فلش‌کارت‌های آموزشی پردازش و تحلیل داده‌های حجیم سلول‌های منفرد: از پیش‌پردازش تا تفسیر نتایج

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش و تحلیل داده‌های حجیم سلول‌های منفرد: از پیش‌پردازش تا تفسیر نتایج

موضوع کلی: بیوانفورماتیک و تحلیل داده‌های زیستی

موضوع میانی: تحلیل داده‌های ژنومیکس و ترانسکریپتومیکس

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بیوانفورماتیک و داده‌های زیستی
• 2. ژنومیکس و ترانسکریپتومیکس: مفاهیم بنیادین
• 3. تکنولوژی‌های نسل جدید توالی‌یابی (NGS)
• 4. کیفیت داده‌های NGS: ارزیابی و کنترل
• 5. فرمت‌های رایج داده‌های NGS
• 6. پیش‌پردازش داده‌های RNA-seq
• 7. همترازی (Alignment) داده‌های RNA-seq
• 8. کوانتیفیکاسیون بیان ژن
• 9. نرم‌افزارهای رایج برای همترازی و کوانتیفیکاسیون RNA-seq
• 10. نرم‌افزار STAR: اصول و کاربردها
• 11. نرم‌افزار Salmon: اصول و کاربردها
• 12. نرم‌افزار HTSeq: اصول و کاربردها
• 13. نرم‌افزار DESeq2: تحلیل بیان افتراقی
• 14. نرم‌افزار edgeR: تحلیل بیان افتراقی
• 15. اصول آمار در تحلیل بیان افتراقی
• 16. تصحیح چندآزمونی (Multiple Testing Correction)
• 17. تحلیل مسیرهای بیولوژیکی (Pathway Analysis)
• 18. غنی‌سازی ژنی (Gene Set Enrichment Analysis - GSEA)
• 19. نقشه‌های مسیرهای متابولیکی
• 20. پایگاه‌های داده ژنومیکس و ترانسکریپتومیکس
• 21. آنوتاسیون ژن‌ها و پروتئین‌ها
• 22. تحلیل واریانت‌های ژنتیکی (Variant Analysis)
• 23. شناسایی واریانت‌های تک نوکلئوتیدی (SNPs)
• 24. شناسایی واریانت‌های درج و حذف (Indels)
• 25. تحلیل واریانت‌های ساختاری (Structural Variants)
• 26. اثرات واریانت‌ها بر عملکرد پروتئین
• 27. تحلیل داده‌های Single-Cell RNA-seq (scRNA-seq)
• 28. پیش‌پردازش داده‌های scRNA-seq
• 29. کاهش ابعاد (Dimensionality Reduction) در داده‌های scRNA-seq
• 30. خوشه‌بندی (Clustering) سلول‌ها
• 31. شناسایی نشانگرهای سلولی (Cell Markers)
• 32. تجسم داده‌های scRNA-seq
• 33. تحلیل زیرمجموعه‌های سلولی (Subpopulation Analysis)
• 34. تراکم سلولی و تحلیل فضایی (Spatial Transcriptomics)
• 35. ادغام داده‌های scRNA-seq و bulk RNA-seq
• 36. تحلیل مسیرهای بیولوژیکی در داده‌های scRNA-seq
• 37. شناسایی وضعیت‌های سلولی (Cell State Identification)
• 38. تحلیل دینامیک بیان ژن در طول زمان (Pseudotime Analysis)
• 39. تحلیل برهم‌کنش‌های ژن-ژن (Gene-Gene Interaction Analysis)
• 40. تحلیل داده‌های ATAC-seq
• 41. تحلیل داده‌های ChIP-seq
• 42. تحلیل داده‌های Methyl-seq
• 43. تحلیل داده‌های proteomics
• 44. ادغام داده‌های Multi-omics
• 45. تحلیل داده‌های microbiome
• 46. استفاده از یادگیری ماشین در بیوانفورماتیک
• 47. شبکه‌های بیولوژیکی (Biological Networks)
• 48. مقدمه‌ای بر تحلیل داده‌های CRISPR
• 49. تحلیل داده‌های RNA velocity
• 50. تحلیل داده‌های CITE-seq
• 51. تحلیل داده‌های Visium
• 52. تحلیل داده‌های spatial transcriptomics
• 53. تفسیر نتایج تحلیل‌های بیوانفورماتیکی
• 54. ارائه و گزارش نتایج
• 55. مبانی اخلاقی در تحلیل داده‌های زیستی
• 56. امنیت داده‌های زیستی و حریم خصوصی
• 57. چالش‌ها و محدودیت‌های تحلیل داده‌های حجیم
• 58. آینده بیوانفورماتیک و تحلیل داده‌های زیستی