کتاب صوتی تحلیل پیشرفته داده‌های ژنومیک و زیست‌شناسی مولکولی با استفاده از ابزارهای Bioconductor

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل پیشرفته داده‌های ژنومیک و زیست‌شناسی مولکولی با استفاده از ابزارهای Bioconductor

موضوع کلی: علوم زیستی و فناوری‌های نوین محاسباتی

موضوع میانی: تحلیل داده‌های بیوانفورماتیک با زبان برنامه‌نویسی R

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی محیط نرم‌افزاری R برای تحلیل‌های زیستی
• 2. آشنایی با ساختار داده‌های بیوانفورماتیک در Bioconductor
• 3. نصب و مدیریت بسته‌های نرم‌افزاری در محیط R
• 4. کار با اشیاء کلاس S4 در بیوانفورماتیک
• 5. مدیریت و دستکاری توالی‌های زیستی با Biostrings
• 6. تحلیل توالی‌های DNA و RNA با استفاده از کلاس XStringSet
• 7. کار با داده‌های ژنومیک در قالب GRanges
• 8. عملیات روی بازه‌های ژنومی و هم‌پوشانی‌ها
• 9. معرفی زیرساخت AnnotationDbi برای حاشیه‌نویسی ژن‌ها
• 10. استفاده از پایگاه‌های داده ژنی در R
• 11. تحلیل داده‌های ریزآرایه (Microarray) با بسته oligo
• 12. پیش‌پردازش و نرمال‌سازی داده‌های بیان ژن
• 13. آشنایی با ساختار داده‌های SummarizedExperiment
• 14. تجسم داده‌های ژنومیک با استفاده از Gviz
• 15. تحلیل بیان افتراقی ژن‌ها با بسته DESeq2
• 16. مدل‌سازی آماری در داده‌های توالی‌یابی نسل جدید (RNA-Seq)
• 17. کنترل کیفیت داده‌های توالی‌یابی با FastQC و R
• 18. تحلیل غنی‌سازی مسیرهای زیستی (Pathway Analysis)
• 19. کار با بسته clusterProfiler برای تفسیر بیولوژیک داده‌ها
• 20. تحلیل داده‌های ChIP-seq برای شناسایی جایگاه‌های اتصال پروتئین
• 21. شناسایی پیک‌ها (Peak Calling) با استفاده از بسته‌های تخصصی
• 22. تحلیل داده‌های تک‌سلولی (Single-cell RNA-seq) با Seurat
• 23. خوشه‌بندی و کاهش ابعاد در داده‌های تک‌سلولی
• 24. تفسیر شبکه‌های تنظیم ژنی در محیط R
• 25. کار با داده‌های متاژنومیک و تحلیل تنوع زیستی
• 26. مدیریت و پردازش داده‌های حجیم با استفاده از بسته‌های موازی
• 27. تجسم پیشرفته داده‌های Omics با ggplot2 و ComplexHeatmap
• 28. یکپارچه‌سازی داده‌های مختلف زیستی (Multi-omics integration)
• 29. کاربرد یادگیری ماشین در طبقه‌بندی نمونه‌های زیستی
• 30. ارزیابی مدل‌های پیش‌بینی در مطالعات بالینی
• 31. نکات اخلاقی و استانداردهای گزارش‌دهی در پژوهش‌های ژنومیک
• 32. مستندسازی و تکرارپذیری تحلیل‌ها با استفاده از R Markdown
• 33. کار با بسته‌های تخصصی برای تحلیل داده‌های پروتئومیکس
• 34. تحلیل تغییرات ساختاری در ژنوم (Structural Variants)
• 35. مدیریت حافظه در تحلیل‌های سنگین بیوانفورماتیک
• 36. اتصال به پایگاه‌های داده عمومی زیستی از طریق R
• 37. طراحی خط لوله (Pipeline) تحلیل داده‌های ژنومیک
• 38. رفع خطاهای متداول در کدهای R در تحلیل‌های زیستی
• 39. بهینه‌سازی کدهای محاسباتی برای داده‌های حجیم
• 40. خروجی گرفتن و گزارش‌دهی نتایج برای مطالعات زیست‌شناسی مولکولی