فلش‌کارت‌های آموزشی راهنمای عملی لینوکس برای تحلیل داده‌های زیستی (BioCode)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای عملی لینوکس برای تحلیل داده‌های زیستی (BioCode)

موضوع کلی: علوم و فناوری در زیست‌شناسی

موضوع میانی: کاربرد سیستم‌عامل لینوکس در پژوهش‌های زیست‌اطلاعاتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زیست‌شناسی محاسباتی
• 2. آشنایی با مفاهیم علوم زیستی
• 3. مبانی زیست‌اطلاعاتی
• 4. مقدمه‌ای بر سیستم‌عامل لینوکس
• 5. تاریخچه و فلسفه لینوکس
• 6. چرا لینوکس برای زیست‌اطلاعاتی؟
• 7. نصب و راه‌اندازی لینوکس
• 8. محیط خط فرمان لینوکس
• 9. دستورات پایه لینوکس
• 10. مدیریت فایل و دایرکتوری
• 11. ویرایشگرهای متن در لینوکس
• 12. اسکریپت‌نویسی در لینوکس (Bash)
• 13. مفاهیم پایگاه داده در زیست‌شناسی
• 14. مقدمه‌ای بر پایگاه‌های داده زیستی
• 15. SQL و پایگاه داده‌های رابطه‌ای
• 16. معرفی ابزارهای خط فرمان لینوکس برای زیست‌اطلاعاتی
• 17. ابزارهای پردازش متن
• 18. ابزارهای مدیریت داده‌های توالی
• 19. مقدمه‌ای بر تحلیل داده‌های ژنومی
• 20. ابزارهای هم‌ترازی توالی (Alignment)
• 21. BLAST و کاربردهای آن
• 22. BLAT و مقایسه با BLAST
• 23. ابزارهای تحلیل داده‌های RNA-Seq
• 24. پردازش داده‌های خام sequencing
• 25. شناسایی و کمّی‌سازی بیان ژن
• 26. تحلیل مسیرهای سیگنالینگ سلولی
• 27. ابزارهای تحلیل داده‌های پروتئومی
• 28. مقدمه‌ای بر پایگاه‌های داده پروتئینی
• 29. ابزارهای جستجو و تحلیل پروتئین
• 30. مدل‌سازی سه‌بعدی پروتئین
• 31. ابزارهای تحلیل ساختار پروتئین
• 32. مقدمه‌ای بر تحلیل داده‌های متابولومیکس
• 33. پردازش و تحلیل داده‌های طیف‌سنجی جرمی
• 34. ابزارهای شناسایی متابولیت‌ها
• 35. تحلیل شبکه‌های متابولیکی
• 36. مقدمه‌ای بر تحلیل داده‌های اپی‌ژنتیک
• 37. پردازش داده‌های ChIP-Seq
• 38. تحلیل داده‌های متیلاسیون DNA
• 39. ابزارهای تحلیل داده‌های میکروبیوم
• 40. مقدمه‌ای بر زیست‌شناسی سیستمی
• 41. مدل‌سازی سیستم‌های زیستی
• 42. تحلیل شبکه‌های تنظیم ژنی
• 43. شبیه‌سازی سیستم‌های زیستی
• 44. ابزارهای بصری‌سازی داده‌های زیستی
• 45. مقدمه‌ای بر ابزارهای گرافیکی
• 46. آشنایی با ابزارهای خط فرمان برای بصری‌سازی
• 47. تکنیک‌های بصری‌سازی داده‌های توالی
• 48. بصری‌سازی ساختار پروتئین
• 49. بصری‌سازی شبکه‌های زیستی
• 50. مقدمه‌ای بر یادگیری ماشین در زیست‌شناسی
• 51. الگوریتم‌های پایه یادگیری ماشین
• 52. کاربرد یادگیری ماشین در طبقه‌بندی توالی
• 53. پیش‌بینی ساختار پروتئین با یادگیری ماشین
• 54. کاربرد یادگیری ماشین در کشف دارو
• 55. امنیت در سیستم‌عامل لینوکس
• 56. مبانی امنیت سایبری
• 57. حفاظت از داده‌های حساس زیستی
• 58. مدیریت دسترسی و مجوزها
• 59. پشتیبان‌گیری و بازیابی اطلاعات
• 60. مقدمه‌ای بر محاسبات توزیع‌شده
• 61. کاربرد محاسبات توزیع‌شده در زیست‌اطلاعاتی
• 62. ابزارهای مدیریت خوشه‌ها (Cluster)
• 63. پردازش موازی در لینوکس
• 64. مقدمه‌ای بر ابزارهای مدیریت پروژه
• 65. مدیریت و سازماندهی پروژه‌های زیست‌اطلاعاتی
• 66. مستندسازی در پروژه‌های علمی
• 67. ابزارهای کنترل نسخه (Git)
• 68. همکاری تیمی در پروژه‌های علمی
• 69. مقدمه‌ای بر داده‌های بزرگ (Big Data) در زیست‌شناسی
• 70. چالش‌های داده‌های بزرگ زیستی
• 71. ابزارهای پردازش داده‌های بزرگ
• 72. کاربرد Hadoop و Spark در زیست‌اطلاعاتی
• 73. مقدمه‌ای بر هوش مصنوعی در زیست‌شناسی
• 74. یادگیری عمیق (Deep Learning) در زیست‌شناسی
• 75. شبکه‌های عصبی کانولوشنی (CNN)
• 76. شبکه‌های عصبی بازگشتی (RNN)
• 77. کاربرد هوش مصنوعی در تشخیص بیماری
• 78. مقدمه‌ای بر اخلاق در زیست‌اطلاعاتی
• 79. حریم خصوصی داده‌های ژنتیکی
• 80. مالکیت داده‌های تحقیقاتی
• 81. ملاحظات اخلاقی در استفاده از هوش مصنوعی
• 82. استانداردهای داده در زیست‌شناسی
• 83. مقدمه‌ای بر بیوانفورماتیک سلامت
• 84. تحلیل داده‌های بالینی
• 85. کاربرد بیوانفورماتیک در پزشکی شخصی
• 86. توسعه ابزارهای بیوانفورماتیکی
• 87. مقدمه‌ای بر محاسبات علمی در لینوکس
• 88. فریم‌ورک‌های محاسباتی علمی
• 89. کتابخانه‌های علمی در پایتون (NumPy, SciPy)
• 90. کاربرد R در تحلیل داده‌های زیستی
• 91. مقدمه‌ای بر بیوانفورماتیک ساختاری
• 92. تحلیل داده‌های پروتئین و DNA
• 93. مدل‌سازی مولکولی
• 94. شبیه‌سازی دینامیک مولکولی
• 95. مقدمه‌ای بر بیوانفورماتیک تکاملی
• 96. تحلیل فیلوژنتیک
• 97. بازسازی درختان تکاملی
• 98. تحلیل ژنومیک تطبیقی
• 99. مقدمه‌ای بر هوش مصنوعی مولد
• 100. کاربرد هوش مصنوعی مولد در طراحی دارو