فلش‌کارت‌های آموزشی مدل‌های مبتنی بر گراف برای شبکه‌های مولکولی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های مبتنی بر گراف برای شبکه‌های مولکولی

موضوع کلی: برنامه‌نویسی کامپیوترهای شخصی

موضوع میانی: AI in Statistical Mechanics

📋 سرفصل‌های دوره

• 1. فصل اول: مقدمه‌ای بر شبکه‌های مولکولی
• 2. فصل دوم: مبانی نظری گراف‌ها
• 3. فصل سوم: نمایش شبکه‌های مولکولی با استفاده از گراف‌ها
• 4. فصل چهارم: انواع گره‌ها و یال‌ها در شبکه‌های مولکولی
• 5. فصل پنجم: معیارهای مرکزیت در گراف‌های شبکه‌های مولکولی
• 6. فصل ششم: تحلیل ساختار شبکه‌های مولکولی
• 7. فصل هفتم: کشف جوامع در شبکه‌های مولکولی
• 8. فصل هشتم: مدل‌های مبتنی بر بازی در شبکه‌های مولکولی
• 9. فصل نهم: نظریه اطلاعات و شبکه‌های مولکولی
• 10. فصل دهم: مدل‌های دینامیکی بر روی شبکه‌های مولکولی
• 11. فصل یازدهم: انتشار اطلاعات در شبکه‌های مولکولی
• 12. فصل دوازدهم: دینامیک روندها در شبکه‌های مولکولی
• 13. فصل سیزدهم: مدل‌سازی تکاملی شبکه‌های مولکولی
• 14. فصل چهاردهم: یادگیری ماشین و شبکه‌های مولکولی
• 15. فصل پانزدهم: طبقه‌بندی و خوشه‌بندی در شبکه‌های مولکولی
• 16. فصل شانزدهم: پیش‌بینی ویژگی گره‌ها در شبکه‌های مولکولی
• 17. فصل هفدهم: شبکه‌های مولکولی و یادگیری عمیق
• 18. فصل هجدهم: شبکه‌های عصبی گراف (GNNs)
• 19. فصل نوزدهم: معماری‌های مختلف GNN
• 20. فصل بیستم: کاربردهای GNN در زیست‌شناسی مولکولی
• 21. فصل بیست و یکم: مدل‌سازی برهم‌کنش پروتئین-پروتئین
• 22. فصل بیست و دوم: شبکه‌های مسیرهای سیگنالینگ
• 23. فصل بیست و سوم: شبکه‌های ژن رگولاتوری
• 24. فصل بیست و چهارم: شبکه‌های متابولیکی
• 25. فصل بیست و پنجم: شبکه‌های دارویی مولکولی
• 26. فصل بیست و ششم: پیش‌بینی اثرات داروها
• 27. فصل بیست و هفتم: کشف اهداف دارویی جدید
• 28. فصل بیست و هشتم: مدل‌سازی بیماری‌ها با شبکه‌های مولکولی
• 29. فصل بیست و نهم: شناسایی نشانگرهای زیستی بیماری
• 30. فصل سی‌ام: تحلیل شبکه‌های مولکولی سلول‌های منفرد
• 31. فصل سی و یکم: پویایی شبکه‌های مولکولی در طول زمان
• 32. فصل سی و دوم: مدل‌سازی شبکه‌های مولکولی در شرایط مختلف
• 33. فصل سی و سوم: تداخل شبکه‌ها در مطالعات مولکولی
• 34. فصل سی و چهارم: شبکه‌های مولکولی و هوش مصنوعی
• 35. فصل سی و پنجم: داده‌کاوی در شبکه‌های مولکولی
• 36. فصل سی و ششم: الگوریتم‌های جستجوی گراف
• 37. فصل سی و هفتم: الگوریتم‌های بهینه‌سازی در شبکه‌های مولکولی
• 38. فصل سی و هشتم: تجسم شبکه‌های مولکولی
• 39. فصل سی و نهم: ابزارها و کتابخانه‌های نرم‌افزاری
• 40. فصل چهلم: چالش‌های محاسباتی در شبکه‌های مولکولی
• 41. فصل چهل و یکم: داده‌های بزرگ در زیست‌شناسی مولکولی
• 42. فصل چهل و دوم: استانداردهای داده برای شبکه‌های مولکولی
• 43. فصل چهل و سوم: اعتبار سنجی مدل‌های شبکه‌ای
• 44. فصل چهل و چهارم: تفسیر نتایج مدل‌های شبکه‌ای
• 45. فصل چهل و پنجم: اخلاق در مدل‌سازی شبکه‌های مولکولی
• 46. فصل چهل و ششم: آینده شبکه‌های مولکولی و مدل‌سازی آن‌ها
• 47. فصل چهل و هفتم: یادگیری انتقالی در شبکه‌های مولکولی
• 48. فصل چهل و هشتم: شبکه‌های مولکولی مولتی‌مدال
• 49. فصل چهل و نهم: یادگیری گراف خودنظارتی
• 50. فصل پنجاهم: شبکه‌های گراف مولد
• 51. فصل پنجاه و یکم: پیش‌بینی پویایی مولکولی
• 52. فصل پنجاه و دوم: مدل‌سازی مولکولی با یادگیری عمیق
• 53. فصل پنجاه و سوم: طراحی مولکول‌های جدید با GNNs
• 54. فصل پنجاه و چهارم: پیش‌بینی خواص مولکولی
• 55. فصل پنجاه و پنجم: اکتشاف دارو با استفاده از GNNs
• 56. فصل پنجاه و ششم: تجزیه و تحلیل مسیرهای مولکولی
• 57. فصل پنجاه و هفتم: مدل‌سازی فعل و انفعالات مولکولی
• 58. فصل پنجاه و هشتم: شبکه‌های مولکولی در تحقیقات سرطان
• 59. فصل پنجاه و نهم: شبکه‌های مولکولی در بیماری‌های عفونی
• 60. فصل شصتم: شبکه‌های مولکولی در اختلالات عصبی
• 61. فصل شصت و یکم: شبکه‌های مولکولی در متابولومیکس
• 62. فصل شصت و دوم: شبکه‌های مولکولی در پروتئومیکس
• 63. فصل شصت و سوم: شبکه‌های مولکولی در ترانسکریپتومیکس
• 64. فصل شصت و چهارم: ادغام داده‌های چند-اُمیکس
• 65. فصل شصت و پنجم: استنتاج علّی در شبکه‌های مولکولی
• 66. فصل شصت و ششم: مدل‌سازی زمان-وابسته در شبکه‌های مولکولی
• 67. فصل شصت و هفتم: شبکه‌های مولکولی و یادگیری تقویتی
• 68. فصل شصت و هشتم: بهینه‌سازی استراتژی‌های درمانی
• 69. فصل شصت و نهم: مدل‌سازی اثرات متقابل داروها
• 70. فصل هفتادم: پیش‌بینی مقاومت دارویی
• 71. فصل هفتاد و یکم: شبکه‌های مولکولی در زیست‌شناسی مصنوعی
• 72. فصل هفتاد و دوم: طراحی مدارهای ژنی
• 73. فصل هفتاد و سوم: مدل‌سازی سیستم‌های بیولوژیکی پیچیده
• 74. فصل هفتاد و چهارم: شبیه‌سازی شبکه‌های مولکولی
• 75. فصل هفتاد و پنجم: تحلیل حساسیت مدل‌ها
• 76. فصل هفتاد و ششم: عدم قطعیت در مدل‌های شبکه‌ای
• 77. فصل هفتاد و هفتم: یادگیری مبتنی بر دانش در شبکه‌های مولکولی
• 78. فصل هفتاد و هشتم: تفسیرپذیری مدل‌های GNN
• 79. فصل هفتاد و نهم: مدل‌های گراف قابل تفسیر
• 80. فصل هشتادم: معیارهای ارزیابی GNNs
• 81. فصل هشتاد و یکم: آموزش GNNs با داده‌های محدود
• 82. فصل هشتاد و دوم: یادگیری چند وظیفه‌ای در GNNs
• 83. فصل هشتاد و سوم: شبکه‌های گراف ناهمگن
• 84. فصل هشتاد و چهارم: مدل‌سازی شبکه‌های مولکولی پویا
• 85. فصل هشتاد و پنجم: شبکه‌های مولکولی با ویژگی‌های متنی
• 86. فصل هشتاد و ششم: استخراج اطلاعات از مقالات علمی
• 87. فصل هشتاد و هفتم: ساخت شبکه‌های مولکولی از متون
• 88. فصل هشتاد و هشتم: پردازش زبان طبیعی در زیست‌شناسی
• 89. فصل هشتاد و نهم: شبکه‌های مولکولی در کشف استعداد ژنتیکی
• 90. فصل نودم: مدل‌سازی وراثت در شبکه‌های مولکولی
• 91. فصل نود و یکم: شبکه‌های مولکولی در اپی‌ژنتیک
• 92. فصل نود و دوم: مدل‌سازی تاثیرات محیطی
• 93. فصل نود و سوم: شبکه‌های مولکولی در اکولوژی مولکولی
• 94. فصل نود و چهارم: مدل‌سازی روابط بین گونه‌ای
• 95. فصل نود و پنجم: شبکه‌های مولکولی در تکامل
• 96. فصل نود و ششم: مدل‌سازی دینامیک تکاملی
• 97. فصل نود و هفتم: شبکه‌های مولکولی و بیوانفورماتیک
• 98. فصل نود و هشتم: ابزارهای محاسباتی پیشرفته
• 99. فصل نود و نهم: چالش‌های آینده در مدل‌سازی مولکولی
• 100. فصل صدم: افق‌های نو در شبکه‌های مولکولی