لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل دادههای Single-Cell RNA-Seq با R و پایتون
- آخرین آپدیت
دانلود Learn Single-Cell RNA-Seq Data Analysis Using R & Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
تسلط بر تحلیل Single-Cell RNA-seq از صفر با استفاده از R، پایتون و ابزارهای ابری — یادگیری جامع کنترل کیفیت (QC)، خوشهبندی و حاشیهنویسی (Annotation)
درک اصول توالییابی RNA تکسلولی (scRNA-seq) و تفاوتهای آن با bulk RNA-seq.
راهاندازی و استفاده از R و RStudio برای گردش کارهای بیوانفورماتیک، شامل وارد کردن/خروجی دادهها، بصریسازی و مدیریت پکیجها.
انجام کنترل کیفیت و نرمالسازی بر روی دادههای single-cell RNA-seq با استفاده از Seurat در R.
اجرای کاهش ابعاد (PCA/UMAP) و خوشهبندی برای شناسایی جمعیتهای سلولی متمایز.
شناسایی ژنهای نشانگر (Marker Genes) و تحلیل بیان تفاضلی ژنها (DEG) بین خوشهها یا شرایط مختلف.
استفاده از SingleR و مجموعهدادههای مرجع برای حاشیهنویسی انواع سلولها در دادههای تکسلولی.
تحلیل دادههای scRNA-seq در پایتون با استفاده از Scanpy و scVI-tools، از پیشپردازش تا حاشیهنویسی نوع سلول.
بصریسازی نتایج scRNA-seq با نمودارهای ویولنی، PCA، UMAP و نمودارهای آتشفشانی (Volcano plots) برای گرافیکهای در سطح مقالات علمی.
اجرای خطلولههای (Pipelines) تکسلولی مبتنی بر رابط گرافیکی (GUI) و ابری مانند Galaxy یا CodeOcean بدون نیاز به کدنویسی.
بهکارگیری با اعتمادبهنفس خطلولههای کامل scRNA-seq روی مجموعهدادههای واقعی GEO (NCBI) با استفاده از R، پایتون یا ابزارهای GUI.
پیشنیازها: هیچ تجربه قبلی در مورد single-cell RNA-seq مورد نیاز نیست – این دوره برای مبتدیان کامل طراحی شده و هر مفهوم را از صفر به شما آموزش میدهد.
درک اولیه از زیستشناسی یا ژنومیک مفید است اما اجباری نیست. ما تمام اصطلاحات بیولوژیکی ضروری را به روشی ساده و کاربردی توضیح میدهیم.
به هیچ تجربه قبلی در کدنویسی نیاز نیست – ما شما را گامبهگام در استفاده از R و پایتون برای بیوانفورماتیک راهنمایی میکنیم.
داشتن کامپیوتری با دسترسی به اینترنت (ویندوز، مک یا لینوکس) برای نصب R، RStudio، پایتون و سایر ابزارهای رایگان مورد استفاده در دوره ضروری است.
اشتیاق به یادگیری و کاوش در دادههای بیولوژیکی واقعی با استفاده از ابزارهای مدرن بیوانفورماتیک.
(اختیاری) اگر با استفادههای پایه از خط فرمان (Command-line) یا RNA-seq آشنا هستید، مسیر یادگیری شما سریعتر خواهد بود، اما مجدداً تأکید میشود که الزامی نیست!
به دوره جامع ما، “آموزش تحلیل دادههای Single-Cell RNA-Seq با R، پایتون، ابزارهای GUI و پلتفرمهای ابری”خوش آمدید. این دوره طراحی شده است تا شما را به مهارتها و دانش ضروری برای کاوش در یکی از پیشرفتهترین و باکیفیتترین فناوریهای ژنومیک، یعنی توالییابی RNA تکسلولی (scRNA-seq)مجهز کند.
در عصر زیستشناسی دقیق، جایی که درک رفتار تکتک سلولها برای دستیابی به بینشهایی در زیستشناسی سرطان، ایمونولوژی، علوم اعصاب و پزشکی بازساختی حیاتی است، scRNA-seqبه عنوان یک ابزار تحولآفرین ظاهر شده است. این دوره به عنوان نقطه ورود کامل شما به حوزه ترانسکریپتومیکس تکسلولیعمل میکند و شما را از تئوریهای بنیادی تا تحلیل عملی دادهها با استفاده از قدرتمندترین ابزارهای متنباز موجود راهنمایی میکند.
چرا Single-Cell RNA-Seq؟
با توجه به محدودیتهای توالییابی سنتی bulk RNA-seq — که در آن بیان ژن در هزاران یا میلیونها سلول میانگینگیری میشود — روش scRNA-seq به شما اجازه میدهد بیان ژن را در سطح تکسلول تحلیل کنید، ناهمگنیهای پنهان در بافتها را آشکار کنید، انواع سلولهای نادر را شناسایی کنید و ابعاد جدیدی به درک بیماریها و استراتژیهای درمان ببخشید.
بیوانفورماتیک برای عصر تکسلولی
در قلب این دوره، قدرت بینرشتهای بیوانفورماتیکقرار دارد — ترکیبی از زیستشناسی، علوم کامپیوتر و علوم داده. شما بر رویکردهای محاسباتی و چارچوبهای آماری که محرک تحلیل دادههای تکسلولیمدرن هستند مسلط میشوید و یاد میگیرید چگونه از مجموعهدادههای پیچیده، بینشهای بیولوژیکی معنادار استخراج کرده و آنها را تفسیر و بصریسازی کنید.
مسیر یادگیری جامع:از مبانی فناوری تکسلولی تا گردشهای کاری تحلیل در مقیاس کامل، این دوره هر مرحله از تحلیل دادههای scRNA-seq را با وضوح و بینش عملی به شما آموزش میدهد.
تسلط بر ابزارهای متنوع: شما تجربه عملی در هر دو خطلوله تحلیل مبتنی بر R و پایتونبا استفاده از کتابخانههای قدرتمندی مانند Seuratو Scanpyکسب خواهید کرد و همزمان رابطهای گرافیکی و پلتفرمهای ابریمانند Galaxy را برای کسانی که کدنویسی نمیکنند، بررسی میکنید.
دادههای واقعی: با مجموعهدادههای واقعی scRNA-seqاز مخازن عمومی مانند NCBI GEO کار خواهید کرد که به شما در بهکارگیری مهارتهایتان روی دادههای بیولوژیکی واقعی اعتمادبهنفس میدهد.
آموزش تخصصی:از مدرسان باتجربه بیوانفورماتیک بیاموزید که مفاهیم پیچیده را به گامهای یادگیری قابل مدیریت و کاربردی تبدیل میکنند. بخش ۱: مقدمهای بر Single-Cell RNA-Seq
scRNA-seq چیست و چه تفاوتی با bulk RNA-seq دارد
کاربردهای واقعی در پزشکی و زیستشناسی
مروری جامع بر کل خطلوله تحلیل
بخش ۲: شروع کار با R و RStudio
مقدمهای بر برنامهنویسی R برای زیستشناسان
نصب RStudio و درک ساختارهای داده
وارد کردن دادهها، مدیریت پکیجها و ایجاد بصریسازیها با ggplot2 و Seurat
بخش ۳: تحلیل Single-Cell RNA-Seq در R
پیشپردازش دادههای scRNA-seq با Seurat
کنترل کیفیت، نرمالسازی، مقیاسبندی و PCA
خوشهبندی، بصریسازی UMAP، شناسایی ژنهای نشانگر و حاشیهنویسی نوع سلول
بخش ۴: تحلیل Single-Cell RNA-Seq در پایتون
استفاده از Scanpy و scVI-tools
پیادهسازی خطلولههای کامل در پایتون
حاشیهنویسی پیشرفته با استفاده از مدلهایی مانند scANVI
بخش ۵: خطلولههای GUI و مبتنی بر ابر
اجرای تحلیل scRNA-seq بدون کدنویسی
استفاده از پلتفرمهایی مانند Galaxy، CodeOcean یا Cellxgene
دانلود و تحلیل بصری مجموعهدادههای GEO
این دوره برای چه کسانی است:
دانشجویان زیستشناسی یا پزشکی که قصد ورود به حوزه بیوانفورماتیک را دارند
مبتدیان و پژوهشگران بیوانفورماتیک
دانشمندان داده که به دنبال کاربردهای تکسلولی هستند
دانشمندان آزمایشگاهی (Wet lab) که میخواهند دادههای scRNA-seq خود را تحلیل کنند
هر کسی که به ترانسکریپتومیکس با رزولوشن بالا علاقهمند است
آنچه نیاز دارید:
هیچ تجربه قبلی در کدنویسی نیاز نیست — این دوره برای مبتدیان مناسب است
تمام ابزارهای مورد استفاده متنباز و رایگانهستند
آشنایی اولیه با زیستشناسی یا علاقه به ژنومیک مفید است
به ما در این تجربه یادگیری عمیق بپیوندید و اعتمادبهنفس لازم برای اجرای کامل خطلولههای تحلیل single-cell RNA-seq، تفسیر نتایج و مشارکت موثر در تحقیقات پیشرو را کسب کنید. چه هدف شما ایجاد یک مسیر شغلی پژوهشی باشد و چه ارتقای مهارتهایتان به عنوان متخصص علوم زیستی، این دوره دروازه شما برای تسلط بر بیوانفورماتیک تکسلولیبا استفاده از R، پایتون، ابزارهای GUI و پلتفرمهای ابریاست.
سرفصل ها و درس ها
شروع کار با فناوری تکسلولی (تئوری)
Getting Started with Single Cell Technology (Theory)
توالییابی RNA تکسلولی (scRNA seq) چیست؟
What is Single-Cell RNA Sequencing (scRNA-seq)?
از Bulk RNA Seq تا ترانسکریپتومیکس تکسلولی
From Bulk RNA-Seq to Single-Cell Transcriptomics
کاربردهای کلیدی scRNA seq در پژوهش و پزشکی
Key Applications of scRNA-seq in Research and Medicine
مروری بر خطلوله تحلیل Single Cell RNA Seq
Overview of the Single-Cell RNA-Seq Analysis Pipeline
شروع کار با فناوری تکسلولی
Getting Started with Single Cell Technology
شروع کار با R و R Studio
Getting Started with R and R-Studio
مقدمهای بر برنامهنویسی R برای بیوانفورماتیک
Introduction to R Programming for Bioinformatics
راهاندازی R و RStudio برای تحلیل scRNA seq
Setting Up R and RStudio for scRNA-seq Analysis
درک ساختارهای داده در R (وکتورها، لیستها، دیتا فریمها)
Understanding Data Structures in R (Vectors, Lists, Data Frames)
وارد کردن و خروجی گرفتن دادهها در R
Importing and Exporting Data in R
نصب و مدیریت پکیجهای R
Installing and Managing R Packages
تکنیکهای بصریسازی دادهها در R (ggplot2)
Data Visualization Techniques in R (ggplot2)
تحلیل Single Cell RNA Seq در R
Single-Cell RNA-Seq Analysis in R
نصب کتابخانههای مورد نیاز برای scRNA seq در R
Installing Required Libraries for scRNA-seq in R
دانلود و بارگذاری مجموعهدادههای Single Cell RNA seq
Downloading and Loading Single-Cell RNA-seq Datasets
کنترل کیفیت و نرمالسازی دادهها
Quality Control and Data Normalization
کاهش ابعاد، خوشهبندی و بصریسازی
Dimensionality Reduction, Clustering, and Visualization
شناسایی ژنهای نشانگر و بیان تفاضلی
Identifying Marker Genes and Differential Expression
تحلیل Single Cell RNA Seq در R
Single-Cell RNA-Seq Analysis in R
بررسی ناهمگنی تومور با استفاده از دادههای Single Cell RNA seq
Characterizing Tumor Heterogeneity Using Single-Cell RNA-seq Data
تحلیل Single Cell RNA Seq در پایتون
Single-Cell RNA-Seq Analysis in Python
تحلیل Single Cell RNA Seq با استفاده از Scanpy
Single-Cell RNA-Seq Analysis Using Scanpy
تحلیل Single Cell RNA Seq در پایتون
Single-Cell RNA-Seq Analysis in Python
ابزارهای scRNA Seq مبتنی بر GUI و ابری
GUI and Cloud-Based scRNA-Seq Tools
تحلیل دادههای scRNA Seq با استفاده از پلتفرمهای GUI و ابری
Analyzing scRNA-Seq Data using GUI and Cloud Platforms
نمایش نظرات