فلش‌کارت‌های آموزشی الگوریتم‌های پیشرفته برای یافتن الگو در داده‌های ژنومی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب الگوریتم‌های پیشرفته برای یافتن الگو در داده‌های ژنومی

موضوع کلی: طراحی الگوریتم در مقیاس ژنوم برای تحلیل توالی‌های زیستی

موضوع میانی: روش‌های مدرن در تحلیل داده‌های توالی‌یابی با توان بالا

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر داده‌های ژنومی و چالش‌های آن
• 2. مفاهیم پایه بیوانفورماتیک و تحلیل توالی
• 3. ساختار داده‌های DNA و RNA
• 4. انواع داده‌های ژنومی در عصر توالی‌یابی با توان بالا
• 5. الگوریتم‌های اساسی در بیوانفورماتیک
• 6. مقدمه‌ای بر الگوریتم‌های یافتن الگو
• 7. مفهوم رشته، زیررشته و پیشوند
• 8. الگوریتم جستجوی رشته ساده (نایو)
• 9. بهبود جستجوی رشته: الگوریتم کروت-موریس-پرات (KMP)
• 10. الگوریتم بویل-مور (BM)
• 11. کاربرد جستجوی رشته در یافتن الگوهای ژنومی
• 12. مقدمه‌ای بر الگوریتم‌های تطبیق تقریبی (Approximate Matching)
• 13. مفهوم فاصله ویرایش (Edit Distance)
• 14. الگوریتم ویگنر-وولف (Wagner-Fischer) برای محاسبه فاصله ویرایش
• 15. تطبیق تقریبی با استفاده از فیلترهای مبتنی بر K-mer
• 16. الگوریتم‌های تطبیق تقریبی برای یافتن زیررشته‌های مشابه
• 17. کاربرد تطبیق تقریبی در یافتن جهش‌ها و پلی‌مورفیسم‌ها
• 18. مقدمه‌ای بر الگوریتم‌های ساختار تکراری (Repeat Finding Algorithms)
• 19. مفهوم تکرار در ژنوم
• 20. الگوریتم‌های جستجوی تکرارهای ساده (Simple Repeat Finding)
• 21. الگوریتم‌های یافتن تکرارهای متناظر (Tandem Repeats)
• 22. الگوریتم‌های یافتن تکرارهای پراکنده (Scattered Repeats)
• 23. کاربرد یافتن تکرار در تحلیل ساختار ژنوم و تکامل
• 24. مقدمه‌ای بر الگوریتم‌های هم‌ترازی توالی (Sequence Alignment Algorithms)
• 25. مفهوم هم‌ترازی سراسری (Global Alignment)
• 26. الگوریتم نیدلمن-وانش (Needleman-Wunsch)
• 27. مفهوم هم‌ترازی محلی (Local Alignment)
• 28. الگوریتم اسمیت-واترمن (Smith-Waterman)
• 29. هم‌ترازی چندگانه توالی (Multiple Sequence Alignment - MSA)
• 30. الگوریتم‌های MSA مبتنی بر جفت (Pairwise)
• 31. الگوریتم‌های MSA مبتنی بر راهنما (Profile-Based)
• 32. الگوریتم‌های MSA تطبیقی (Progressive MSA)
• 33. کاربرد هم‌ترازی توالی در یافتن همولوگ‌ها و تکامل
• 34. مقدمه‌ای بر الگوریتم‌های جمع‌آوری مجدد ژنوم (Genome Assembly Algorithms)
• 35. مفهوم جمع‌آوری مجدد ژنوم
• 36. چالش‌های جمع‌آوری مجدد ژنوم
• 37. الگوریتم‌های مبتنی بر گراف دی براون (De Bruijn Graph Assembly)
• 38. الگوریتم‌های مبتنی بر گراف همپوشانی (Overlap Graph Assembly)
• 39. ارزیابی کیفیت جمع‌آوری مجدد ژنوم
• 40. کاربرد جمع‌آوری مجدد ژنوم در توالی‌یابی کامل ژنوم
• 41. مقدمه‌ای بر الگوریتم‌های یافتن ژن (Gene Finding Algorithms)
• 42. مفهوم ژن و ساختار آن
• 43. الگوریتم‌های مبتنی بر مدل‌های آماری (Statistical Models)
• 44. مدل‌های پنهان مارکوف (Hidden Markov Models - HMMs) برای یافتن ژن
• 45. الگوریتم‌های مبتنی بر مقایسه توالی (Comparative Genomics)
• 46. پیش‌بینی ژن در پروکاریوت‌ها و یوکاریوت‌ها
• 47. کاربرد یافتن ژن در شناسایی پروتئین‌های عملکردی
• 48. مقدمه‌ای بر الگوریتم‌های تحلیل بیان ژن (Gene Expression Analysis Algorithms)
• 49. مفهوم بیان ژن و سطوح آن
• 50. داده‌های حاصل از توالی‌یابی RNA (RNA-Seq)
• 51. الگوریتم‌های شمارش خوانش‌ها (Read Counting)
• 52. شناسایی ژن‌های افتراقی بیان شده (Differentially Expressed Genes)
• 53. خوشه‌بندی (Clustering) داده‌های بیان ژن
• 54. کاربرد تحلیل بیان ژن در درک فرآیندهای سلولی
• 55. مقدمه‌ای بر الگوریتم‌های تحلیل شبکه‌های ژنی (Gene Network Analysis Algorithms)
• 56. مفهوم شبکه‌های تنظیم ژنی
• 57. الگوریتم‌های استنتاج شبکه‌های ژنی (Gene Network Inference)
• 58. شناسایی ماژول‌های عملکردی در شبکه‌ها
• 59. تجسم شبکه‌های ژنی
• 60. کاربرد تحلیل شبکه‌های ژنی در فهم تعاملات مولکولی
• 61. مقدمه‌ای بر الگوریتم‌های تحلیل داده‌های اپی‌ژنتیک (Epigenetic Data Analysis Algorithms)
• 62. مفهوم اپی‌ژنتیک و انواع آن (متیلاسیون DNA، تغییرات هیستون)
• 63. داده‌های حاصل از ChIP-Seq و Bisulfite Sequencing
• 64. الگوریتم‌های یافتن قله (Peak Calling) در داده‌های ChIP-Seq
• 65. تحلیل الگوهای متیلاسیون DNA
• 66. کاربرد تحلیل داده‌های اپی‌ژنتیک در مطالعه تنظیم ژن
• 67. مقدمه‌ای بر الگوریتم‌های تحلیل داده‌های متاژنومیکس (Metagenomics Data Analysis Algorithms)
• 68. مفهوم متاژنومیکس و مطالعه جوامع میکروبی
• 69. الگوریتم‌های طبقه‌بندی توالی (Sequence Classification)
• 70. کتابخانه‌های مرجع و پایگاه‌های داده متاژنومیکی
• 71. الگوریتم‌های تجزیه و تحلیل تنوع (Diversity Analysis)
• 72. کاربرد تحلیل داده‌های متاژنومیکس در مطالعه اکوسیستم‌های میکروبی
• 73. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین در بیوانفورماتیک
• 74. مفهوم یادگیری ماشین نظارت شده و بدون نظارت
• 75. الگوریتم‌های طبقه‌بندی (Classification Algorithms)
• 76. الگوریتم‌های خوشه‌بندی (Clustering Algorithms)
• 77. الگوریتم‌های کاهش ابعاد (Dimensionality Reduction)
• 78. کاربرد یادگیری ماشین در پیش‌بینی عملکرد ژن و بیماری
• 79. مقدمه‌ای بر الگوریتم‌های یادگیری عمیق (Deep Learning Algorithms) در بیوانفورماتیک
• 80. شبکه‌های عصبی کانولوشنی (CNNs) برای تحلیل توالی
• 81. شبکه‌های عصبی بازگشتی (RNNs) برای تحلیل توالی
• 82. کاربرد یادگیری عمیق در پیش‌بینی ساختار پروتئین و تنظیم ژن
• 83. الگوریتم‌های بهینه‌سازی در بیوانفورماتیک
• 84. الگوریتم‌های ژنتیک (Genetic Algorithms)
• 85. الگوریتم‌های ازدحام ذرات (Particle Swarm Optimization)
• 86. کاربرد الگوریتم‌های بهینه‌سازی در حل مسائل پیچیده بیوانفورماتیک
• 87. مقدمه‌ای بر ابزارها و نرم‌افزارهای رایج در بیوانفورماتیک
• 88. پایگاه‌های داده ژنومی (NCBI, Ensembl)
• 89. نرم‌افزارهای خط فرمان (BLAST, Bowtie, BWA)
• 90. نرم‌افزارهای گرافیکی (IGV, Geneious)
• 91. استانداردها و فرمت‌های داده در بیوانفورماتیک
• 92. چالش‌های محاسباتی در تحلیل داده‌های ژنومی در مقیاس بزرگ
• 93. استفاده از محاسبات موازی و توزیع شده
• 94. کاربرد الگوریتم‌های پیشرفته در تحقیقات ژنومیک مدرن
• 95. مطالعات مقایسه‌ای ژنومی و تکامل
• 96. ژنومیک پزشکی و شخصی‌سازی درمان
• 97. طراحی دارو و توسعه درمان‌های مبتنی بر ژنوم
• 98. فناوری‌های جدید در توالی‌یابی و تأثیر آن بر الگوریتم‌ها
• 99. آینده الگوریتم‌های پیشرفته در بیوانفورماتیک
• 100. اخلاق و حریم خصوصی در تحلیل داده‌های ژنومی