دقیق ترین نرم افزار انتخاب رشته با بیش از ۲۰۰ هزار داوطلب ثبت شده

دوره آموزشی بیوانفورماتیک

تماس با ما
دریافت مشاوره رایگان بصورت تلفنی

بیوانفورماتیک، یک دانش بین رشته‌ای است که بنابه ماهیت خود، با علوم مختلف زیست شناسی، ریاضی، آمار، فیزیک و کامپیوتر، در ارتباط همیشگی است. متخصصان این رشته، از ابزارهای مختلف محاسباتی، برای تفسیر داده‌های زیستی کمک می‌گیرند و به همین دلیل، ‌می‌بایست از پایه علمی محکمی در زمینه‌های ریاضی و کامپیوتر، برخوردار باشند.یادگیری مهارت های لازم در این رشته برای ورود به بازار کاری مناسب آن که به جهت پیشرفت روزافزون فناوری گسترش چشمگیری داشته است بسیار پر کاربرد خواهد بود.

دوره آموزشی بیوانفورماتیک

anformat.jfif

معرفی بیوانفورماتیک

Bioinformatics (بیوانفورماتیک) یک حوزه بین رشته ای است که روش ها و ابزارهای نرم افزاری را برای درک داده های بیولوژیکی ، به ویژه هنگامی که مجموعه داده ها بزرگ و پیچیده هستند ، توسعه می دهد. به عنوان یک رشته بین رشته ای از علوم ، بیوانفورماتیک زیست شناسی ، علوم کامپیوتر ، مهندسی اطلاعات ، ریاضیات و آمار را برای تجزیه و تحلیل و تفسیر داده های بیولوژیکی ترکیب می کند. از بیوانفورماتیک برای تجزیه و تحلیل داده های بیولوژیکی با استفاده از تکنیک های ریاضی و آماری استفاده شده است.

بیوانفورماتیک (bioinformatics) علم نوینی است که در آن با استفاده از کامپیوتر، نرم افزارهای کامپیوتری و بانکهای اطلاعاتی سعی میگردد تا به مسائل بیولوژیکی بخصوص در زمینه های سلولی و ملکولی پاسخ داده شود در این علم با بکارگیری کامپیوتر سعی می گردد تا تحقیقات وسیعتری در خصوص پروتئینها و ژنها بعمل آید. با پیشرفت دانش و تجهیزات در علوم زیست‌شناسی به ویژه علوم سلولی و مولکولی با افزایش حجم عظیم داده‌های استخراج شده از سلول‌ها و به تبع آن موجودات مواجه هستیم. افزایش این حجم از داده‌ها و به سبب آن نیاز به ذخیره، بازیابی و تحیل مناسب این داده‌ها، موجب پیدایش علم بیوانفورماتیک گردید. این دانش نوظهور، به عنوان یک دانش بین رشته‌ای، تلاش می‌کند تا با استفاده از تکنیک‌های موجود در علوم کامپیوتر، ریاضیات، شیمی، فیزیک و علوم مرتبط دیگر، مسایل مختلف زیست‌شناختی را که معمولاً در سطح مولکولی هستند حل کند.

تلاش‌های پژوهشی اصلی در این رشته عبارتند از: تطابق توالی، کشف ژن، گردآوری ژنوم، تنظیم ساختار پروتئینی، پیش‌بینی ساختارهای دوم و سوم پروتئین، پیش‌بینی بیان ژن و تعاملات پروتئین- پروتئین و مدلسازی تکامل. بیوانفورماتیک یک دانش بین رشته‌ای است که شامل روشها و نرمافزارهایی برای فهم اطلاعات زیستی است. بیوانفورماتیک به عنوان یک دانش بین رشته‌ای، به منظور تجزیه و تحلیل و تفسیر اطلاعات زیست‌شناسی، از ترکیب علوم کامپیوتر، آمار، ریاضی و مهندسی استفاده می‌کند.

به عبارتی دیگر از بیوانفورماتیک برای تجزیه و تحلیل درون کامپیوتریِ مسائل زیست‌شناسی با استفاده از تکنیک‌های ریاضی و آمار استفاده می‌شود. دو شاخه اصلی بیوانفورماتیک، پروتئومیک و ژنومیک میباشد: ژنومیک شامل تجزیه و تحلیل دادها و اطلاعات ژنتیکی بخصوص ژنوم موجودات است. در حقیقت ژنوم را باید توالی کل DNA موجود در سلولهای یک جاندار دانست که بعنوان ماده ژنتیکی عمل مینماید و سبب بروز صفات وراثتی (فنوتیپ) میشود، با انتقال ماده وراثتی از یک نسل به نسل دیگر، صفات ارثی از یک نسل به نسل بعد منتقل میشود. در موجوداتی که تولید مثل جنسی دارند، ژنها از طریق سلول جنسی نر (اسپرم) و سلول جنسی ماده (اووم) به نوزاد منتقل میشود.

بطور خلاصه باید گفت که ژنومیک شامل توالی یابی و آنالیز ژنها و رونوشتهای آنها در یک موجود زنده ست. پروتئومیک به آنالیز پروتئینهای یک موجود زنده گفته میشود. در واقع پروتئومیک دانش بررسی ساختار و عملکرد پروتئین ها در مقیاس بزرگ است. این واژه را به قیاس ژنومیک (به معنی دانش بررسی ژن ها) ساخته اند.

علاوه بر ژنومیک و پروتئومیک، شاخه های دیگری از علوم زیستی وجود دارند که در بیو انفورماتیک از آنها استفاده میشود که عبارتند از: متابولومیک و ترانسکریپتومیک. در هرکدام از این بخشها سعی میشود تا به سوالات و پیچیدگیهای علم حیات (زیست شناسی) پاسخ داده شود. در حوزه متابولومیک سعی میشود تا دادهایی که در خصوص متابولیتهای سلولی هستند مورد مطالعه و تجزیه وتحلیل قرار گیرد و در علم ترانسکریپتومیک دادهایی که در خصوص رونویسی از روی DNA است مورد بحث و بررسی قرار میگیرد.

علم بیوانفورماتیک میتواند ابزاری در جهت توسعه تکنولوژی مهندسی ژنتیک و مهندسی پروتئین باشد. برخی از محققین امروزی، فصل جدیدی در حوزه علم بیوانفورماتیک معرفی میکنند که نام آنرا زیست سیستم System- Biology نام نهاده اند.

زیست سیستم یا دستگاه زیستی دست یافته جدیدی است که برای پاسخگوئی به مباحث پیچیده زیستی توسط محققان بکار میرود. زیست سیستم شامل برهمکنش میان ژنومیک و پروتئومیک و نیز دادههای بیو انفورماتیک است که برای درک کامل از فعالیتهای سیستمهای زیستی بکار میرود. امروزه شناخت توالی DNA به تنهائی پاسخگوی نیاز علمی دانشمندان زیست شناس نمیباشد بلکه مکانیسم عمل ملکولها و اجزاء سلولی به شدت مورد توجه قرار گرفته است.

تحقیقاتی که امروزه در زمینه سلولهای بنیادین، تمایز سلولی، بیان ژنها و نحوه عملکرد آنها و نیز نحوه عملکرد و همکاری کلیه اجزاء سلول مثل میتوکندی و یا پلاستها صورت پذیرفته به عنوان دادهای خام برای علم بیوانفورماتیک بکار میرود.

پس اگر

نسبت به مسائل مختلف حوزه زیست‌شناسی، مثل عملکرد مولکول‌های زیستی، شبکه‌های انتقال پیام و نحوه اثر داروها، کنجکاو هستید.

از کار با رایانه، کدنویسی و یادگیری نرم‌افزارهای مختلف، لذت می‌برید.

تفکر خلاق دارید.

از ورود به کارهای چالشی، لذت می‌برید.

عاشق ریاضی و محاسبات پیچیده هستید.

دارای قدرت مسئله‌یابی، منظم‌سازی اطلاعات و شناسایی الگوها هستید.

از تمرکز خوبی برخوردارید.

تمایل به تولید و طراحی نرم‌افزار و ورود به میدان رقابت در این حوزه را دارید.

در زبان انگلیسی، مهارت کافی را دارید.

بیوانفورماتیک مناسب شماست.

گرایش های مرتبط با رشته بیوانفورماتیک چه هستند؟

ارتباط تنگاتنگی بین رشته بیوانفورماتیک و زیست شناسی محاسباتی (Computational Biology) وجود دارد. به طور کلی، این گرایش‌ها مجموعه‌ای از رایانه‌ها، نرم‌افزارها و پایگاه‌های اطلاعاتی را در یک ساختار منظم و هدفمند، به کار می‌گیرند تا از آن برای پاسخگویی به پرسش‌هایی در حوزه زیست شناسی، بهره بگیرند. گاهی، پاسخ‌دهی به این پرسش‌ها، نیازمند پردازش حجم انبوهی از اطلاعات است. پردازش داده‌های ژنومیکس و پروتئومیکس، نمونه‌ای از چنین داده‌کاوی‌هایی در مقیاس وسیع، به شمار می‌روند.زیست شناسی سامانه‌ای (Systems Biology)، یکی از نوین‌ترین شاخه‌های زیست شناسی است که هدف آن بررسی رفتار سلول‌ها با یک نگاه کل‌نگر است. متخصصان این حوزه، به جای یک ژن، مجموعه عظیمی از ژن‌ها را به طور همزمان، مورد بررسی قرار می‌دهند و ارتباطات و چگونگی تاثیر آن‌ها را بر یکدیگر، مطالعه می‌کنند. این شاخه از علم،‌ به همراه گرایش‌های مشتق از آن، مانند بیوتکنولوژی سامانه‌ای (Systems Biotechnology) و زیست شناسی سامانه‌ای محاسباتی (Computational Systems Biology) در تعامل نزدیکی با بیوانفورماتیک هستند.

داده‌کاوی پزشکی (Medical Informatics) نوعی از مهندسی اطلاعات است که در زمینه سلامتی کاربرد دارد. بخش عمده‌ای از این رشته دانشگاهی، به مدیریت و استفاده از اطلاعات پزشکی بیماران، می‌پردازد. این گرایش از علوم کامپیوتر، از فناوری اطلاعات پزشکی برای توسعه، پیشرفت و بهبود خدمات سلامتی استفاده می‌کند تا خدماتی با کیفیت بالاتر، کارایی بهتر، هزینه کمتر و فرصت‌های جدیدتر ارائه شود.

کاربردهای بیوانفورماتیک

بررسی و آنالیز اطلاعات توالی DNA برای جایگیری ژن هابررسی و آنالیز اطلاعات توالی RNA برای پیش بینی ساختار آن هابررسی و آنالیز اطلاعات توالی پروتئین ها برای پیش بینی محل قرارگیری آن ها در سلولبررسی و آنالیز تصاویر بیان ژنیافتن مولکول های دارویی جدید

سرفصل های آموزش تخصصی و جامع بیوانفورماتیک

معرفی بیوانفورماتیک، اهمیت و کاربرد آن

 آموزش شیوه جستجو در پایگاه داده مقالات مانند pmc،  pubmed و Scopus: مقدمه ای برای نوشتن مقالات متا آنالیز (meta-analysis paper)

آموزش پایگاه های داده های زیستی

1. آموزش پایگاه های داده NCBI

2. آموزش پایگاه های داده ensemble و ucsc

4. آموزش پایگاه های داده توالی ژنومی و پروتئینی5. آموزش نحوه جستجو در داده توالی ژنومی و پروتئینی6. آموزش نحوه تعیین خصوصیات یک ژن در پایگاه های داده7. آموزش نحوه تعیین واریانت های  بیانی (transcription variant) یک ژن8. آموزش نحوه تعیین ایزوفرم ها پروتئینی  یک ژن9. آموزش نحوه تعیین جهش های (SNP)  یک ژن10. آموزش نحوه تعیین پروموتر یک ژن11. آموزش پروژه ژنوم انسان در پایگاه های داده

آموزش عملی بلاست blast

1. آموزش روش های بلاست کردن

2. آموزش نحوه بلاست نمودن توالی ها در پایگاه ها داده (ncbi، ensemble، ucsc و …)

3. آموزش نحوه بلاست توالی نوکلئوتیدی با پایگاه های داده نوکلئوتیدی (blastn nucleotide blast:)4. آموزش نحوه بلاست توالی پروتئین با پایگاه های داده پروتیئن (blastp protein blast:)5. آموزش کاربردهای روش های بلاست blastx tblastn tblastx

آموزش تعیین عملکرد پروتئین ها و دومین های آن ها

1. آموزش نحوه تعیین عملکرد یک پروتئین نا شناخته2. آموزش وب سایت های بررسی ساختار و دومین های پروتئین ها3. آموزش عملکرد پروتئین ها4. آموزش نحوه برریسی میانکنش پروتئین ها با یکدیگر در شبکه های ژنی5. آموزش نرم افزار cytoscape (جهت ترسیم شبکه های ژنی)6. آموزش سایت DAVID جهت بررسی عملکرد پروتیئن ها

7. آموزش سایت KEGG جهت تعیین مسیرهای بیوشیمیایی پروتیئن ها در موجودات

آموزش فیلوژنتیک و رسم درخت فیلوژنتیکی

1. بررسی انواع هم ردیفی (alignment) و انطباق دو یاچند توالی زیستی و امتیاز دهی به آن ها2. Local alignment OR Global aligment؟3. آموزش نرم افزار editseq4. آموزش نرم افزار megalign5. بررسی روابط تکاملی و ترسیم درختچه فیلوژنتیکی براساس توالی DNA6. بررسی روابط تکاملی و ترسیم درختچه فیلوژنتیکی براساس توالی پروتئین7. آموزش نحوه بررسی اعتبار درختچه های فیلوزنتیکی

8. بررسی نحوه رسم درخچه های فیلوژنتیکی با نرم افزار mega 6

9. بررسی نحوه ترسیم درخچه های فیلوژنتیکی براساس مارکرهای SSR، ISSR و RAPD با نرم افزار Ntsys10. بررسی ویژگی های فیلوژنتیکی جمعیت ها و افراد نمونه مانند شاخص های قرابت و تنوع براساس مارکرهای SSR ، ISSR  و RAPD با نرم افزار popgene11. نحوه انجام انالیزها PCA برای خوشه بندی افراد و جمعیت ها

anforr.jfif

آموزش تخصصی طراحی پرایمر

1. آموزش اصول طراحی پرایمر

2. آموزش نرم افزار oligo 7

3. آموزش طراحی پرایمر با نرم افزار آنلاین  Primer3

4. بررسی کیفیت پرایمرهای طراحی شده5. بررسی اختصاصی بودن پرایمرهای طراحی شده6. طراحي پرايمر در تکنیک PCR-RFLP7. طراحي پرايمر برای بررسی بیان ژن با Real time PCR8. آموزش نحوه طراحی پرایمر برای سنتز cDNA اختصاصی و cDNA عمومی برای ژن ها9. آموزش نحوه طراحی پرایمر برای تکثیر (و یا سنجش بیان ) فقط یک واریانت خاص از ژن نه همه واریانت ها10. آموزش نحوه طراحی پرایمر برای سنتز cDNA اختصاصی و cDNA عمومی برای میکروRNA ها11. آموزش نحوه طراحی پرایمر لنگر (anchor) برای سنتز cDNA برای میکروRNA ها  و ویژگی هایی که باید داشته باشد12. آموزش نحوه طراحی پرایمر اختصاصی برای میکروRNA ها  و چگونگی هماهنگی آن با پرایمر لنگر13. آموزش نحوه طراحی پرایمر برای سنتز cDNA اختصاصی برای کشف قسمت  برای کشف قسمت 3/   ژن ها (mRNA) (3/ RACE)14. آموزش نحوه طراحی پرایمر برای سنتز cDNA اختصاصی برای کشف قسمت 5/   ژن ها (mRNA) (5/ RACE)15. آموزش نحوه طراحی پرایمر جهت کشف ژن ها در گونه های نزدیک به هم16. آموزش نحوه طراحی پرایمر برای سنتز shRNA (سازه ای برای کاهش بیان ژن ها)17. آموزش نحوه نحوه طراحی پرایمرهای هم پوشان برای حذف و یا اضافه نمودن قسمتی از ژن ها و یا SOEing pcr18. آموزش نحوه طراحی پرایمر برای جهش زایی در ژن ها19. آموزش نحوه طراحی پرایمر برای کلون نمودن ژن ها20. طراحي پرايمر در تکنیک ARMS PCRو نحوه افزایش اختصاصیت پرایمرهای مورد استفاده در تکنیک ARMS PCR

آموزش تکنینک کلونینگ

1. آموزش نرم افزار seqbuilder جهت شبیه سازی  فرایند سازی کلون سازی قطعات ژنومی2. نحوه اصمینان حاصل کردن از طراحی پرایمرها با جایگاه های برشی مناسب و انتخاب جایگاه های برش مناسب3. نحوه اطمینان حاصل کردن از کلون کردن ژن های فیوژن (مانند یک پروتئین به همراه GFP) در فریم مناسب (جلوگیری از frame shift در کلونینگ) بررسی بیان ژن ها1. آموزش روش های بررسی بیان ژن ها Real time یا RT-PCR2. آموزش نحوه تعیین حجم نمونه برای گروه های مورد بررسی (مانند گروه بیمار و شاهد،، گروه تیمار و کنترل)3. آموزش نحوه بیان داده های حاصل4. آموزش نحوه انجام آنالیزهای آماری  بین گروه ها (t test, anova)5. آموزش نجوه نحوه تعیین حساسیت و اختصاصیت یک بیومارکر برای افتراق بین دو گروه بوسیله ترسیم منحنی Roc ( مانند تعیین اعتبار بیان ژن برای تفکیک افراد سرطانی و نرمال از یکدیگر)6. آموزش کاربرد رگرسیون در بررسی داده های بیانی بین دو گروه7. آموزش چگونه با ترکیب چند مارکر یک مدل بیومارکری با  حساسیت و اختصاصیت  بالاتر به دست اوریم (مانند ترکیب بیان 5 ژن با یکدیگر در تفکیک افراد سالم و سرطانی از یکدیگر)

آموزش آنالیز داده های Real Time

1. آموزش کلی تکنیک Real time2. اموزش طریقه ارائه داده های حاصل از real time و محاسبه سطح بیان و fold change برای داده های real time3. بررسی آنالیزهای آماری و تعیین سطح معنی داری برای  داده های حاصل از real time4. بررسی میزان اعتبار داده های حاصل از real time5. بررسی کارایی (efficiency) پرایمرها در واکنش real timeنحوه بررسی ارتباط پلیمورفیسم ها (SNP) با یک فنوتیپ خاص مانند بیماری یا سرطان1. معیار انتخاب SNP ها برای بررسی ارتباط آن ها با یک فنوتیپ چیست؟2. چگونه SNP ها در یک ژن خاص پیدا نماییم؟3. اگر یک ژن با بروز یک بیماری مرتبط است آیا میتوان تمام SNP های آن را در جمعیت مورد بررسی قرار داد؟4. SNPهای موجود در پروموتر یک ژن چگونه می تواند سبب بروز بیماری گردد و این SNP ها محل اتصال چه ترانسکریپشن فاکتورهایی می توانند باشند؟5. آیا SNP های موجود در ناحیه 3/ ژن ها از طریق تغییر محل اتصال میکروRNAها برروی mRNA می تواند سبب بروز بیماری گردد؟6. چگونه از مدل های dominant, recessive و co-dominant در آنالیز داده های خود استفاده نماییم؟7. نحوه محاسبه OR (odd ratio) و CI (confidential interval) برای هر یک از مدل های فوق به چه صورت می باشد؟8. بررسی هاپلوتایپ برای چند SNP به چه صورت می باشد؟9. آموزش محاسبه حجم نمونه در مطاعات موردی شاهدی10. آموزش محاسبه power برای نمونه ها

آموزش آنالیز داده های میکروRNAها

1. آموزش کار با بانک های اطلاعاتی میکروRNAها2. اموزش  یافتن ژن های هدف میکروRNAها و ترسیم شبکه های میانکنش miRNA-mRNA 2.از طریق نرم افزار های بیوانفورماتیکی

3. آموزش تعیین نقش میکروRNAها در تنظیم شبکه ها (pathway) ها داخل سلولی

4. آموزش روش های بررسی میانکنش بین میکروRNAها و ژن های هدف به صورت آزمایشگاهی

5. آموزش نحوه سنتز cDNA اختصاصی و عمومی و بررسی بیان میکروRNAها6. آموزش نحوه طراحی پرایمر برای بررسی بیان میکروRNAها7. آموزش طریقه ساخت سازه های (وکتورها) افزایش بیان میکروRNAها جهت بررسی عملکرد آن ها در سلول8. بررسی ارتباط وجود SNP در خود میکروRNA و یا محل اتصال آن با بروز بیماری هانحوه کشف ژن ها1. آیا ژنی که در یک گونه شناسایی شده است و دارای عملکردی شناخته شده است را می توان در سایر گونه ها نیز شناسایی کرد؟

آیا فنوتیپی یکسان در دو گونه (مانند سنتز یه کارتنوئید خاص) به دلیل وجود ژنی یکسان در دو گونه است؟ و در صورت شناسایی ژن مسئول این فنوتیپ در گونه اول چگونه این ژن را گونه دوم نیز شناسایی نماییم؟3. چگونه با استفاده موجوداتی که توالی ژنومی انها موجود می باشد و ژن های آنها شناسایی شده اند(مانند گیاه آرابیدوبسیس)  ژن های مورد نظر خود را در گونه خاص پیدا نماییم؟4. آیا ژنی که در یک موجود شناسایی شده است دارای هم خانواده می باشد و یا به تنهایی مسئول بروز فنوتیپ مربوطه می باشد؟5. یک خاص ژن دارای چند واریانت بیانی می باشد؟

6. توالی های EST چه هستند و چگونه می توان با استفاده از توالی های EST ژن ها جدید را در موجودات کشف نمود.

7. چگونه میتوان  بر اساس نواحی حفاظت شده ژن ها در بین گونه های نزدیک به هم ژن مورد نظر خود را در گونه خاص پیدا نمایم.

8. نحوه کشف زن های جدید بر اساس توالی ژنومی موجوداتی که به تازگی پروژه ژنوم (توالی یابی کل DNA) انجام گرفته است.

9. نحوه کشف ژن های هم خانواده در یک گونه

10. چگونه با استفاده از روش های 3/ RACE و 5/ RACE توالی ژن مورد نظر را کامل شناسایی نماییم؟متاآنالیز Meta-Analysis1. چگونه بدون کار آزمایشگاهی مقاله ISI پژوهشی ( original) بنویسیم؟2. مقالات مروری (review) به سختی در مجلات ISI چاپ میگردند و فرد نویسند باید فردی با تجربه در زمینه مورد بحث باشد اما مقالات متاآنالیز این گونه نیستند. در بررسی های متاآنالیز کار فرد بررسی و آنالیز نتایج سایر محققان است که این نتایج  در پایگاه های داده موجود می باشد (مانند مقالات چاپ شده). اگر شما 8 مقاله در یک زمینه مشترک (مانند اثر یک SNP با بروز بیماری، یا ارتباط بیان یک ژن با بروز بیماری) در جمعیت های مختلف (کشورهای مختلف) گرداوری نمایید می توانید با بررسی و مقایسه آماری نتایج این مقالات یک مقاله ISI چاپ نمایید (در صورتی که فردی قبلا این کار را انجام نداده باشد) برای مثال به این مقاله متاانالیز  که با بررسی و آنالیز 6 مقاله ، در ژورنال با if=1.29 به چاپ رسیده است توجه فرمایید:Associations of Interleukin-4 Receptor Gene Polymorphisms (Q551R, I50V) with Rheumatoid Arthritis: Evidence from a Meta-Analysis. GENETIC TESTING AND MOLECULAR BIOMARKERS, Volume 17, Number 10, 20133. نحوه انجام انالیزهای متاآنالیز برای صفات کیفی ( مانند پلیمورفیسم ها و یا فراوانی آلل ها ) بر اساس نرم افزار comprehensive meta analysis4. نحوه انجام انالیزهای متاآنالیز برای صفات کمی ( مانند بیان ژن ها ) بر اساس نرم افزار comprehensive meta analysisآموزش پایگاه های ارائه دهنده داده های بیانی ژن ها و میکروRNAها1. با استفاده از تکنولوژی های جدید و گاها کمی قدیمیتر مانند microarray و NGS اکنون بررسی بیان همه ژن های شناخته شده به همراه واریانت های ان ها به صورت بسیار وسیعی صورت گرفته و در حال انجام می باشد.

بررسی بیان ژن ها در زمینه هایی مانند سرطان ها، انواع بیماری ها، مراحل مختلف تکوین یک گونه، بافت های مختلف انجام گرفته است. بنابراین اگر پایان نامه شما بررسی بیان یک ژن و یا میکروRNA خاص در بین افراد مبتلا به یک سرطان و یا بیماری خاص با افراد سالم می باشد بهتر است اول سری به این پایگاه های داده بیندازید. درصورتی که کمی شانس بیاورید حتما می توانید مطالعه ای که تمام ژن ها را در بیماری مورد نظر شما مورد بررسی قرار داده باشد پیدا نمایید و با بررسی داده های خام مطالعه یافت شده می توانید اطلاعات نسبی را در مورد میزان تغییر بیان ژن مورد نظر خود در افراد بیمار و کنترل یافت کنید. اصول کار اینگونه است که داده های microarray به دو دلیل نیاز به تایید شدن توسط سایر تکنیک های حساس تر مانند real time دارند . اول اینکه میزان خطا در روش microarray مقداری بالا بوده و دوم اینکه به دلیل هزینه بالا تعداد نمونه هایی که توسط microarray ها بررسی میکنند کم است. پس با بررسی پایگاه های ارائه دهنده داده های بیانی ژن ها و میکروRNAها می توان ژن مورد نظر خود را انتخاب و بررسی های بعدی را با روش های حساستر مانند real time برروی آن انجام داد.2. در صورتی که شما به بررسی ارتباط  SNPای که در پروموتور ژن قرار گرفته است با بروز یک بیماری می پردازید، فرضیه شما این است که چون این SNP در پروموتر قرار گرفته است  می تواند سبب تغییر در اتصال ترانسکریپشن فاکتورها و در نتیجه تغییر در بیان ژن گردد و این تغییر در بیان ژن با بروز بیماری در ارتباط است. پس شما می توانید اختلاف در بیان این ژن را در بین گروه شاهد و بیمار در این پایگاه های داده بررسی نمایید. اگر بیان ژن در دو گروه متفاوت بود فرضیه شما می تواند درست باشد.3. در صورتی که شما میخواهید به بررسی ارتباط  SNPها با بروز یک بیماری بپردازید اما هنوز SNP مورد نظر خود را انتخاب نکرده اید می توانید ابتدا به این پایگاه ها داده رفته و ژن هایی را که بین گروه شاهد و بیمار تغییرات بیانی دارند انتخاب نمایید سپس ببینید پروموتر کدام ژن داری SNPای  می باشد که در پروموتور آن قرار گرفته است. به احتمال زیاد این SNP می تواند دلیل تغییر بیان ژن ها باشد، و تغییر بیان این ژن ها نیز با بروز بیماری مرتبط است زیرا  بین دو گروه تغییرات بیانی نشان میدهد. بنابراین SNPیافت شده می تواند یک کاندید مناسب برای بررسی های بیشتر باشد4. آموزش پایگاه های ارائه دهنده داده های بیانی ژن ها و میکروRNAها مانند GEO5. آموزش نحوه دریافت داده های خام بیانی6. آموزش نرم افزار R و نحوه آنالیز داده های خام بیانی7. آموزش نرم افزار GEworkbench و نحوه آنالیز داده های بیانی

آموزش آنالیز داده های فلوسایتومتری

1. آموزش کلی تکنیک فلوسایتومتری

2. آموزش نرم افزار flowing software در بررسی داده های فلوسایتومتری

3. آموزش نحوه gate بندی کردن داده در بررسی داده های فلوسایتومتری4. آموزش روش آنالیز داده های مربوط به چرخه سلولی (cell cycle)5. آموزش روش آنالیز داده های مربوط به آپوپتوز(annexin)کاربرد امار در بررسی داده های زیستی

  1. آموزش انواع متغیرها و کاربرد آنها
  2.  آمار توصیفی (شاخصهای مرکز و پراکندگی)
  3. توزیع نرمال
  4.  آموزش نرم افزار SPSS5. آموزش انواع نمودارها و کاربردهای آن بوسیله نرم افزار prism graphpad6. آموزش ورود اطلاعات، حذف، ویرایش و دسته بندی داده ها  در نرم افزار های spss و prism graphpad7. آموزش محاسبه آماره های Relative Risk و Odds Ratio8. آموزش محاسبه آماره  Confidence Interval9. آموزش آزمون های آماری T (One way, Independent, Paired T Tests)10. آزمون آماری ANOVA11. آزمون آماری کای اسکوئر (Chi Square)12. آموزش نحوه تعیین اندازه و حجم نمونه در کار های زیستی، تعداد نمونه های انتخاب شده تا چه حد قابل قبول هستند؟13. آموزش نحوه تعیین حساسیت و اختصاصیت یک بیومارکر برای افتراق بین دو گروه بوسیله ترسیم منحنی Roc ( مانند تعیین اعتبار بیان ژن برای تفکیک افراد سرطانی و نرمال از یکدیگر)14. آموزش نحوه آنالیز داده های مربوط به بررسی پلیمورفیسم ها مانند SNPها، حضور و یا عدم حضور یک آلل خاص و یا هاپلوتایپ

یک نظر بنویسید

ارسال