اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل عملی داده‌های RNA-seq: از پیش‌پردازش تا تفسیر بیولوژیکی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تحلیل عملی داده‌های RNA-seq: از پیش‌پردازش تا تفسیر بیولوژیکی

موضوع کلی: زیست‌شناسی مولکولی و ژنتیک

موضوع میانی: تحلیل داده‌های ژنومیک

📋 سرفصل‌های کتاب (100 موضوع)

• 1. آشنایی با RNA-seq: چیستی، چرایی و زمان استفاده
• 2. مرور زیست‌شناسی مولکولی: ژن‌ها، رونویسی‌ها، تنظیم
• 3. مفهوم بیان ژن
• 4. مروری بر توالی‌یابی نسل جدید (NGS)
• 5. گردش کار RNA-seq: مروری گام به گام
• 6. مزایا و چالش‌های فناوری RNA-seq
• 7. کاربردهای کلیدی RNA-seq در تحقیقات
• 8. مقایسه RNA-seq با سایر روش‌های پروفایلینگ بیان
• 9. انواع داده‌های بنیادی و فرمت‌های فایل
• 10. اصول طراحی آزمایش قوی برای RNA-seq
• 11. تکرارهای بیولوژیکی: اهمیت و تعداد
• 12. شناسایی و مدیریت عوامل مخدوش‌کننده (اثرات بچ)
• 13. تحلیل توان آماری برای مطالعات RNA-seq
• 14. ملاحظات اخلاقی و برنامه‌ریزی مدیریت داده
• 15. جداسازی RNA: روش‌ها و ارزیابی خلوص
• 16. ارزیابی یکپارچگی RNA: امتیاز RIN
• 17. غنی‌سازی mRNA در مقابل حذف RNA ریبوزومی
• 18. مروری بر آماده‌سازی کتابخانه: از RNA تا آداپتورهای توالی‌یابی
• 19. آماده‌سازی کتابخانه رشته‌خاص (Strand-Specific): مزایا
• 20. مالتی‌پلکسینگ کتابخانه‌های RNA-seq با بارکدها
• 21. کنترل کیفیت کتابخانه: غلظت، اندازه قطعه و qPCR
• 22. اصول توالی‌یابی سنتز-بر-اساس-الیلومینا (Illumina Sequencing-by-Synthesis)
• 23. استراتژی‌های توالی‌یابی تک-انتها (Single-End) در مقابل دو-انتها (Paired-End)
• 24. درک داده‌های توالی‌یابی خام: فرمت FASTQ
• 25. ملاحظات عمق توالی‌یابی و طول خوانش
• 26. آشنایی با خط فرمان لینوکس/یونیکس
• 27. فرمان‌های ضروری Shell برای دستکاری داده‌ها
• 28. پیمایش سیستم‌های فایل و مجوزها
• 29. مدیریت نرم‌افزار با Conda و Mamba
• 30. اسکریپت‌نویسی Shell مقدماتی برای خودکارسازی
• 31. آشنایی با محاسبات با کارایی بالا (HPC) و منابع ابری
• 32. ارزیابی اولیه فایل‌های FASTQ
• 33. FastQC: تولید گزارش‌های کیفیت
• 34. تفسیر خروجی FastQC: مسائل رایج کیفیت
• 35. حذف آداپتور و آلاینده‌ها با ابزارهایی مانند Trimmomatic/fastp
• 36. فیلتر کردن خوانش‌ها و بازهای با کیفیت پایین
• 37. MultiQC: تجمیع و خلاصه‌سازی گزارش‌های QC
• 38. بررسی‌های کیفیت پیشرفته: آلودگی و تکرار
• 39. نقش ژنوم‌های مرجع در تحلیل RNA-seq
• 40. منابع اصلی ژنوم مرجع (Ensembl, NCBI, UCSC)
• 41. فایل‌های حاشیه‌نویسی ژن: توضیح فرمت‌های GTF/GFF
• 42. ساخت ایندکس ژنوم مرجع برای هم‌ترازی
• 43. کار با ژنوم‌های ارگانیسم‌های غیرمدل
• 44. اصول هم‌ترازی Spliced برای RNA-seq
• 45. هم‌ترازی‌کننده STAR: راه‌اندازی و استفاده اولیه
• 46. HISAT2: یک هم‌ترازی‌کننده Spliced جایگزین
• 47. فرمت‌های فایل SAM/BAM: ساختار و محتوا
• 48. تفسیر آمارهای هم‌ترازی (فایل‌های Log)
• 49. دستکاری فایل‌های BAM با Samtools و Sambamba
• 50. تجسم خوانش‌های هم‌تراز شده با IGV
• 51. مدیریت خوانش‌های چند-نگاشته شده (Multi-Mapped) و خوانش‌های تکراری
• 52. بهترین روش‌ها برای هم‌ترازی خوانش‌ها
• 53. مروری بر روش‌های کمی‌سازی بیان ژن
• 54. شمارش ویژگی‌ها: استفاده از featureCounts
• 55. شمارش ویژگی‌ها: استفاده از HTSeq-count
• 56. شبه-هم‌ترازی برای کمی‌سازی: Salmon
• 57. شبه-هم‌ترازی برای کمی‌سازی: Kallisto
• 58. مقایسه روش‌های مبتنی بر شمارش در مقابل شبه-هم‌ترازی
• 59. شمارش‌های خام در مقابل مقادیر بیان نرمال‌سازی شده
• 60. طرح‌های مختلف نرمال‌سازی (TPM, FPKM, RPKM)
• 61. آماده‌سازی ماتریس‌های شمارش برای تحلیل‌های پایین‌دست
• 62. بیان افتراقی ژن (DGE) چیست؟
• 63. مفاهیم آماری: آزمون فرضیه، P-values
• 64. مشکل آزمون‌های چندگانه و تنظیم P-value
• 65. تفسیر نرخ کشف کاذب (FDR) و q-value
• 66. مدل‌های آماری برای داده‌های شمارشی RNA-seq
• 67. آشنایی با بسته R DESeq2
• 68. ایجاد یک شیء DESeqDataSet: داده‌های ورودی و طراحی
• 69. اجرای خط لوله تحلیل DESeq2
• 70. استخراج و تفسیر نتایج DESeq2 (Log2FC, P-adjust)
• 71. فشرده‌سازی تغییرات Log2 Fold برای تخمین بهتر
• 72. تجسم نتایج DESeq2: نمودار MA و نمودار Volcano
• 73. مدیریت طرح‌های آزمایش پیچیده با DESeq2
• 74. گنجاندن و تصحیح اثرات بچ در مدل DESeq2
• 75. آشنایی با بسته R edgeR
• 76. آماده‌سازی داده و اجرای تحلیل edgeR
• 77. تفسیر نتایج edgeR
• 78. آشنایی با Limma-Voom برای داده‌های RNA-seq
• 79. اجرای تحلیل Limma-Voom
• 80. مرور مقایسه‌ای DESeq2، edgeR و Limma-Voom
• 81. اصول تحلیل غنی‌سازی عملکردی
• 82. غنی‌سازی Gene Ontology (GO): مفاهیم و دسته‌بندی‌ها
• 83. تحلیل مسیرهای KEGG: شناسایی مسیرهای غنی‌شده
• 84. ابزارهایی برای تحلیل غنی‌سازی: clusterProfiler در R
• 85. تحلیل غنی‌سازی مجموعه ژنی (GSEA): یک رویکرد تکمیلی
• 86. تفسیر و اعتبارسنجی نتایج غنی‌سازی
• 87. تجسم پیشرفته نتایج غنی‌سازی (مثلاً نمودارهای نقطه‌ای، نمودارهای شبکه)
• 88. ساخت و تجسم شبکه‌های هم‌بیانی ژن
• 89. یکپارچه‌سازی داده‌های RNA-seq با پایگاه‌های داده عمومی
• 90. تولید نمودارهای با کیفیت انتشاراتی
• 91. تحلیل Splicing افتراقی: DEXSeq و rMATS
• 92. مونتاژ De Novo ترنسکریپت (مثلاً با Trinity)
• 93. تحلیل RNAهای بلند غیرکدکننده (lncRNAs)
• 94. RNA-seq سری زمانی: روش‌هایی برای بیان پویا
• 95. مقدمه‌ای بر تحلیل RNA-seq تک سلولی (scRNA-seq)
• 96. ترنسکریپتومیکس فضایی: مفاهیم و فناوری‌های نوظهور
• 97. تحلیل بیان آلل-خاص (ASE)
• 98. شناسایی هم‌جوشی ژنی از داده‌های RNA-seq
• 99. عیب‌یابی مسائل رایج تحلیل RNA-seq
• 100. پژوهش‌های قابل تکرار و بهترین روش‌ها در بیوانفورماتیک