فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی خطوط لوله تحلیل RNA-Seq با Nextflow

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی خطوط لوله تحلیل RNA-Seq با Nextflow

موضوع کلی: بیوانفورماتیک و تحلیل داده‌های زیستی

موضوع میانی: تحلیل داده‌های RNA-Seq و ژنومیکس

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های RNA-Seq
• 2. کیفیت داده‌های RNA-Seq و کنترل آن
• 3. فرمت‌های رایج فایل‌های RNA-Seq
• 4. همترازسازی (Alignment) داده‌های RNA-Seq
• 5. آشنایی با نرم‌افزار همترازساز STAR
• 6. آشنایی با نرم‌افزار همترازساز HISAT2
• 7. بررسی و ارزیابی نتایج همترازسازی
• 8. کوانتیفیکاسیون (Quantification) بیان ژن
• 9. آشنایی با نرم‌افزار featureCounts
• 10. آشنایی با نرم‌افزار HTSeq-count
• 11. نرمال‌سازی داده‌های RNA-Seq
• 12. روش‌های نرمال‌سازی RPKM، FPKM و TPM
• 13. آشنایی با نرم‌افزار DESeq2 برای تحلیل بیان تفاضلی
• 14. آشنایی با نرم‌افزار edgeR برای تحلیل بیان تفاضلی
• 15. تحلیل بیان تفاضلی و شناسایی ژن‌های تنظیم‌شده
• 16. تفسیر نتایج تحلیل بیان تفاضلی
• 17. اصطلاحات آماری در تحلیل RNA-Seq (P-value, FDR)
• 18. تصحیح چندآزمونی در تحلیل RNA-Seq
• 19. آشنایی با آنالیز مسیرهای متابولیکی (Pathway Analysis)
• 20. آشنایی با ابزار DAVID برای آنالیز مسیرهای متابولیکی
• 21. آشنایی با ابزار KEGG برای آنالیز مسیرهای متابولیکی
• 22. آشنایی با ابزار GOseq برای آنالیز GO
• 23. تحلیل داده‌های RNA-Seq در سلول‌های منفرد (Single-Cell RNA-Seq)
• 24. مقدمه‌ای بر تحلیل داده‌های scRNA-Seq
• 25. پیش‌پردازش داده‌های scRNA-Seq
• 26. کلاسترینگ (Clustering) سلول‌ها در داده‌های scRNA-Seq
• 27. شناسایی نشانگرهای اختصاصی سلولی در داده‌های scRNA-Seq
• 28. تجسم داده‌های scRNA-Seq با استفاده از t-SNE و UMAP
• 29. آشنایی با نرم‌افزار Seurat برای تحلیل scRNA-Seq
• 30. آشنایی با نرم‌افزار Scanpy برای تحلیل scRNA-Seq
• 31. مقدمه‌ای بر Nextflow
• 32. نصب و پیکربندی Nextflow
• 33. نوشتن اولین خط لوله Nextflow
• 34. مفاهیم کلیدی در Nextflow (processes, channels, workflows)
• 35. مدیریت وابستگی‌ها در Nextflow
• 36. پارامترسازی خطوط لوله Nextflow
• 37. اجرای خطوط لوله Nextflow
• 38. نظارت بر اجرای خطوط لوله Nextflow
• 39. مدیریت लॉग‌ها در Nextflow
• 40. آشنایی با Docker و Singularity
• 41. استفاده از Docker و Singularity در Nextflow
• 42. ایجاد کانتینر برای خطوط لوله RNA-Seq
• 43. بهینه‌سازی خطوط لوله Nextflow برای اجرا در محیط‌های مختلف
• 44. خط لوله‌های RNA-Seq آماده برای استفاده
• 45. ساخت خط لوله کامل RNA-Seq با Nextflow
• 46. تحلیل واریانت‌های ژنتیکی از داده‌های RNA-Seq
• 47. شناسایی فیوژن‌های ژنی با استفاده از RNA-Seq
• 48. بررسی جایگزین‌های اسپلایسینگ (Alternative Splicing) با استفاده از RNA-Seq
• 49. شناسایی RNAهای غیرکُدشونده (non-coding RNAs) با استفاده از RNA-Seq
• 50. تحلیل RNA-Seq در شرایط مختلف (مثلاً پاسخ به درمان)
• 51. تحلیل RNA-Seq در مطالعات بیماری
• 52. تحلیل RNA-Seq در مطالعات تفاوت‌های فردی
• 53. مقدمه‌ای بر داده‌های Long-Read RNA-Seq (PacBio, Nanopore)
• 54. تحلیل داده‌های Long-Read RNA-Seq
• 55. ادغام داده‌های Short-Read و Long-Read RNA-Seq
• 56. کنترل نسخه (Version Control) با Git در پروژه‌های Nextflow
• 57. همکاری در پروژه‌های Nextflow با استفاده از GitHub
• 58. مقدمه‌ای بر CI/CD برای خطوط لوله Nextflow
• 59. تست و اعتبارسنجی خطوط لوله RNA-Seq
• 60. مستندسازی خطوط لوله RNA-Seq
• 61. بهبود قابلیت اطمینان و تکرارپذیری خطوط لوله RNA-Seq
• 62. تحلیل داده‌های RNA-Seq در محیط ابری (Cloud)
• 63. استفاده از AWS، Google Cloud یا Azure برای تحلیل RNA-Seq
• 64. مقایسه روش‌های مختلف تحلیل RNA-Seq
• 65. انتخاب روش مناسب برای تحلیل RNA-Seq با توجه به سوال پژوهشی
• 66. آشنایی با پایگاه‌های داده RNA-Seq (مثلاً GEO, ArrayExpress)
• 67. استفاده از پایگاه‌های داده RNA-Seq برای طراحی آزمایش‌ها
• 68. آشنایی با ابزارهای تجسم داده‌های RNA-Seq
• 69. آشنایی با نرم‌افزار IGV برای تجسم داده‌های RNA-Seq
• 70. مقدمه‌ای بر یادگیری ماشین در تحلیل RNA-Seq
• 71. استفاده از یادگیری ماشین برای پیش‌بینی بیان ژن
• 72. تحلیل داده‌های RNA-Seq در بافت‌های فضایی (Spatial Transcriptomics)
• 73. مقدمه‌ای بر Spatial Transcriptomics
• 74. تحلیل داده‌های Spatial Transcriptomics با استفاده از Nextflow