کتاب تحلیل محاسباتی اپی‌ژنتیک: از داده‌های مولکولی تا کشف الگوهای تنظیم ژن با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل محاسباتی اپی‌ژنتیک: از داده‌های مولکولی تا کشف الگوهای تنظیم ژن

موضوع کلی: زیست‌شناسی محاسباتی و اپی‌ژنتیک

موضوع میانی: چارچوب‌های محاسباتی برای تحلیل داده‌های اپی‌ژنتیکی

📋 سرفصل‌های دوره

  • 1. مبانی اپی‌ژنتیک و تنظیم بیان ژن
  • 2. ساختار کروماتین و نقش آن در تنظیم ژن
  • 3. DNA متیلاسیون و مکانیسم‌های آن
  • 4. اصلاحات هیستونی و تنظیم کروماتین
  • 5. نوکلئوزوم‌ها و سازمان‌دهی ژنوم
  • 6. RNAهای غیرکدکننده و تنظیم اپی‌ژنتیکی
  • 7. عناصر تنظیمی ژنوم و اپی‌ژنتیک
  • 8. تفاوت ژنتیک و اپی‌ژنتیک در تحلیل داده‌ها
  • 9. انواع داده‌های مورد استفاده در پژوهش‌های اپی‌ژنتیکی
  • 10. چالش‌های محاسباتی داده‌های اپی‌ژنتیک
  • 11. طراحی جریان کاری برای تحلیل داده‌های اپی‌ژنتیکی
  • 12. استانداردسازی و کنترل کیفیت داده‌های اپی‌ژنتیکی
  • 13. پیش‌پردازش داده‌های توالی‌یابی اپی‌ژنتیکی
  • 14. هم‌ترازی خوانش‌ها با ژنوم مرجع
  • 15. مدیریت داده‌های ژنومی و اپی‌ژنومی
  • 16. تحلیل داده‌های DNA Methylation
  • 17. پردازش داده‌های Bisulfite Sequencing
  • 18. شناسایی سایت‌های CpG و نواحی متیله‌شده
  • 19. محاسبه فراوانی و سطح متیلاسیون
  • 20. تحلیل Differential Methylation
  • 21. شناسایی Differentially Methylated Regions
  • 22. تحلیل الگوهای متیلاسیون در ژنوم
  • 23. تحلیل داده‌های ChIP-seq برای اصلاحات هیستونی
  • 24. پردازش و کنترل کیفیت داده‌های ChIP-seq
  • 25. شناسایی Peakهای اتصال پروتئین و هیستون
  • 26. تحلیل Peakها و نواحی تنظیمی ژنوم
  • 27. تحلیل ATAC-seq برای دسترسی‌پذیری کروماتین
  • 28. شناسایی نواحی کروماتین باز و بسته
  • 29. تحلیل تغییرات دسترسی کروماتین
  • 30. یکپارچه‌سازی داده‌های ATAC-seq و ChIP-seq
  • 31. تحلیل داده‌های RNA-seq در مطالعات اپی‌ژنتیکی
  • 32. ارتباط بیان ژن با تغییرات اپی‌ژنتیکی
  • 33. یکپارچه‌سازی داده‌های DNA Methylation و RNA-seq
  • 34. یکپارچه‌سازی داده‌های هیستونی و بیان ژن
  • 35. تحلیل چنداُمیکی در پژوهش‌های اپی‌ژنتیکی
  • 36. هم‌ترازی و ادغام داده‌های چندلایه ژنومی
  • 37. مدل‌سازی آماری داده‌های اپی‌ژنتیکی
  • 38. آزمون فرضیه در تحلیل‌های اپی‌ژنتیکی
  • 39. اصلاح خطای چندگانه در تحلیل ژنومی
  • 40. تحلیل اثرات Batch در داده‌های اپی‌ژنتیکی
  • 41. کاهش ابعاد داده‌های اپی‌ژنتیکی
  • 42. تحلیل مؤلفه‌های اصلی برای داده‌های اپی‌ژنتیک
  • 43. خوشه‌بندی الگوهای اپی‌ژنتیکی
  • 44. شناسایی الگوهای اپی‌ژنتیکی با یادگیری ماشین
  • 45. انتخاب ویژگی در داده‌های اپی‌ژنتیکی
  • 46. طبقه‌بندی نمونه‌ها بر اساس نشانگرهای اپی‌ژنتیکی
  • 47. رگرسیون برای پیش‌بینی ویژگی‌های اپی‌ژنتیکی
  • 48. اعتبارسنجی مدل‌های یادگیری ماشین در اپی‌ژنتیک
  • 49. جلوگیری از بیش‌برازش در مدل‌های اپی‌ژنتیکی
  • 50. تحلیل اهمیت ویژگی‌ها و تفسیر مدل‌ها
  • 51. یادگیری عمیق برای تحلیل داده‌های اپی‌ژنتیکی
  • 52. شبکه‌های عصبی برای داده‌های توالی‌یابی
  • 53. مدل‌های کانولوشنی برای شناسایی الگوهای ژنومی
  • 54. مدل‌سازی توالی‌های DNA با یادگیری عمیق
  • 55. پیش‌بینی نواحی تنظیمی با مدل‌های محاسباتی
  • 56. پیش‌بینی اثرات اپی‌ژنتیکی تغییرات ژنتیکی
  • 57. تحلیل واریانت‌ها در زمینه اپی‌ژنتیک
  • 58. تحلیل ارتباط ژنوتیپ و اپی‌ژنوتیپ
  • 59. مطالعات Epigenome-Wide Association
  • 60. شناسایی نشانگرهای اپی‌ژنتیکی بیماری
  • 61. تحلیل اپی‌ژنتیک در سرطان
  • 62. تحلیل اپی‌ژنتیکی در بیماری‌های پیچیده
  • 63. تحلیل اپی‌ژنتیک در پیری و طول عمر
  • 64. تحلیل اپی‌ژنتیک در پاسخ به محیط و سبک زندگی
  • 65. تحلیل اثر متقابل ژن و محیط در اپی‌ژنتیک
  • 66. تحلیل داده‌های اپی‌ژنتیکی تک‌سلولی
  • 67. یکپارچه‌سازی داده‌های Single-Cell Epigenomics
  • 68. تحلیل ATAC-seq تک‌سلولی
  • 69. تحلیل ناهمگنی اپی‌ژنتیکی بین سلول‌ها
  • 70. تحلیل زمانی تغییرات اپی‌ژنتیکی
  • 71. مدل‌سازی شبکه‌های تنظیم ژن
  • 72. ساخت شبکه‌های Gene Regulatory Network
  • 73. استنتاج روابط علّی در شبکه‌های اپی‌ژنتیکی
  • 74. تحلیل مسیرهای زیستی مرتبط با تغییرات اپی‌ژنتیکی
  • 75. تحلیل غنی‌سازی عملکردی نواحی اپی‌ژنتیکی
  • 76. حاشیه‌نویسی ژنومی داده‌های اپی‌ژنتیکی
  • 77. تفسیر زیستی نتایج محاسباتی
  • 78. طراحی Pipelineهای بازتولیدپذیر برای اپی‌ژنتیک
  • 79. مدیریت Workflowهای محاسباتی با ابزارهای زیست‌محاسباتی
  • 80. تحلیل داده‌های اپی‌ژنتیکی در محیط‌های محاسبات ابری
  • 81. بهینه‌سازی تحلیل‌های اپی‌ژنتیکی برای داده‌های حجیم
  • 82. بازتولیدپذیری و مستندسازی پژوهش‌های محاسباتی اپی‌ژنتیک
  • 83. اعتبارسنجی نتایج و ارزیابی پایداری یافته‌های اپی‌ژنتیکی
  • 84. تفسیر و گزارش‌سازی نتایج مطالعات اپی‌ژنتیکی
  • 85. پروژه جامع تحلیل چنداُمیکی اپی‌ژنتیک
تگ‌ها: ATAC-seq ChIP-seq Computational Epigenetics DNA Methylation Epigenomics Machine Learning Multi-Omics RNA-seq Single-Cell Epigenomics اپی‌ژنتیک تحلیل داده‌های ژنومی تحلیل ژنوم تنظیم بیان ژن زیست‌شناسی محاسباتی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.