اپلیکیشن اندرویدی فلش‌کارت آموزشی مدل‌سازی و تحلیل آماری ژنوم: از اصول تا کاربردها

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مدل‌سازی و تحلیل آماری ژنوم: از اصول تا کاربردها

موضوع کلی: روش‌های کمی در علوم زیستی

موضوع میانی: مدل‌سازی و تحلیل داده‌های ژنتیکی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر ژنتیک آماری و ژنومیک
• 2. اهمیت روش‌های کمی در تحلیل ژنتیکی
• 3. مفاهیم پایه ریاضی: جبر خطی و ماتریس‌ها
• 4. مفاهیم پایه ریاضی: حساب دیفرانسیل و انتگرال
• 5. مقدمه‌ای بر تئوری احتمال: فضای نمونه و پیشامدها
• 6. قوانین احتمال: شرطی، ترکیب و تعویض
• 7. قضیه بیز و کاربردهای آن در ژنتیک
• 8. متغیرهای تصادفی گسسته و پیوسته
• 9. توزیع‌های گسسته: برنولی، دوجمله‌ای، پواسن
• 10. توزیع‌های پیوسته: نرمال، کای دو، t-استیودنت
• 11. نمونه‌برداری و توزیع‌های نمونه‌برداری
• 12. برآوردگرها: ویژگی‌ها و انواع (ML, MOM)
• 13. فواصل اطمینان و تفسیر آنها
• 14. مفاهیم پایه آزمون فرض آماری
• 15. انواع خطا در آزمون فرض و توان آماری
• 16. ساختار DNA و مفاهیم پایه ژنتیک
• 17. ژن، آلل، ژنوتیپ و فنوتیپ
• 18. الگوهای توارث مندلی: غالب، مغلوب، وابسته به X
• 19. مبانی ژنتیک جمعیت: فراوانی آللی و ژنوتیپی
• 20. تعادل هاردی-واینبرگ: اصول و مفروضات
• 21. اندازه‌گیری انحراف از تعادل هاردی-واینبرگ
• 22. داده‌های ژنتیکی: انواع و فرمت‌ها (SNP, Indel, CNV)
• 23. کنترل کیفیت داده‌های ژنتیکی: بررسی هویت، خویشاوندی
• 24. داده‌های فنوتیپی: کمی و کیفی
• 25. پایگاه‌های داده ژنتیکی: معرفی و کاربردها
• 26. مکان‌یابی ژن‌ها: رویکردهای پیوستگی و همبستگی
• 27. میوز و نوترکیبی: مبانی ژنتیکی
• 28. اندازه‌گیری نرخ نوترکیبی: برآوردگر حداکثر درستنمایی
• 29. مفهوم نقشه ژنتیکی و واحد سنتیمورگان
• 30. تحلیل پیوستگی دو نقطه‌ای (Two-point Linkage)
• 31. محاسبه نمره LOD: اصول و تفسیر
• 32. نمره‌دهی LOD در وضعیت عدم اطمینان فاز
• 33. تحلیل پیوستگی در دودمان‌های بزرگ و پیچیده
• 34. الگوریتم الکان (Elston-Stewart) برای دودمان‌ها
• 35. تحلیل پیوستگی چند نقطه‌ای (Multipoint Linkage)
• 36. مدل‌های پیوستگی پارامتریک و ناپارامتریک
• 37. چالش‌های تحلیل پیوستگی: هتروژنیتی ژنتیکی
• 38. تصحیح برای آزمون‌های چندگانه در پیوستگی
• 39. نرم‌افزارهای تحلیل پیوستگی (مثلاً Merlin, LINKAGE)
• 40. کاربردهای بالینی تحلیل پیوستگی
• 41. محدودیت‌ها و آینده تحلیل پیوستگی
• 42. نیروهای تکاملی: جهش، رانش ژنتیکی، شارش ژنی، انتخاب
• 43. مدل‌های رانش ژنتیکی: سایز مؤثر جمعیت
• 44. شارش ژنی و مهاجرت: تأثیر بر ساختار جمعیت
• 45. انتخاب طبیعی: انواع و مدل‌های ریاضی
• 46. ضریب همخونی (Inbreeding Coefficient) و محاسبه آن
• 47. تحلیل ساختار جمعیت: F-Statistics (FST, FIS, FIT)
• 48. آنالیز مؤلفه‌های اصلی (PCA) در ژنتیک جمعیت
• 49. ساختار ژنتیکی جمعیت‌ها: خوشه‌بندی (Clustering)
• 50. عدم تعادل پیوستگی (Linkage Disequilibrium - LD): مفهوم و اندازه‌گیری
• 51. بلوک‌های LD و هاپلوتایپ‌ها
• 52. تاریخچه جمعیت و بازسازی آن از LD
• 53. هاپلوتایپ‌ها: برآورد و کاربردها
• 54. نقشه برداری دقیق با استفاده از LD (Fine Mapping)
• 55. تشخیص انتخاب مثبت با روش‌های آماری
• 56. تشخیص آمیزش (Admixture) در جمعیت‌ها
• 57. مفاهیم پایه ژنتیک کمی: صفات پیوسته
• 58. مدل فنوتیپی: وراثت‌پذیری و اجزای واریانس
• 59. وراثت‌پذیری: تعریف، محاسبه و تفسیر (H2, h2)
• 60. روش‌های تخمین وراثت‌پذیری (Correlation, Regression)
• 61. صفات چندژنی و ژن‌های کنترل‌کننده صفت کمی (QTL)
• 62. طراحی مطالعات برای مکان‌یابی QTL
• 63. مکان‌یابی QTL در دودمان‌های آزمایشی
• 64. مکان‌یابی QTL با مدل‌های رگرسیون
• 65. مکان‌یابی QTL با مدل‌های واریانس مؤلفه
• 66. مدل‌های چندگانه QTL و تعامل ژن-ژن
• 67. چالش‌ها و محدودیت‌ها در مکان‌یابی QTL
• 68. مطالعات همبستگی (Association Studies): اصول و طراحی
• 69. مطالعات مورد-شاهدی (Case-Control Studies)
• 70. مطالعات مبتنی بر خانواده (Family-Based Designs): TDT
• 71. تحلیل همبستگی ژنوتیپ-فنوتیپ
• 72. مطالعات جامع ژنوم (GWAS): اصول و روش‌شناسی
• 73. چالش‌های آماری در GWAS: اثرات جمعیت، آزمون‌های چندگانه
• 74. تصحیح برای آزمون‌های چندگانه در GWAS (Bonferroni, FDR)
• 75. استراتژی‌های کنترل کیفیت داده‌ها در GWAS
• 76. متاآنالیز در GWAS: ترکیب نتایج مطالعات
• 77. شناسایی و تحلیل واریانت‌های نادر در GWAS
• 78. استفاده از هاپلوتایپ‌ها در مطالعات همبستگی
• 79. مدل‌های رگرسیون لجستیک در GWAS
• 80. مدل‌های خطی و ترکیبی برای صفات کمی در GWAS
• 81. همبستگی ژنومیک و نقش ژنوم در وراثت‌پذیری
• 82. عوامل مخدوش‌کننده (Confounders) در GWAS
• 83. نقشه برداری دقیق پس از GWAS
• 84. تحلیل داده‌های توالی‌یابی (Sequencing Data Analysis): مبانی
• 85. فراخوانی واریانت (Variant Calling) و فیلترینگ
• 86. حاشیه‌نویسی واریانت (Variant Annotation) و تفسیر اثرات
• 87. ژنومیکس عملکردی: تحلیل داده‌های RNA-seq (مقدماتی)
• 88. اپی‌ژنومیکس: تحلیل داده‌های متیلاسیون (مقدماتی)
• 89. تعاملات ژن-محیط و مدل‌سازی آنها
• 90. فارماکوژنومیکس و پزشکی شخصی
• 91. کاربرد یادگیری ماشین در ژنتیک: SVM, Random Forest
• 92. شبکه‌های ژنتیکی و تحلیل پیچیدگی بیولوژیکی
• 93. ژنتیک سرطان: رویکردهای آماری و محاسباتی
• 94. تجزیه و تحلیل داده‌های تک سلولی در ژنتیک (مقدماتی)
• 95. پلتفرم‌های محاسباتی برای ژنتیک آماری (HPC, Cloud)
• 96. نرم‌افزارهای محبوب: PLINK, GATK, R/Bioconductor
• 97. مبانی برنامه‌نویسی در R برای تحلیل ژنتیکی
• 98. مبانی برنامه‌نویسی در پایتون برای تحلیل ژنتیکی
• 99. چالش‌های Big Data در ژنومیک و راه‌حل‌ها
• 100. آینده مدل‌سازی و تحلیل آماری ژنوم: روندهای جدید