
• 10. مبانی گرافیک و طراحی بصری
• 11. اصول ادراک بصری
• 12. تئوری رنگ در بصری‌سازی داده
• 13. انتخاب نمودار مناسب بر اساس نوع داده
• 14. مقدمه به نمودارهای دو بعدی
• 15. نمودارهای خطی (Line Charts)
• 16. نمودارهای میله‌ای (Bar Charts)
• 17. نمودارهای پراکندگی (Scatter Plots)
• 18. هیستوگرام‌ها (Histograms)
• 19. نمودارهای دایره‌ای (Pie Charts) - و چرایی اجتناب از آن‌ها
• 20. نمودارهای جعبه‌ای (Box Plots)
• 21. نمودارهای ویولن (Violin Plots)
• 22. نمودارهای سطح (Area Charts)
• 23. نمودارهای شعاعی (Radar Charts)
• 24. کاربرد نمودارهای دو بعدی در داده‌های سلولی
• 25. نمایش توزیع سلول‌ها
• 26. نمایش تغییرات زمانی در فعالیت سلولی
• 27. نمایش مقایسه بین گروه‌های سلولی
• 28. کاربرد نمودارهای دو بعدی در داده‌های مولکولی
• 29. نمایش تغییرات بیان ژن
• 30. نمایش توزیع داده‌های آماری مولکولی
• 31. مقدمه به بصری‌سازی داده‌های سه بعدی
• 32. چالش‌های بصری‌سازی داده‌های سه بعدی
• 33. نمایش ساختارهای سلولی سه بعدی
• 34. نمایش ساختارهای مولکولی سه بعدی (پروتئین‌ها، DNA)
• 35. انواع مدل‌های مولکولی (Spheres, Ribbons, Surface)
• 36. معرفی نرم‌افزارهای بصری‌سازی سه بعدی (PyMOL, Chimera)
• 37. نرم‌افزار PyMOL: مبانی
• 38. وارد کردن داده‌ها در PyMOL
• 39. اصول ناوبری در PyMOL
• 40. نمایش مدل‌های پروتئینی در PyMOL
• 41. تغییر نمایش مدل‌ها (Backbone, Cartoon, Surface)
• 42. تغییر رنگ‌بندی در PyMOL
• 43. اضافه کردن لیبل و متن در PyMOL
• 44. تنظیمات دوربین و زاویه دید در PyMOL
• 45. ذخیره تصاویر با کیفیت بالا از PyMOL
• 46. نرم‌افزار Chimera: مبانی
• 47. مقایسه PyMOL و Chimera
• 48. نرم‌افزارهای تصویرسازی میکروسکوپی (ImageJ/Fiji)
• 49. مبانی کار با تصاویر میکروسکوپی
• 50. پردازش اولیه تصاویر (تنظیم کنتراست، روشنایی)
• 51. آستانه‌گذاری (Thresholding) برای جداسازی ساختارها
• 52. تکمیل تصاویر (Segmentation)
• 53. اندازه‌گیری پارامترهای سلولی از تصاویر
• 54. نمایش سه بعدی از ساختارهای سلولی بر اساس تصاویر
• 55. نمودارهای برهم‌کنش مولکولی
• 56. شبکه‌های مولکولی (Protein-Protein Interaction Networks)
• 57. ابزارهای بصری‌سازی شبکه‌های مولکولی (Cytoscape)
• 58. مبانی کار با Cytoscape
• 59. وارد کردن داده‌های شبکه‌ای
• 60. اصول نمایش گره‌ها و یال‌ها در Cytoscape
• 61. تغییر ظاهر گره‌ها و یال‌ها
• 62. خوشه‌بندی (Clustering) در شبکه‌های مولکولی
• 63. نمایش مسیرهای سیگنالینگ
• 64. بصری‌سازی داده‌های تکرارپذیر (Omics Data)
• 65. بصری‌سازی داده‌های ژنومیکس
• 66. بصری‌سازی داده‌های ترنسکریپتومیکس (Heatmaps, Volcano Plots)
• 67. Heatmaps: اصول و کاربرد
• 68. Volcano Plots: تفسیر
• 69. بصری‌سازی داده‌های پروتئومیکس
• 70. بصری‌سازی داده‌های متابولومیکس
• 71. مقدمه به داده‌های تک-سلولی (Single-Cell Data)
• 72. بصری‌سازی داده‌های تک-سلولی (UMAP, t-SNE)
• 73. UMAP: مفاهیم و کاربرد
• 74. t-SNE: مفاهیم و کاربرد
• 75. نقشه‌برداری (Clustering) سلول‌ها بر اساس داده‌های تک-سلولی
• 76. بصری‌سازی مشخصه‌های سلولی در فضای UMAP/t-SNE
• 77. نمایش مسیرهای تمایز سلولی
• 78. مبانی بصری‌سازی داده‌های دینامیکی (Temporal Data)
• 79. نمایش تغییرات زمانی در مقیاس سلولی
• 80. نمایش تغییرات زمانی در مقیاس مولکولی
• 81. بصری‌سازی شبیه‌سازی‌های بیولوژیکی
• 82. مقدمه به بصری‌سازی تعاملی (Interactive Visualization)
• 83. مزایای بصری‌سازی تعاملی
• 84. ابزارهای بصری‌سازی تعاملی (Plotly, Bokeh)
• 85. مقدمه به Plotly
• 86. ایجاد نمودارهای تعاملی با Plotly
• 87. قابلیت زوم، پن و انتخاب در Plotly
• 88. کاربرد Plotly در بصری‌سازی داده‌های زیستی
• 89. مقدمه به Bokeh
• 90. ایجاد نمودارهای تعاملی با Bokeh
• 91. کاربرد Bokeh در بصری‌سازی داده‌های زیستی
• 92. طراحی داشبوردهای تعاملی
• 93. کاربرد داشبوردها در تحلیل داده‌های زیستی
• 94. بصری‌سازی نقشه‌های حرارتی تعاملی
• 95. بصری‌سازی شبکه‌های تعاملی
• 96. نقش هوش مصنوعی در بصری‌سازی داده‌های زیستی
• 97. یادگیری ماشین برای انتخاب نمودار بهینه
• 98. تولید خودکار بصری‌سازی‌های پیچیده
• 99. بصری‌سازی داده‌های واقعی (Case Studies)
• 100. مطالعه موردی: بصری‌سازی ساختار پروتئین و محل اتصال لیگاند