دوره فشرده تحلیل داده‌های بیوانفورماتیک با Python ،R و Linux

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

دسترسی به راهنمای عملی در تمام جنبه‌های تحلیل داده‌های بیوانفورماتیک، شامل تمرین‌های عملی، مثال‌های واقعی و نکات کاربردی
درک اصول برنامه‌نویسی زیستی و کاربرد آن در بیوانفورماتیک.
کسب مهارت در استفاده از Python برای بیوانفورماتیک، شامل دستکاری توالی‌ها و تجزیه فایل‌ها
توسعه مهارت در ساخت اپلیکیشن‌های بیوانفورماتیک با Python، از جمله ابزارهای رابط گرافیکی (GUI) برای هم‌ترازی، حاشیه‌نویسی ژنوم و فراخوانی واریانت
یادگیری اسکریپت‌نویسی Bash برای بیوانفورماتیک، شامل دستکاری فایل و ایجاد پایپ‌لاین
درک مفهوم و اهمیت پایپ‌لاین‌های بیوانفورماتیک و چگونگی طراحی و پیاده‌سازی آن‌ها
کسب توانایی تحلیل داده‌های NGS با استفاده از ابزارهای خط فرمان برای کارهایی مانند کنترل کیفیت و تحلیل بیان ژن.
یادگیری اصول و تکنیک‌های فراخوانی واریانت با استفاده از ابزارهای خط فرمان
کسب مهارت در استفاده از R برای بیوانفورماتیک، شامل تحلیل و مصورسازی داده‌ها
یادگیری تکنیک‌های تحلیل داده‌های میکروآرایه با استفاده از R، شامل نرمال‌سازی و تحلیل بیان افتراقی
کسب تجربه عملی در استفاده از Git و GitHub برای کنترل نسخه و همکاری در پروژه‌های بیوانفورماتیک
اعمال مفاهیم و ابزارهای آموخته‌شده روی مجموعه داده‌های واقعی بیوانفورماتیک
توسعه مهارت‌های حل مسئله برای چالش‌های بیوانفورماتیک با استفاده از زبان‌های برنامه‌نویسی و اسکریپت‌نویسی
درک بهترین شیوه ها و استانداردها در تحلیل داده‌های بیوانفورماتیک
کسب بینش در مورد آخرین روندها و پیشرفت‌ها در تحقیقات و کاربردهای بیوانفورماتیک
آمادگی برای ادامه تحصیل یا شروع حرفه در بیوانفورماتیک با اصول قوی در برنامه‌نویسی و تحلیل داده

پیش‌نیازهای دوره

دانش پایه در مفاهیم زیست‌شناسی و ژنتیک.
آشنایی با مفاهیم برنامه‌نویسی (Python ،R) مفید است اما الزامی نیست.
دسترسی به کامپیوتر با اتصال اینترنت
علاقه‌مندی به یادگیری و بررسی در ابزارها و تکنیک‌های بیوانفورماتیک
درک اولیه از سیستم‌عامل Linux (فرمان ها و مدیریت فایل) مفید است اما اجباری نیست.

توضیحات دوره

به دوره جامع تحلیل داده‌های بیوانفورماتیک از پایه با استفاده از Python ،R و Linux خوش آمدید! این دوره طراحی شده تا اصول قوی در بیوانفورماتیک برای شما فراهم کند، فارغ از پیش‌زمینه یا سطح تجربه شما است.

این بوت‌کمپ آموزشی جامع برای دانشجویان، جامعه دانشگاهی و متخصصان صنعت طراحی شده که می‌خواهند درک خود را از داده‌های زیستی گسترش دهند و در حوزه بیوانفورماتیک سرآمد شوند. دنیای بیوانفورماتیک را از طریق نمایش‌های عملی و کاربردی بررسی کنید که تئوری را به کاربردهای دنیای واقعی پیوند می‌دهد.

بیوانفورماتیک حوزه‌ای میان‌رشته‌ای است که زیست‌شناسی، علوم کامپیوتر و آمار را برای تحلیل و تفسیر داده‌های زیستی ترکیب می‌کند. در این دوره، مدرس زبان‌های برنامه‌نویسی و ابزارهای ضروری مورد استفاده در بیوانفورماتیک، شامل Python ،R و Linux را آموزش می‌دهد.

دوره به چندین ماژول تقسیم شده که هر کدام بر جنبه خاصی از تحلیل داده‌های بیوانفورماتیک تمرکز دارد:

مقدمه‌ای بر برنامه‌نویسی زیستی (Python ،R و Linux): شروع کار با مبانی Python ،R و Linux در کاربردهای بیوانفورماتیک.
زبان Python برای بیوانفورماتیک (Biopython برای بیوانفورماتیک): یادگیری Biopython برای دستکاری توالی‌ها و تجزیه فایل‌ها
Python برای توسعه اپلیکیشن‌های بیوانفورماتیک (توسعه اپلیکیشن Tkinter): توسعه اپلیکیشن‌های با رابط گرافیکی (GUI) برای تسک های بیوانفورماتیک
Bash برای بیوانفورماتیک (استفاده از Linux در بیوانفورماتیک): تسلط به اسکریپت‌نویسی Bash برای تسک ها و پایپ‌لاین‌های بیوانفورماتیک
درک پایپ‌لاین بیوانفورماتیک: یادگیری مفاهیم و پیاده‌سازی پایپ‌لاین‌های بیوانفورماتیک
تحلیل داده‌های NGS در Bash (تحلیل بیان ژن با استفاده از خط فرمان): تحلیل داده‌های NGS با ابزارهای خط فرمان
فراخوانی واریانت در Bash: انجام فراخوانی واریانت با استفاده از اسکریپت‌نویسی Bash
R برای بیوانفورماتیک: استفاده از R برای تحلیل و مصورسازی داده‌های بیوانفورماتیک
تحلیل میکروآرایه در R: یادگیری تکنیک‌های تحلیل داده‌های میکروآرایه با استفاده از R
راهنمای GitHub برای دانشجویان: استفاده از Git و GitHub برای کنترل نسخه و همکاری در پروژه‌های بیوانفورماتیک

تا پایان این دوره، شما راهنمایی عملی در تمام جنبه‌های تحلیل داده‌های بیوانفورماتیک به دست خواهید آورد، شامل تمرین‌های عملی، مثال‌های واقعی و نکات کاربردی برای پیاده‌سازی مؤثر ابزارها و تکنیک‌های بیوانفورماتیک. تمام کدهای استفاده شده در GitHub در دسترس خواهند بود.

چه دانشجو باشید، چه محقق یا متخصص در علوم زیستی، این دوره شما را با مهارت‌ها و دانش مورد نیاز برای موفقیت در حوزه بیوانفورماتیک مجهز می‌کند.

این دوره برای چه کسانی مناسب است؟

دانشجویان یا متخصصان علوم زیستی که می‌خواهند مهارت‌های خود را در تحلیل داده‌های بیوانفورماتیک ارتقا دهند.
مبتدیانی که علاقه‌مند به یادگیری برنامه‌نویسی و ابزارهای بیوانفورماتیک از ابتدا هستند.
محققان یا دانشمندانی که قصد دارند تکنیک‌های بیوانفورماتیک را در پروژه‌های تحقیقاتی خود به کار گیرند.
هر کسی که علاقه‌مند به دنبال کردن حرفه‌ای در بیوانفورماتیک است و به دنبال مقدمه‌ای جامع بر این حوزه می‌گردد.
افرادی که می‌خواهند دانش خود را در زبان‌های برنامه‌نویسی (Python ،R) و Linux برای کاربردهای بیوانفورماتیک گسترش دهند.

دوره فشرده تحلیل داده‌های بیوانفورماتیک با Python ،R و Linux

فصل 1: مقدمه‌ای بر برنامه‌نویسی زیستی (Python ،R و Linux)

مقدمه‌ای بر برنامه‌نویسی زیستی 11:24
سه گانه قدرتمند بیوانفورماتیک 09:30
برنامه‌نویسی زیستی! None

فصل 2: زبان Python برای بیوانفورماتیک (Biopython برای بیوانفورماتیک)

مقدمه‌ای بر BioPython 09:58
راه‌اندازی محیط کدنویسی 14:02
توضیح کتابخانه‌های دوره 15:24
فرمت‌های فایل پیشرفته بیوانفورماتیک با BioPython 19:23
تحلیل توالی با استفاده از Biopython 16:14
بازیابی/دسترسی به پایگاه داده با استفاده از Biopython 11:33
کار با ژنوم‌ها با استفاده از Biopython 19:08
ساخت درخت فیلوژنتیکی با استفاده از Biopython 14:08
تحلیل پروتئومیک با استفاده از Biopython 19:55
یادگیری ماشین در بیوانفورماتیک 11:45
بیوپایتون None
تمرین Biopython None

فصل 3: Python برای توسعه اپلیکیشن بیوانفورماتیک (توسعه اپلیکیشن Tkinter)

مقدمه‌ای بر توسعه اپلیکیشن‌های بیوانفورماتیک 10:52
زبان Python برای توسعه اپلیکیشن‌های بیوانفورماتیک 07:46
راه‌اندازی محیط کدنویسی 14:02
مقدمه‌ای بر هم‌ترازی توالی و الگوریتم‌های آن 07:15
کد ابزار هم‌ترازی توالی 10:13
تست و ایجاد فایل اجرایی ابزار هم‌ترازی 06:27
مقدمه‌ای بر حاشیه‌نویسی ژنوم 07:22
کد ابزار حاشیه‌نویسی ژنوم 08:18
تست و ایجاد فایل اجرایی ابزار حاشیه‌نویسی ژنوم 11:15
مقدمه‌ای بر فیلوژنتیک و الگوریتم‌های ساخت درخت 09:32
کد سازنده درخت فیلوژنتیکی 09:54
تست و اجرای سازنده درخت فیلوژنتیکی 09:22
Tkinter! None
مقدمه‌ای بر فراخوانی واریانت 08:41
کد جداساز واریانت 06:18
تست و ایجاد فایل اجرایی جداساز واریانت 05:50
تمرین اجرای اپلیکیشن None

فصل 4: Bash برای بیوانفورماتیک (استفاده از Linux در بیوانفورماتیک)

مقدمه‌ای بر لینوکس (Bash برای بیوانفورماتیک) 18:40
فرمان های اولیه Bash 15:46
ابزارهای NCBI E-utilities در Bash (تحلیل توالی) 16:41
ابزارهای مشهور بیوانفورماتیک (نصب و معرفی) 09:09
Blast برای Linux (همولوژی توالی‌ها) 12:15
تحلیل هم‌ترازی توالی 05:57
تحلیل فیلوژنتیک (ساخت درخت) 14:24
Bash! None
تحلیل فیلوژنتیک با Bash None

فصل 5: لینوکس برای کاربران ویندوز (WSL)

چگونگی راه‌اندازی لینوکس روی ویندوز (WSL) 05:06

فصل 6: درک پایپ‌لاین بیوانفورماتیک

پایپ‌لاین بیوانفورماتیک 07:49

فصل 7: تحلیل داده‌های NGS در Bash (تحلیل بیان ژن با استفاده از خط فرمان)

مقدمه‌ای بر RNA-Seq 04:54
دریافت خوانش‌های SRA 08:17
بررسی کیفیت داده‌ها 07:37
Trim کردن کیفیت داده‌ها 04:32
الاینرها و هم‌ترازی خوانش‌ها با ژنوم 12:47
ایندکس‌گذاری و مرتب‌سازی فایل‌های SAM و Bam 07:14
استخراج ویژگی و اهمیت آن در داده‌های RNA-seq 01:38
RNA-Seq! None
ویژگی‌های استخراج شده از RNA-Seq None

فصل 8: فراخوانی واریانت در Bash

مقدمه‌ای بر فراخوانی واریانت 03:49
واریانت‌ها و انواع آن‌ها 07:19
درک متادیتا و نرم‌افزار 05:21
دریافت داده‌ها از SRA با استفاده از SRA Toolkit 07:17
کنترل کیفیت و Trim کردن 09:45
هم‌ترازی با ژنوم مرجع 10:14
ابزارهای Sam و Bcf، اصلاح NS و فراخوانی واریانت‌ها 07:48
جداسازی واریانت‌های SNP و Indel 05:15
مصورسازی واریانت‌ها با استفاده از IGV و مرورگر UCSC 03:35
فراخوانی واریانت! None
نتایج فایل VCF None

فصل 9: R برای بیوانفورماتیک

مقدمه‌ای بر بیوانفورماتیک و R: بررسی تقاطع زیست‌شناسی 08:01
شروع کار با R: نصب و درک متغیرها 10:15
کار با پکیج‌های R: نصب، بارگذاری و بررسی بیوانفورماتیک 09:34
تحلیل بیان ژن افتراقی با Deseq2: آماده‌سازی داده‌ها 05:27
درک کد Deseq2 17:43
تبدیل شناسه‌های ژن Ensembl به نمادهای ژن: استفاده از تکنیک‌ها و پکیج‌های R 11:30
مصورسازی داده‌های بیان ژن: ایجاد نمودارهای خیره‌کننده با ggplot2 10:14
مقدمه‌ای بر تحلیل داده‌های توالی‌یابی RNA تک‌سلولی (scRNA-seq) 07:15
بررسی کد scRNA-seq: مسیرهای سلولی و دینامیک بیان ژن 21:27
R! None
تبدیل شناسه‌های زیر به نماد با استفاده از R None