کتاب تحلیل کمک‌شده کامپیوتری داده‌های متابولومیکس: از پیش‌پردازش تا کشف بیومارکر با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل کمک‌شده کامپیوتری داده‌های متابولومیکس: از پیش‌پردازش تا کشف بیومارکر

موضوع کلی: تحلیل داده‌های زیست‌شناختی با روش‌های محاسباتی

موضوع میانی: متابولومیکس محاسباتی و تحلیل آماری داده‌های متابولیتی

📋 سرفصل‌های دوره

• 1. مبانی متابولومیکس و انواع داده‌های متابولیتی
• 2. اطلاعات پایه طیف‌سنجی جرمی در متابولومیکس
• 3. اصول طیف‌سنجی رزونانس هسته‌ای (NMR) در تحلیل متابولیت‌ها
• 4. طیف‌سنجی جرمی وابسته به مایع (LC-MS) در متابولومیکس
• 5. طیف‌سنجی جرمی با گاز کروماتوگرافی (GC-MS) در تحلیل متابولیت‌ها
• 6. روش‌ها و مکانیزم‌های یونیزاسیون برای متابولیت‌ها
• 7. تکنیک‌های یونیزاسیون محیطی و سریع در متابولومیکس
• 8. طیف‌سنجی تاندر (MS/MS) و الگوهای فراگشت متابولیتی
• 9. پایگاه‌های داده طیفی و جستجوی ساختار متابولیت‌ها
• 10. شبکه‌سازی مولکولی و تحلیل GNPS برای شناسایی ترکیب‌ها
• 11. پیش‌پردازش داده‌های خام متابولومیکس
• 12. پردازش سیگنال و فیلتر کردن نویز در طیف‌ها
• 13. تشخیص قله و هم‌ترازی قله‌ها در داده‌های چندنمونه‌ای
• 14. استخراج ویژگی از طیف‌های جرمی
• 15. تبدیل داده‌ها و روش‌های نرمال‌سازی در متابولومیکس
• 16. مدیریت و تکمیل داده‌های گمشده در مجموعه‌داده‌های متابولیتی
• 17. مبانی آماری مناسب برای تحلیل متابولومیکس
• 18. آمار تک‌متغیره و آزمون‌های تفاوت معنا در متابولیت‌ها
• 19. اصلاح آزمون چندگانه و کنترل نرخ کشف خطا
• 20. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد داده‌های متابولیتی
• 21. روش‌های طیف‌ترکیبی جزئی کمترین مربعات (PLS) و بهینه‌سازی آن‌ها
• 22. تحلیل دسته‌بندی نظارت‌شده: LDA و QDA در متابولومیکس
• 23. تحلیل خوشه‌ای سلسله‌مراتبی (HCA) و خوشه‌های کی‌مدی
• 24. اعتبارسنجی متقاطع و آزمون جایگشت برای مدل‌های طبقه‌بندی
• 25. انتخاب ویژگی و روش‌های کاهش ابعاد برای داده‌های متابولیتی
• 26. جنگل تصادفی برای طبقه‌بندی و شناسایی متابولیت‌ها
• 27. ماشین بردار پشتیبان (SVM) در تحلیل دسته‌بندی متابولومیکس
• 28. یادگیری عمیق و شبکه‌های عصبی برای داده‌های متابولیتی
• 29. اتوانکودر و یادگیری نمایشی در متابولومیکس
• 30. t-SNE و UMAP برای تجسم داده‌های پربعد متابولیتی
• 31. تحلیل مسیر متابولیکی: مبانی و رویکردها
• 32. تحلیل غنی‌سازی مسیر و مجموعه‌ای (ORA و GSEA)
• 33. نقشه‌برداری مسیرهای متابولیکی از داده‌های کمّی
• 34. تحلیل شبکه‌ای همبستگی متابولیتی (Co-expression Networks)
• 35. تحلیل جریان متابولیکی (Metabolic Flux Analysis)
• 36. پیگیری ایزوتوپ پایدار و تحلیل متابولیسم سلولی
• 37. متابولومیکس بدون هدف و هدفمند: تفاوت و کاربرد
• 38. کنترل کیفیت و پروتکل‌های استانداردسازی آزمایشگاهی
• 39. اصلاح اثر دسته‌بندی (Batch Effect) در داده‌های متابولومیکس
• 40. طراحی آزمایش بهینه برای مطالعات متابولومیکس
• 41. آماده‌سازی نمونه و استخراج متابولیت‌ها برای تحلیل
• 42. استانداردهای داده متابولومیکس: mzML, mzXML و متادیتا
• 43. نرم‌افزارهای متن‌باز تحلیل متابولومیکس (MZmine, MS-DIAL, XCMS)
• 44. برنامه‌نویسی R و Bioconductor برای تحلیل داده‌های متابولیتی
• 45. کتابخانه‌های پایتون برای پردازش و تحلیل طیف‌های جرمی
• 46. تجسم‌سازی داده‌های متابولومیکس: نمودارهای حرارتی و وولکانو
• 47. نمودارهای سامانه‌نمایی و شبکه‌ای برای متابولیت‌ها
• 48. طیف‌سنجی تصویربرداری جرمی (MSI) و تحلیل مکانی متابولیت‌ها
• 49. متابولومیکس فضایی و نقشه‌برداری توزیع متابولیتی
• 50. متابولومیکس سلول تکی: چالش‌ها و روش‌های تحلیلی
• 51. تحلیل داده‌های متابولومیکس زمانی (Time-Series)
• 52. متابولومیکس بالینی و کاربرد در تشخیص بیماری‌ها
• 53. فارماکومتabolومیکس: تحلیل پاسخ دارویی با متابولیت‌ها
• 54. شناسایی بیومارکر متابولیتی و استراتژی‌های اعتبارسنجی
• 55. متابولومیکس محیط‌زیستی و پایش آلاینده‌ها
• 56. متابولومیکس غذایی: اصالت و تشخیص تقلب
• 57. متابولومیکس گیاهان و تحلیل متابولیت‌های ثانویه
• 58. لیپیدومیکس: تحلیل و شناسایی لیپیدها با طیف‌سنجی جرمی
• 59. گلیکومیکس و تحلیل قندهای زیستی با روش‌های کامپیوتری
• 60. پپتیدومیکس و تحلیل پروتئوم‌شکاف متابولیتی
• 61. تحلیل هم‌گن‌سازی داده‌های چند-اومیکس (Multi-Omics Integration)
• 62. یادگیری انتقالی برای تحلیل متابولومیکس با داده‌های محدود
• 63. یادگیری فدرال برای مطالعات چند-مرکزی متابولومیکس
• 64. پلتفرم‌های ابری و محاسبات توزیع‌شده برای داده‌های سنگین متابولیتی
• 65. خودکارسازی خط لوله‌های تحلیل متابولومیکس با اسکریپت
• 66. پایداری و تکرارپذیری در تحلیل‌های کامپیوتری متابولومیکس
• 67. تحلیل‌های پیشرفته: روش‌های تجزیه و همبستگی چندگانه
• 68. بازیابی حالت‌های متابولیکی با مدل‌های یادگیری ماشین
• 69. تحلیل توان آماری و تخمین اندازه نمونه برای متابولومیکس
• 70. شاخص‌های اثر و اهمیت عملی در شناسایی متابولیت‌های کلیدی
• 71. کنترل کیفیت آماری و نمونه‌گیری در مطالعات متابولیتی
• 72. روندهای نوظهور در تحلیل محاسباتی و هوش مصنوعی متابولومیکس