گنجینه جامع زیست شناسی محاسباتی و آنالیز دیتاهای بیولوژیک

استاد دوره گنجینه جامع زیست شناسی محاسباتی و آنالیز دیتاهای بیولوژیک

مهسا احسانی فرد؛ فارغ التحصیل کارشناسی ارشد ژنتیک و متخصص آنالیز داده های بیومدیکال سرطان
مدت زمان دوره: ۶۲ ساعت
به همراه صدور گواهی مرکز رشد بیوتکنولوژی دانشگاه علوم پزشکی شیراز به زبان انگلیسی

بخش اول – آشنایی با زبان برنامه نویسی R
• آشنایی با محیط نرم افزار R
• آموزش کدنویسی های ضروری
• مفاهیم هر کامند و دستورهای کاربردی
• مفهوم و ساخت ماتریکس، دیتافریم، و جداول
• مفهوم وکتور و متغیرها
• مفاهیم متغیرهای کاراکتری و عددی
• نحوه نصب پکیج ها
• نحوه ی مقایسه ی متغیرها با استفاده از باکس پلات های پیش فرض درون R
• ترسیم برخی نمودارهای تعریفی پیش فرض
• توضیحات تکمیلی
بخش دوم – آنالیز داده های ترنسکریپتوم TCGA:
• معرفی پایگاه TCGA و GDC
• آشنایی با TCGA و داده ها و Bioconductor
• آشنایی با نوع داده ها
• انواع سمپل ها و بارکدها
• آنالیز داده ها
• معرفی پکیج TCGAbiolink
• کد های مرتبط با داده های TCGA
• آماده سازی داده ها و توضیحات
• Preprocessing، نرمالایز و فیلتراسیون
• مرتب کردن بارکدها در R
• گروه بندی سمپل ها
• نرمالایز و فیلترکردن داده ها با پکیج limma و edgeR
• نرمالایز و فیلتر کردن با TCGAbiolinks
• DEG گرفتن
• نحوه ی DEG گرفتن با پکیج edgeR و limma
• نحوه ی DEG گرفتن با پکیج TCGAbiolinks
• توضیحات جداول DEG ها و تفاوت آنها
• دانلود و پردازش داده های miRNA از TCGA
• دانلود داده های miRNA با استفاده از پکیج TCGAbiolinks
• توضیحات miRNA ها و تفاوت با mRNA ها
• آنالیز داده های miRNA
• آزمون core.test بین miRNA و mRNA
• گرفتن داده های clinical از TCGA
• توضیحات داده های کلینیکی
• تفسیر و تفاوت داده های کلینیکی
• دانلود و پردازش داده های کلینیکی با کدنویسی
• اننوتیشن ژنی (gene annotation) و شناسایی ID های ژنی
• پکیج org.Hs.eg.db
• پکیج biomaRt
بخش سوم – آنالیز جهش ژنی از داده های بیانی TCGA:
• دانلود و آنالیز داده های جهش از TCGA و cBioPortal
• شناسایی جهش های ژن ها
• تعیین جهش های خاص
• بررسی فرکانس جهش در هر ژن (Gene Mutation Frequency)
• بررسی Co-occurrence یا هم-اتفاقی جهش
• رسم نمودارهای تعیین جهش
• Somatic interactions و جفت ژن های درگیر در جهش
• میزان بقای ژن های جهش یافته
• آنالیزهای اختصاصی ژن های دارای جهش
بخش چهارم – ترسیم و آنالیز شبکه ceRNA
• توضیحات تئوری و آشنایی با گرفتن داده های mRNA و miRNA و lncRNA از پایگاه داده
• انتخاب ژن های هاب در آنالیز ژن ها از DEG ها
• انتخاب ژن های هاب با آنالیز اینریچمنت
• انتخاب ژن ها و پروتئین های هاب توسط ppi network از string و سایتواسکیپ
• معرفی و آشنایی با سایتواسکیپ
• رسم شبکه با سایتواسکیپ
• انتخاب hub miRNA / lncRNA توسط آنالیز آنها
• target prediction و interaction
• دیتابیس های RNAinter, miRDB targetscan, NPinter, tarbase, lncbase, …
• معرفی و کار با پکیج و دیتابیس multimir برای تارگت یابی
• آماده سازی جدول اکسل برای رسم شبکه
• معرفی شبکه ی ceRNA
• ترسیم شبکه ceRNA در سایتواسکیپ
• آنالیز شبکه با سایتواسکیپ و پلاگین cytohubba
• پارامترهای centrality analysis (MCC, Degree, Betweenness, Closeness)
• آنالیز شبکه با سایتواسکیپ و پلاگین MCODE
• Subnetwork های پروتئینی
بخش پنجم – Weighted Gene Co-expression Network Analysis (WGCNA)
• مباحث تئوری شبکه ها و مفاهیم WGCNA
• شروع کدنویسی در R با پکیج WGCNA
• کلاسترینگ (sample clustering)
• رو ش های کلاستربندی و توزیع نمونه ها
• شناسایی نمونه ی outlier (outlier detection)
• روش های شناسایی و بررسی نمونه ی outlier
• حذف نمونه ی outlier
• ارتباط همبستگی نمونه ها با ویژگی های فنوتایپی ( کلینیکال) و مولکولی
• بررسی همبستگی با هر دو نوع trait های مولکولی و کلینیکال
• شناسایی ماژو ل ها (module detection)
• شناسایی عدد soft power و مبحث scale free
• توضیحات تئوری و عملی soft threshold power
• تشکیل ماتریکس TOM و adjacency به همراه توضیحات تئوری
• مفاهیم connectivity و similarity
• مرج کردن ماژو ل ها
• ایجاد ماژول آیگنژن (module eigengene )
• ارتباط همبستگی ماژول – trait
• molecular & clinical trait-module correlation
• ترسیم هیت مپ همبستگی
• Gene Significance & Module Membership
• شناسایی هاب ماژو ل های مرتبط با trait
• شناسایی هاب ژ ن های درون ماژو ل ها
• Annotation کردن ژ ن ها
• ترسیم شبکه ی وزن دار در سایتواسکیپ
بخش ششم – نمودارهای آنالیزی و انریچمنت ژن
• باکس پلات
• بار پلات
• ویالن (violin) پلات
• ترسیم گراف هیت مپ (heatmap)
• نمودارهای volcano, ridge و correlation
• GO and KEGG functional enrichment
• پکیج clusterProfiler ، و ggplot2 به همراه توضیحات دیتابیس آنلاین
• پکیج gprofiler به همراه توضیحات دیتابیس آنلاین
• رسم نمودار کاپلان- مایر برای آنالیز بقا (survival)