کتاب صوتی تحلیل شبکه‌ای در مطالعات چند-اومیکس: از تئوری تا کاربرد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل شبکه‌ای در مطالعات چند-اومیکس: از تئوری تا کاربرد

موضوع کلی: علوم داده و بیوانفورماتیک

موضوع میانی: تحلیل داده‌های ژنومی و پروتئومی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل شبکه‌ای در بیولوژی
• 2. چند-اومیکس: معرفی و انواع داده‌ها
• 3. شبکه‌های بیولوژیکی: مفاهیم پایه و انواع
• 4. نرم‌افزارهای کلیدی برای تحلیل شبکه‌ای
• 5. آماده‌سازی داده‌های چند-اومیکس برای تحلیل شبکه‌ای
• 6. نرمال‌سازی داده‌های مختلف اومیکس
• 7. ادغام داده‌های اومیکس: چالش‌ها و راهکارها
• 8. ساخت شبکه‌های ژنی
• 9. ساخت شبکه‌های پروتئین-پروتئین (PPI)
• 10. ساخت شبکه‌های متابولیکی
• 11. ساخت شبکه‌های تنظیم‌کننده
• 12. تحلیل مرکزیت در شبکه‌های بیولوژیکی
• 13. درجه مرکزی (Degree Centrality)
• 14. بینابینی مرکزی (Betweenness Centrality)
• 15. نزدیکی مرکزی (Closeness Centrality)
• 16. تحلیل مدولار در شبکه‌های بیولوژیکی
• 17. شناسایی ماژول‌ها و کلاسترها
• 18. تحلیل غنی‌سازی ژنی (Gene Ontology Enrichment)
• 19. تحلیل مسیرهای بیولوژیکی (Pathway Analysis)
• 20. شبکه‌های همبستگی (Correlation Networks)
• 21. شبکه‌های علّی (Causal Networks)
• 22. تحلیل شبکه‌های وزنی (Weighted Networks)
• 23. تحلیل شبکه‌های دینامیکی (Dynamic Networks)
• 24. تحلیل شبکه‌های چندلایه (Multilayer Networks)
• 25. تحلیل شبکه‌های مبتنی بر گراف (Graph-based Networks)
• 26. مصورسازی شبکه‌های بیولوژیکی
• 27. ابزارهای مصورسازی شبکه‌های بیولوژیکی
• 28. تحلیل شبکه‌های بیماری (Disease Networks)
• 29. شناسایی ژن‌های کلیدی در بیماری‌ها
• 30. تحلیل شبکه‌های دارویی (Drug Networks)
• 31. شناسایی اهداف دارویی بالقوه
• 32. تحلیل شبکه‌های پاسخ به درمان
• 33. پیش‌بینی پاسخ به درمان بر اساس شبکه‌های بیولوژیکی
• 34. تحلیل شبکه‌های تکاملی (Evolutionary Networks)
• 35. مطالعات موردی: تحلیل شبکه‌ای در سرطان
• 36. مطالعات موردی: تحلیل شبکه‌ای در بیماری‌های عصبی
• 37. مطالعات موردی: تحلیل شبکه‌ای در بیماری‌های عفونی
• 38. کاربرد تحلیل شبکه‌ای در پزشکی شخصی‌سازی‌شده
• 39. چالش‌ها و محدودیت‌های تحلیل شبکه‌ای
• 40. آینده تحلیل شبکه‌ای در مطالعات چند-اومیکس
• 41. روش‌های کاهش ابعاد در تحلیل شبکه‌ای
• 42. تحلیل شبکه‌های مبتنی بر یادگیری ماشین
• 43. تحلیل شبکه‌های مبتنی بر یادگیری عمیق
• 44. تحلیل شبکه‌های مبتنی بر هوش مصنوعی
• 45. ارزیابی و اعتبارسنجی نتایج تحلیل شبکه‌ای
• 46. تحلیل حساسیت شبکه‌ها
• 47. تحلیل robustness شبکه‌ها
• 48. مقدمه‌ای بر پایگاه داده‌های شبکه‌ای بیولوژیکی
• 49. کار با پایگاه داده‌های شبکه‌ای معروف
• 50. آشنایی با زبان‌های برنامه‌نویسی مربوط به تحلیل شبکه‌ای (R, Python)
• 51. تحلیل شبکه‌های مبتنی بر داده‌های تک‌سلولی