فلش‌کارت‌های آموزشی بازسازی ترانسکریپتوم: روش‌های محاسباتی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بازسازی ترانسکریپتوم: روش‌های محاسباتی و کاربردها

موضوع کلی: بیوانفورماتیک

موضوع میانی: تحلیل داده‌های ژنومی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ترانسکریپتوم و اهمیت آن
• 2. تفاوت ترانسکریپتوم، ژنوم و پروتئوم
• 3. روش‌های مختلف تولید داده‌های ترانسکریپتومی (RNA-Seq, Microarray)
• 4. کیفیت‌سنجی داده‌های RNA-Seq
• 5. اصول پایه‌ای RNA-Seq: کتابخانه‌سازی و سکانسینگ
• 6. فرمت‌های فایل‌های RNA-Seq (FASTQ, BAM, SAM)
• 7. نرم‌افزارهای پیش‌پردازش داده‌های RNA-Seq
• 8. حذف آداپتورها و توالی‌های با کیفیت پایین
• 9. هم‌ترازی (Alignment) داده‌های RNA-Seq با ژنوم مرجع
• 10. نرم‌افزارهای هم‌ترازی (STAR, HISAT2, TopHat)
• 11. شناسایی ترانسکریپت‌های جدید (Novel Transcript Discovery)
• 12. تخمین بیان ژن‌ها (Gene Expression Estimation)
• 13. نرم‌افزارهای تخمین بیان ژن (HTSeq, Salmon, Kallisto)
• 14. نرمال‌سازی داده‌های RNA-Seq
• 15. روش‌های نرمال‌سازی (RPKM, FPKM, TPM)
• 16. تحلیل بیان افتراقی (Differential Gene Expression Analysis)
• 17. نرم‌افزارهای تحلیل بیان افتراقی (DESeq2, edgeR)
• 18. آزمون‌های آماری در تحلیل بیان افتراقی
• 19. تصحیح چندآزمونی (Multiple Testing Correction)
• 20. تحلیل مسیرهای بیولوژیکی (Pathway Analysis)
• 21. غنی‌سازی ژنی (Gene Set Enrichment Analysis - GSEA)
• 22. نقشه‌برداری آنتولوژی ژنی (Gene Ontology Mapping)
• 23. تحلیل تعاملات ژن-ژن (Gene-Gene Interaction Analysis)
• 24. شناسایی ایزوفورم‌های ترانسکریپت (Transcript Isoform Identification)
• 25. نرم‌افزارهای شناسایی ایزوفورم (StringTie, Cufflinks)
• 26. تحلیل اسپلیسینگ جایگزین (Alternative Splicing Analysis)
• 27. تاثیر اسپلیسینگ جایگزین بر عملکرد پروتئین
• 28. تحلیل داده‌های Single-Cell RNA-Seq (scRNA-Seq)
• 29. پیش‌پردازش داده‌های scRNA-Seq
• 30. کاهش ابعاد (Dimensionality Reduction) در scRNA-Seq (PCA, t-SNE, UMAP)
• 31. خوشه‌بندی (Clustering) سلول‌ها در scRNA-Seq
• 32. شناسایی مارکرهای سلولی (Cell Marker Identification)
• 33. تحلیل مسیرهای بیولوژیکی در داده‌های scRNA-Seq
• 34. ادغام داده‌های RNA-Seq و سایر داده‌های اومیکس (Multi-Omics Integration)
• 35. تحلیل ترانسکریپتوم در شرایط استرس
• 36. تحلیل ترانسکریپتوم در سرطان
• 37. تحلیل ترانسکریپتوم در بیماری‌های عفونی
• 38. تحلیل ترانسکریپتوم در گیاهان
• 39. تحلیل ترانسکریپتوم در باکتری‌ها
• 40. تحلیل داده‌های ترانسکریپتوم در مقایسه با پروتئومیک
• 41. مبانی بیوانفورماتیک پیشرفته برای بازسازی ترانسکریپتوم
• 42. استفاده از یادگیری ماشین در تحلیل ترانسکریپتوم
• 43. تحلیل داده‌های long-read RNA-Seq (PacBio, Nanopore)
• 44. چالش‌ها و محدودیت‌های بازسازی ترانسکریپتوم
• 45. ابزارهای بصری‌سازی داده‌های ترانسکریپتوم
• 46. ملاحظات اخلاقی در تحلیل داده‌های ترانسکریپتوم