اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای بر نظریه ادغام: بازسازی تاریخچه ژنتیکی جمعیت‌ها

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مقدمه‌ای بر نظریه ادغام: بازسازی تاریخچه ژنتیکی جمعیت‌ها

موضوع کلی: ژنتیک جمعیت و تکامل

موضوع میانی: نظریه و مدل‌سازی در ژنتیک جمعیت

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر ژنتیک جمعیت و تکامل
• 2. مبانی ژنتیک مندلی و قوانین وراثت
• 3. مفهوم الل و فراوانی اللی
• 4. قانون هاردی-واینبرگ و مفروضات آن
• 5. انحراف از قانون هاردی-واینبرگ: جهش
• 6. انحراف از قانون هاردی-واینبرگ: انتخاب طبیعی
• 7. انحراف از قانون هاردی-واینبرگ: رانش ژنتیکی
• 8. انحراف از قانون هاردی-واینبرگ: مهاجرت
• 9. پیوند عدم تعادل و عوامل موثر بر آن
• 10. نظریه ادغام: مقدمه و مفاهیم پایه
• 11. درخت های ادغام و زمان ادغام
• 12. توزیع زمان ادغام برای دو نمونه
• 13. توزیع زمان ادغام برای n نمونه
• 14. ارتفاع درخت ادغام و طول شاخه ها
• 15. تنوع نوکلئوتیدی و تخمین θ (تتا)
• 16. مدل بی نهایت جایگاه (Infinite Sites Model)
• 17. توزیع تعداد سایت های متغیر (Segregating Sites)
• 18. تخمین θ از تعداد سایت های متغیر (Watterson's Estimator)
• 19. تخمین θ از تفاوت های جفتی (Pairwise Differences)
• 20. تست های بی طرفی: Tajima's D
• 21. تست های بی طرفی: Fu and Li's Tests
• 22. تست های بی طرفی: Fay and Wu's H
• 23. اثر انتخاب طبیعی بر درخت ادغام
• 24. جاروهای انتخابی (Selective Sweeps)
• 25. شناسایی جاروهای انتخابی
• 26. انتخاب طبیعی متعادل کننده (Balancing Selection)
• 27. اثر ساختار جمعیت بر درخت ادغام
• 28. مدل جزیره ای (Island Model)
• 29. مدل پله سنگی (Stepping-Stone Model)
• 30. درخت ادغام در جمعیت های ساختار یافته
• 31. تخمین نرخ مهاجرت از داده های ژنتیکی
• 32. مدل های رشد جمعیت
• 33. اثر رشد جمعیت بر درخت ادغام
• 34. تخمین نرخ رشد جمعیت
• 35. مدل های جمعیت منقبض شونده (Bottleneck)
• 36. اثر جمعیت منقبض شونده بر درخت ادغام
• 37. تخمین زمان و شدت انقباض جمعیت
• 38. ترکیب (Recombination) و اثر آن بر ادغام
• 39. مدل ادغام با ترکیب (ARG)
• 40. شناسایی ترکیب با استفاده از داده های ژنتیکی
• 41. استنتاج شبکه های فیلوژنتیک
• 42. روش های آماری برای استنتاج درخت ادغام
• 43. روش های مبتنی بر احتمال (Likelihood)
• 44. روش های بیزی (Bayesian)
• 45. روش های تقریب بیزی (Approximate Bayesian Computation)
• 46. نرم افزارهای رایج برای تحلیل ادغام
• 47. MS (Hudson's ms)
• 48. BEAST
• 49. LAMARC
• 50. استفاده از ادغام در فیلوژئوگرافی
• 51. استنتاج تاریخچه پراکنش جغرافیایی
• 52. ارتباط بین تنوع ژنتیکی و الگوهای جغرافیایی
• 53. استفاده از ادغام در بررسی بیماری های ژنتیکی
• 54. شناسایی ژن های بیماری زا
• 55. استنتاج تاریخچه جهش های بیماری زا
• 56. کاربردهای ادغام در کشاورزی و اصلاح نژاد
• 57. شناسایی ژن های مرتبط با صفات مهم
• 58. استنتاج تاریخچه اهلی سازی گیاهان و جانوران
• 59. ادغام در ژنومیکس جمعیت
• 60. تحلیل داده های توالی یابی نسل جدید
• 61. شناسایی تنوع ژنتیکی در مقیاس ژنوم
• 62. ادغام و تکامل ویروس ها
• 63. استنتاج تاریخچه تکاملی ویروس ها
• 64. ردیابی منشا و پراکنش ویروس ها
• 65. ادغام و تکامل باکتری ها
• 66. انتقال افقی ژن (Horizontal Gene Transfer)
• 67. استنتاج روابط تکاملی باکتری ها
• 68. مدل های ادغام پیچیده تر
• 69. ادغام با انتخاب وابسته به فراوانی (Frequency-Dependent Selection)
• 70. ادغام با اثرات اپیستازی (Epistasis)
• 71. روش های شبیه سازی ادغام
• 72. شبیه سازی کوالسنت (Coalescent Simulation)
• 73. شبیه سازی توالی (Sequence Simulation)
• 74. روش های تقریب برای محاسبه احتمال ادغام
• 75. روش های مبتنی بر زنجیره مارکوف مونت کارلو (MCMC)
• 76. روش های مبتنی بر یادگیری ماشین (Machine Learning)
• 77. چالش های موجود در استنتاج درخت ادغام
• 78. عدم قطعیت در داده ها
• 79. پیچیدگی مدل ها
• 80. خطاهای محاسباتی
• 81. آینده نظریه ادغام
• 82. توسعه مدل های جدید
• 83. ادغام با کلان داده ها (Big Data)
• 84. ادغام و هوش مصنوعی
• 85. تفسیر درخت ادغام و نتایج تحلیل
• 86. ارتباط نتایج ادغام با مفاهیم تکاملی
• 87. ارائه نتایج به صورت واضح و قابل فهم
• 88. مقدمه ای بر بیوانفورماتیک و ابزارهای آن
• 89. فرمت های فایل داده های ژنتیکی (FASTA, VCF)
• 90. برنامه نویسی برای تحلیل داده های ژنتیکی (Python, R)
• 91. تصحیح خطاها در داده های توالی یابی
• 92. نرمال سازی داده ها
• 93. آنالیز واریانس (ANOVA)
• 94. رگرسیون خطی و غیرخطی
• 95. آمار بیزی و کاربردهای آن در ژنتیک
• 96. مقدمه ای بر یادگیری ماشین
• 97. روش های طبقه بندی (Classification)
• 98. روش های خوشه بندی (Clustering)
• 99. شبکه های عصبی (Neural Networks)
• 100. کاربرد یادگیری ماشین در ژنتیک جمعیت