دوره مجازی تحلیل داده با توجه به رویکرد زیست‌شناسی سامانه‌ها (سیستم بیولوژی)

دانشگاه علوم پزشکی اصفهان

با همکاری آکادمی راهبرد کسب و کار ایرانیان

.

در این دوره مشترک دانشگاه علوم پزشکی و آکادمی راهبرد کسب و کار ایرانیان، هدف بر این است که با ایجاد نگرش سیستماتیک و تقریبا کل‌نگر نسبت به رخدادهای زیست‌پزشکی، فراگیر بتواند با آموزش‌ آنالیزهای داده در سطوح مختلف وارد این حوزه شود و مطالعات مقدماتی خود را شروع کند.

زیست‌ شناسی سامانه‌ها (Systems Biology)، تحلیل محاسباتی و ریاضیاتی، و مدل‌سازی سامانه‌های زیستی پیچیده‌است. این شاخه، یک شاخه بین رشته‌ای مطالعاتی برپایه زیست‌شناسی است که بر روی برهمکنش‌های پیچیده بین سامانه‌های زیستی تحقیق کرده، به طوری که رهیافتی کل‌نگر، به جای رهیافت سنتی، به پژوهش‌های زیست‌شناسی دارد.

تحلیل داده ها در دنیای امروز اساس هر یادگیری و تحلیلگری را تشکیل می دهد. این دوره رابطه مستقیم دارد با دانش تفکر سیستمی که بر اساس داده های مستقیم بخشها و همینطور کیفیت تعامل و نوع داده های رد و بدل شده میان بخشهای مختلف است.

.

هدف از رویداد:

• ایجاد نگرشی صحیح به اهمیت و کاربرد بیولوژی سیستمها در مطالعات زیست پزشکی
• تغییر شیوه تفکر در مورد پدیده های زیستی از طریق آشنایی با نگاه کل¬نگر و نظام مند بیولوژی سیستم ها
• آشنایی با مفاهیم بنیادی در بیولوژی سیستم ها
• ایجاد مهارت استفاده از چند ابزار رایج در بیولوژی سیستم ها

توضیحات کاملتر درباره انتظارات از دوره در ادامه متن صفحه.

.

سرفصل ها:

• مفاهیم پایه سیستم بیولوژی
• مفاهیم پایه در مدلسازی دینامیک
• کار با داده microarray
• کار با داده RNA sequencing ‌
• کار با دیتای proteomics
• آنالیز WGCNA

.

این دوره مجازی چگونه برگزار می شود:

• شما در دوره ثبت نام می کنید
• بلافاصله دسترسی به 1000 دقیقه محتوای ویدیویی دوره برای شما فعال می شود
• همچنین شما به گروه پشتیبانی آموزشی فراگیران اضافه می شوید (هر هفته ساعت مشخصی به ارتباط مستقیم مدرسان و دانش پذیران اختصاص خواهد داشت)

.

مخاطبین:

• دانشجویان مقطع کارشناسی ارشد و دکترای رشته‌های علوم پایه پزشکی
• مهندسی برق آشنا با مفاهیم بنیادین زیست‌شناسی

.

مدرسین دوره از برجسته ترین متخصصان، دانشمندان و محققان حوزه های مختلف هستند که به بهترین شکل ممکن دانش خود را با شما به اشتراک می گذارند.

رزومه کوتاه مدرسین:

دکتر یوسف قیصری	دکتر امیر رویین‌تن	دکتر اکبر داودی
پزشک، دکترای بیوتکنولوژی پزشکی، انستیتو پاستور دانشیار گروه ژنتیک و بیولوژی مولکولی، دانشکده پزشکی، دانشگاه علوم پزشکی اصفهان رئیس مرکز تحقیقات پزشکی بازساختی، دانشگاه علوم پزشکی اصفهان	دکترای بیوتکنولوژی پزشکی، دانشگاه علوم پزشکی شیراز دانشجوی دکترا مرکز استرالیایی بیماری های خونی، دانشکده بالینی مرکزی، دانشگاه موناش، ملبورن، استرالیا Ph.D. student at Australian Centre for Blood Diseases, Central Clinical School, Monash University, Melbourne, Australia	دکترای ریاضیات – نظریه گراف و ترکیبات، دانشگاه صنعتی اصفهان هیئت علمی پژوهشی مرکز تحقیقات فیزیولوژی کاربردی، دانشگاه علوم پزشکی اصفهان Postdoctoral fellow at Department of Mathematics and Computer Science, University of Southern Denmark (SDU)
دکتر مریم عابدی	شهریار علوی	فرنوش کیان پور
دکترای ژنتیک پزشکی، دانشگاه علوم پزشکی اصفهان ‌محقق پسادکترا در دانشگاه پنسیلوانیا، آمریکا حوزه تحقیقاتی: مطالعه مکانیسم‌های مولکولی درگیر در دیابت و دیابتیک نفروپاتی با رویکرد سیستم بیولوژی Postdoctoral fellow at the University of Pennsylvania, USA	دانشجوی دکترای ژنتیک مولکولی، دانشگاه اصفهان بنیان‌گذار و رئیس مرکز آنالیز داده ‌NGS‌ پالیندروم در اصفهان محقق بیوانفورماتیک در کالج لندن، انگلیس Bioinformatician at University College London (UCL)	دانشجوی دکترای زیست‌پزشکی سامانه‌ای، دانشگاه علوم پزشکی اصفهان عضو مرکز تحقیقات پزشکی بازساختی، دانشگاه علوم پزشکی اصفهان
پویا برزو	یاسین اشراقی	بصیره بهرامی
کارشناسی ارشد مهندسی بریق-کنترل، دانشگاه صنعتی اصفهان دارای سابقه تحقیقاتی در زمینه‌ی مدل‌سازی، بیوانفورماتیک و سیستم بیولوژی سرپرست بخش ‌R&D شرکت دانش‌بنیان پیشتاز در تحقیق و توسعه عضو مرکز تحقیقات پزشکی بازساختی، دانشگاه علوم پزشکی اصفهان	کارشناسی ارشد بیوتکنولوژی پزشکی، دانشگاه علوم پزشکی اصفهان دانشجوی دکترای دانشجوی دانشگاه لودویگ ماکسیمیلیانس مونیخ، موسسه تحقیقات سکته مغزی و زوال عقل Ph.D. student at Institute for Stroke and Dementia Research (ISD), Ludwig-Maximilians-University of Munich (LMU)	کارشناسی ارشد ژنتیک انسانی، دانشگاه علوم پزشکی اصفهان
محمد مختاری
کارشناسی ارشد سلولی و مولکولی-گرایش ژنتیک، دانشگاه اصفهان دانشجوی دکترای دانشجوی دانشگاه لودویگ ماکسیمیلیانس مونیخ، مرکز ژن و گروه بیوشیمی مونیخ Ph.D. student at Gene Center and Department of Biochemistry, Ludwig-Maximilians-Universität München (LMU)

انتظار مي‌رود فراگير در پايان اين دوره:
• با تاريخچه و مباني فلسفي بيولوژي سيستم‌ها آشنا باشد.
• با اهميت مدلسازي در علم پي ببرد و با جايگاه بهره گيري از روشهاي مدلسازي رياضي در مطالعه رفتارهاي
• زيستي آشنا شود.
• با چند روش رياضي براي مدلسازي رفتارهاي زيستي آشنا شود.
• نگرشي جديد مبتنی بر تحليل ديناميک به واکنشهاي بيوشيميايي پيدا کند.
• کينتيک واکنش‌هاي آنزيمي را بداند.
• با مفاهيم پايه روش‌هاي مدلسازي مبتني بر معادلات ديفرانسيل آشنا باشد.
• مفهوم صفحه فاز را بداند.
• با مفهوم تخمين پارامتر در مدلسازي ديناميک آشنا باشد.
• با کاربردهاي مدلسازي رياضي در زيست پزشكي آشنا باشد.
• با مفاهيم آماري مورد استفاده در آناليز داده‌هاي انبوه زيستي آشنا باشد
• بتواند اساس فناوري هاي اميكس و کاربردهاي آنها را توضيح دهد.
• با استفاده از داده پايگاه GEO دادههاي ميكرواري مرتبط با يک موضوع خاص را به دست آورد.
• بتواند بر روي داده هاي مستخرج از GEO آناليز آماري انجام دهد.
• با اهميت کنترل کيفي داده هاي انبوه آشنا باشد و بتواند از ابزارهاي مربوطه استفاده کند.
• با مفهوم Clustering و کاربرد آن در تحليل داده هاي ميكرواري آشنا باشد.
• به درک صحيحي از مفهوم noise در بيان ژن، انواع آن و روشهاي شناسايي دستيابد.
• بتواند داده هاي ميكرواري که به صورت time-course به دست آمده اند را آناليز کند.
• با مفهوم Gene Ontology و دسته بندي هاي آن آشنا باشد.
• روشهاي غني سازي دستههاي ژني (Gene set Enrichment) را بداند.
• بتواند با استفاده از ابزارهاي بيوانفورماتيک، فاکتورهاي رونويسي مرتبط با يک دسته ژني را شناسايي کند.
• بتواند با استفاده از ابزارهاي بيوانفورماتيک، کينازهاي تنظيم کننده ژنهاي موجود در شبكه را شناسايي کند.
• با مسيرهاي انتقال پيام در سلولها آشنا باشد.
• بتواند از داده پايگاههاي مسيرهاي انتقال پيام، داده هاي متناسب با يک فعاليت پژوهشي را استخراج کند.
• به صورت کلي و اجمالي با نظريه گراف و ويژگي هاي شبكه هاي پيچيده آشنا شود.
• با قوانين حاکم بر شبكه ها و استفاده از آنها در مطالعه شبكه هاي ميانكنش پروتئيني آشنا باشد.
• عملكرد بيولوژيک پر بسامدترين موتيفها را بداند.
• بتواند با ابزارهاي بيوانفورماتيک، Module هاي يک شبكه را شناسايي کند.
• با مفهوم شبكه هاي ميانكنش پروتئين-پروتئين آشنا باشد.
• بتواند با استفاده از نرم افزار Cytoscapeشبكه ميانكنش پروتئين-پروتئين مرتبط با يک دسته ژني را ترسيم کند.
• بتواند با استفاده از نرم افزار Cytoscape عملكردهاي اصلي يک شبكه را مشخص کند.
• به صورت اجمالي کاربرد علم گراف را در مطالعات مرتبط با توسعه دارو بداند.
• اهميت ساخت شبكه هاي چند لايه را بداند.
• با روشهاي ادغام داده انبوه به صورت اجمالي آشنا باشد.
• مفاهيم پايه در آناليز داده هاي NGS را بداند.
• بتواند دادههاي RNAseq را از داده پايگاه هاي مربوطه استخراج کند و کيفيت آنها را بسنجد.
• با ابزارهاي تحليل دادههاي RNAseq آشنا باشد و بتواند از آنها استفاده کند.
• با روش توليد دادههاي پروتئوميكس آشنا باشد.
• بتواند داده هاي پروتئوميكس را از داده پايگاههاي مربوطه استخراج کند و کيفيت آنها را بسنجد.
• بتواند از ابزارهاي آناليز داده پروتئوميكس استفاده کند.