توضیحات

سایر عنوان‌های این آموزش

مدل‌سازی بیومارکرها با داده‌های بیان ژن از پایگاه‌های TCGA و GEO: آموزش گام‌به‌گام ساخت مدل پیش‌آگهی بیماری با انتخاب ژن‌های بهینه

فیلم فارسی آموزش تحلیل بیومارکری (biomarker analysis) با استفاده از داده‌های ارناسک و میکرواری

آموزش کاربردی تحلیل بیومارکری با نرم‌افزارهای R، SPSS، GraphPad Prism و پایگاه‌های داده GEO و TCGA

 

به صورت خلاصه این آموزش شامل موارد زیر می‌باشد:

دانلود داده‌های RNAseq (کانت‌ها) از برنامه TCGA و GEO و میکرواری از پایگاه GEO

آماده سازی داده‌ها برای آنالیز بیومارکری مانند: نرمال سازی داده‌های RNAseq و فیلتر کردن ژن‌ها با بیان کم

انجام آنالیز بیومارکری بر روی داده‌های RNAseq و میکرواری، رسم نمودار راک، محاسبه بهترین کات‌اف و تعیین حساسیت و ویژگی

محاسبه odds ratio براساس داده‌های RNAseq و میکرواری

انتخاب چند ژن کاندید و ساخت مدل بیومارکری قویتر با ژن‌ها با استفاده از داده‌های train

بررسی عملکرد مدل ساخته شده بر روی داده‌های test

رسم نمودارهای مختلف

معرفی آموزش

این مجموعه آموزشی، به‌صورت جامع و پروژه‌محور به آموزش مدل‌سازی داده‌های بیان ژن برای تحلیل بیومارکرها با استفاده از زبان R می‌پردازد. در این دوره، شما می‌آموزید چگونه داده‌های بیان ژن را از پایگاه‌های معتبر مانند GEO و TCGA دریافت، سازماندهی و نرمال‌سازی کنید و سپس از آن‌ها برای شناسایی، ارزیابی و مدل‌سازی بیومارکرهای ژنی استفاده نمایید.

در ابتدا، مفاهیم پایه‌ای مانند منحنی ROC، حساسیت، ویژگی، Odds Ratio و AUC به‌صورت تئوری آموزش داده می‌شود تا درک درستی از مبانی تحلیل بیومارکری داشته باشید. سپس به‌صورت عملی، روش‌های اجرای این تحلیل‌ها با نرم‌افزارهای GraphPad Prism و R آموزش داده می‌شود.

در بخش‌های پیشرفته، کاربران یاد می‌گیرند چگونه مدل‌های چندژنی طراحی کنند تا بتوانند با ترکیب چند ژن، مدلی قوی‌تر برای تشخیص، پیش‌بینی و برآورد ریسک بیماری‌ها ایجاد کنند. این آموزش علاوه بر آشنایی با روش‌های آماری کلاسیک، شامل مدل‌سازی با روش‌های رگرسیون stepwise و LASSO نیز هست تا فراگیران بتوانند بهترین مدل را بر اساس داده‌های واقعی بسازند.

یکی از ویژگی‌های برجسته‌ی این دوره، کاربردی بودن آن است؛ تمام مراحل از دریافت داده تا تفسیر نتایج با داده‌های واقعی انجام می‌شود. همچنین نحوه‌ی رسم نمودارهای تحلیلی مانند ROC، Forest Plot، Heatmap و نمودار مقایسه‌ای اسکورها به‌صورت کامل آموزش داده شده است.

در پایان این آموزش، شما قادر خواهید بود داده‌های بیانی ژن را تحلیل، بیومارکرهای کلیدی را شناسایی، و مدل‌های پیش‌بینی برای ارزیابی خطر بیماری‌ها طراحی کنید — مهارتی ارزشمند برای پژوهش‌های زیست‌پزشکی و مطالعات بالینی.

🔹 ویژگی‌های شاخص این دوره

• آموزش مرحله‌به‌مرحله از مبانی تا مدل‌سازی پیشرفته در تحلیل بیومارکرها

• کار با داده‌های ژنومی ارناسک (RNAseq) و میکرواری
• کار عملی با داده‌های واقعی ژنومی از پایگاه‌های معتبر GEO و TCGA

• معرفی و به‌کارگیری ابزارهای تحلیلی متنوع مانند R و GraphPad Prism

• آموزش جامع مدل‌سازی بقا با روش‌های آماری پیشرفته شامل Cox، LASSO و Stepwise

• یادگیری ترسیم نمودارهای تحلیلی و تفسیر علمی نتایج پژوهش‌ها

• مناسب برای دانشجویان، پژوهشگران و فعالان حوزه‌های ژنومیکس، بیوانفورماتیک، زیست‌پزشکی و اپیدمیولوژی سرطان

💡 در این آموزش می‌آموزید چگونه با استفاده از داده‌های بیان ژن، مدل‌های آماری دقیق و قابل اعتماد برای پیش‌بینی ریسک و وضعیت بقاء بیماران ایجاد کرده و از نتایج آن در پژوهش‌های علمی خود بهره‌برداری کنید.

🎓 اگر به‌دنبال یادگیری تحلیل بیومارکری و مدل‌سازی چندژنی به‌صورت کاربردی، علمی و پروژه‌محور هستید، این دوره یکی از کامل‌ترین و به‌روزترین منابع آموزشی فارسی در این زمینه است.

اهمیت و کاربرد آنالیز بیومارکری در پژوهش‌های ژنومی

تحلیل بیومارکری (Biomarker Analysis) یکی از رویکردهای بنیادی در پژوهش‌های ژنومی و بیوانفورماتیکی است که با هدف شناسایی نشانگرهای زیستی مؤثر در تشخیص، پیش‌آگهی و درمان بیماری‌ها انجام می‌شود. این نوع تحلیل به پژوهشگران امکان می‌دهد تا ارتباط میان الگوهای بیان ژن، ویژگی‌های مولکولی و وضعیت بالینی بیماران را بررسی کرده و بیومارکرهای بالقوه را برای کاربردهای تشخیصی یا درمانی شناسایی کنند.

در مطالعات ژنومی، به‌ویژه در حوزه‌ی سرطان، داده‌های حاصل از پایگاه‌های معتبر مانند GEO و TCGA به‌عنوان منابع اصلی برای تحلیل بیومارکری مورد استفاده قرار می‌گیرند. این پایگاه‌ها شامل مجموعه‌ای گسترده از داده‌های بیان ژن (RNA-seq و Microarray) به همراه اطلاعات بالینی و جمعیت‌شناختی بیماران هستند که بستر مناسبی برای مدل‌سازی آماری و تحلیل چندژنی فراهم می‌کنند.

نرم‌افزار R با برخورداری از بسته‌های تخصصی مانند limma، edgeR، DESeq2، survminer و ggplot2 یکی از قدرتمندترین ابزارها برای اجرای تحلیل بیومارکری است. این نرم‌افزار امکان انجام تمامی مراحل—from دریافت داده تا نرمال‌سازی، مدل‌سازی و ترسیم نمودارهای آماری—را در محیطی منسجم، بازتولیدپذیر و علمی فراهم می‌سازد.

به همین دلیل، تسلط بر تحلیل بیومارکری در محیط R مهارتی کلیدی برای پژوهشگران حوزه‌های بیوانفورماتیک، ژنومیکس سرطان و تحقیقات بالینی محسوب می‌شود و به آن‌ها کمک می‌کند تا از داده‌های واقعی ژنومی به نتایج قابل استناد و قابل استفاده در پژوهش‌های کاربردی دست یابند

🌐 اهمیت استفاده از داده‌های GEO و TCGA در تحلیل بیومارکری

یکی از ارکان اصلی در انجام تحلیل‌های بیومارکری (Biomarker Analysis)، دسترسی به داده‌های جامع، معتبر و استاندارد است. در این زمینه، دو پایگاه داده‌ی بین‌المللی GEO (Gene Expression Omnibus) و TCGA (The Cancer Genome Atlas) نقش بنیادینی در توسعه‌ی پژوهش‌های ژنومی، شناسایی نشانگرهای زیستی و مدل‌سازی مولکولی بیماری‌ها ایفا می‌کنند.

پایگاه GEO که توسط مرکز ملی اطلاعات زیست‌فناوری آمریکا (NCBI) پشتیبانی می‌شود، مجموعه‌ای گسترده از داده‌های اُمیکس شامل بیان ژن، میکروRNA، متیلاسیون DNA و سایر داده‌های ژنتیکی را در اختیار پژوهشگران قرار می‌دهد. تنوع بالای نمونه‌ها، کیفیت استاندارد داده‌ها و دسترسی آزاد به اطلاعات، این پایگاه را به یکی از منابع اصلی در مطالعات بیوانفورماتیکی تبدیل کرده است.

در مقابل، پروژه‌ی TCGA به‌عنوان یکی از جامع‌ترین طرح‌های بین‌المللی در زمینه‌ی تحلیل ژنومی سرطان‌ها شناخته می‌شود. داده‌های این پایگاه شامل RNA-seq، پروتئومیکس، متیلاسیون و داده‌های بالینی بیماران است و امکان بررسی رابطه‌ی میان بیان ژن‌ها و نشانگرهای زیستی مرتبط با انواع سرطان را فراهم می‌کند.

💡 مزیت‌های استفاده از داده‌های GEO و TCGA در تحلیل‌های بیومارکری

به‌کارگیری داده‌های GEO و TCGA در پژوهش‌های ژنومی و بیوانفورماتیکی مزایای متعددی دارد، از جمله:

• دسترسی آزاد و رایگان به داده‌های تحقیقاتی باکیفیت در سطح جهانی

• تنوع گسترده‌ی نمونه‌ها از نظر نوع بافت، سلول و بیماری

• استاندارد بودن داده‌ها از نظر فرمت، کنترل کیفیت و روش‌های آزمایش

• قابلیت بازتحلیل و تکرارپذیری نتایج علمی در پروژه‌های مختلف

• افزایش دقت و توان آماری تحلیل‌ها به‌دلیل حجم بالای داده‌های موجود

• و فراهم شدن امکان یادگیری عملی تحلیل داده‌های واقعی بدون نیاز به تولید داده‌های آزمایشگاهی جدید

در مجموع، تسلط بر نحوه‌ی کار با داده‌های GEO و TCGA در محیط R مهارتی ضروری برای پژوهشگران و دانشجویان فعال در حوزه‌های بیوانفورماتیک، ژنومیکس و مطالعات سرطان است و نقش مهمی در پیشبرد تحلیل‌های بیومارکری دقیق و قابل استناد دارد.

در فیلم زیر، توضیحات کاملی در مورد مزیت‌های این آموزش و مباحثی که آموزش آن‌ها توضیح داده شده است ارائه شده است تا پیش از شروع دوره با محتوای آموزشی و اهداف آن به‌خوبی آشنا شوید.

 

مزیت‌های این دوره آموزشی

• ارائه‌ی آموزش جامع، عملی و پروژه‌محور در زمینه‌ی تحلیل بیومارکری با استفاده از داده‌های واقعی بیان ژن از پایگاه‌های معتبر GEO و TCGA، به‌صورت مرحله‌به‌مرحله و کاملاً کاربردی.

• آماده‌سازی کامل داده‌ها از مراحل دریافت، پالایش و نرمال‌سازی تا اجرای مدل‌سازی آماری و ارزیابی دقیق نتایج.

• توضیح روان و مفهومی هر بخش از تحلیل‌ها برای درک آسان مباحث بیوانفورماتیکی و آماری، حتی برای افرادی که پیش‌زمینه‌ی تخصصی ندارند.

• استفاده از داده‌های واقعی بیماران به‌منظور تقویت درک عملی و افزایش توانایی اجرای تحلیل‌های مشابه در پروژه‌های تحقیقاتی.

• آموزش رسم نمودار ROC، محاسبه‌ی شاخص‌های عملکرد مدل و تفسیر تصویری و کاربردی نتایج آماری.

• ارائه‌ی کلیه اسکریپت‌ها و فایل‌های R مورد نیاز برای بازتولید کامل تحلیل‌ها و تمرین عملی هم‌زمان با ویدیوهای آموزشی.

• برخورداری از پشتیبانی آموزشی فعال در تمام مراحل یادگیری از طریق تلگرام، واتساپ یا ایتا (شماره تماس: 09050250034).

این دوره شامل ۳۵ بخش ویدئویی فارسی است که در ادامه، جزئیات کامل هر بخش به‌صورت تفکیک‌شده ارائه شده است.

 

فهرست کامل موارد آموزش داده شده:

فیلم اول:

مدت زمان: 10 دقیقه
محتوا:

بخش تئوری آموزش-قسمت اول

مفهوم آنالیز بیومارکری

 

فیلم دوم:
مدت زمان: 7 دقیقه
محتوا:

معرفی مباحثی که در این آموزش پوشش داده‌شده است.

 

فیلم سوم:
مدت زمان: 17 دقیقه
محتوا:

آشنایی با مفاهیم انالیز بیومارکرها

آشنایی با نقطه برش، حساسیت و ویژگی

آشنایی با منحنی راک و سطح زیر منحنی

آشنایی با odds ratiio

فیلم چهارم:
مدت زمان: 23 دقیقه

محتوا:

آموزش جستجو در پایگاه داده GEO

آموزش دانلود دادهها مرتبط با آنالیز بیومارکری از پایگاه داده GEO

آموزش دانلود دادههای دموگرافی و کلینیکی نمونه‌ها

 

فیلم پنجم:
مدت زمان: 32 دقیقه
محتوا:

آموزش بررسی تغییرات بیان ژن‌ها بین گروه‌ها با نرم افزار GEO2r

دانلود نتایج آنالیز فوق

دانلود داده‌های بیان ژن‌ها و آماده سازی ان‌ها برای آنالیز بیومارکری با نرم افزار گرافپد

فیلم ششم:
مدت زمان: 33 دقیقه
محتوا:

آموزش آنالیز بیومارکری با استفاده از نرم افزار گرافپدپریزم

آموزش رسم نمودار راک و تعیین بهترین نقطه برش به همراه حساسیت و ویژگی آن

رسم نمودار برای نمایش تغییر بیان ژن‌ها بین گروه‌ها

آموزش نمایش چند منحنی راک در یک نمودار برای چند ژن

فیلم هفتم:
مدت زمان: 36 دقیقه
محتوا:

آموزش محاسبه odds ratio و adjusted odds ratio با نرم افزار گرافپدپریزم

آموزش ساخت مدل با استفاده از چند متغیر یا ژن با نرم افزار گرافپدپریزم به صورت خودکار

 

فیلم هشتم:
مدت زمان: 12 دقیقه
محتوا:

رسم نمودار فارست (forest plot) با نرم افزار گرافپدپریزم برای نمایش نتایج آنالیز بیومارکری

فیلم نهم:
مدت زمان: 19 دقیقه
محتوا:

مراحل دانلود و نصب نرم‌افزارهای R و Rstudio

نصب پکیج‌های لازم برای اجرای انالیز بیومارکری با نرم افزار R

 

فیلم دهم:
مدت زمان: 38 دقیقه
محتوا:

آموزش دانلود دادههای RNAseq (کانتها) از پایگاه داده GEO

دانلود و آماده‌سازی داده‌های بالینی و مشخصات نمونه‌ها از پایگاه داده GEO

آموزش بررسی تغییرات بیان ژن‌ها بین گروه‌ها با استفاده از نرم افزار GEO2r برای داده‌های RNAseq

فیلم یازدهم:
مدت زمان: 32 دقیقه
محتوا:

خوانش داده‌های بیانی RNAseq

فیلتر کردن ژن‌ها با بیان کم

نرمال کردن داده‌های RNAseq با پکیج DESeq2

تحلیل آماری بیان ژن‌ها بین گروه‌های مختلف و محاسبه‌ی Fold Change و P-Value

انتخاب و فیلتر ژن‌های دارای اختلاف معنی‌دار بین گروه‌ها برای مراحل بعدی تحلیل

 

فیلم دوازدهم:
مدت زمان: 40دقیقه
محتوا:

آموزش آنالیز بیومارکری با استفاده از نرم افزار R

آموزش تعیین سطح زیر منحنی (AUC) و CI

آموزش تعیین بهترین نقطه برش به همراه حساسیت و ویژگی آن در R

 

فیلم سیزدهم:
مدت زمان: 27دقیقه
محتوا:

ادامه آموزش آنالیز بیومارکری با استفاده از نرم افزار R

آموزش رسم نمودار راک

 

فیلم چهاردهم:
مدت زمان: 36 دقیقه
محتوا:

آموزش رسم نمودار راک برای چند ژن در یک نمودار

فیلم پانزدهم:
مدت زمان: 16 دقیقه
محتوا:

آموزش محاسبه odds ratio با نرم افزار R

 

فیلم شانزدهم:
مدت زمان: 33 دقیقه
محتوا:

آموزش محاسبه  adjusted odds ratio با R

رسم نمودار فارست (forest plot) با R برای نمایش نتایج آنالیز بیومارکری

 

فیلم هفدهم:
مدت زمان: 14 دقیقه
محتوا:

نرمال کردن داده‌های RNAseq با استفاده از پکیج DESeq2 در R

نرمال کردن داده‌های RNAseq با استفاده از پکیج edgeR در R

 

فیلم هجدهم:
مدت زمان: 35 دقیقه
محتوا:

انجام آنالیز بیومارکری بر روی داده‌های میکرواری

آموزش بررسی تغییرات بیان ژن‌ها بین گروه‌ها با نرم افزار GEO2r

آموزش تبدیل توالی میکروارناها به اسم میکروارنا در پایگاه mirbase

فیلم نوزدهم:
مدت زمان: 46 دقیقه
محتوا:

ادامه آموزش آنالیز بیومارکری بر روی داده‌های میکرواری

آموزش آنالیز بیومارکری به صورت دو به دو بین گروه‌های مختلف

 

فیلم بیستم:
مدت زمان: 41دقیقه

محتوا:

آشنایی با پایگاه داده‌ی TCGA و پورتال ژنومی GDC

روش‌های دریافت و دانلود داده‌های بیان ژن از پروژه TCGA
آموزش انتخاب نوع سرطان و بافت هدف در پروژه‌های TCGA
فیلتر کردن نمونه‌ها و بررسی فایل‌های داده‌ی بیان ژنی در TCGA

 

فیلم بیست و یکم:
مدت زمان: 23 دقیقه
محتوا:

دریافت داده‌های بیان ژن از پایگاه TCGA با بهره‌گیری از زبان R

دانلود و آماده‌سازی داده‌های بالینی و مشخصات نمونه‌ها از TCGA

 

فیلم بیست و دوم:
مدت زمان: 48 دقیقه
محتوا:

آموزش آماده‌سازی و سازماندهی داده‌های بیان ژنی استخراج‌شده از TCGA

 

فیلم بیست و سوم:
مدت زمان: 26 دقیقه
محتوا:

مرتب‌سازی و سازماندهی داده‌های دموگرافیک و بالینی نمونه‌ها برای تحلیل بیومارکری

 

فیلم بیست و چهارم:
مدت زمان: 28 دقیقه
محتوا:

خوانش داده‌های بیانی RNAseq در نرم افزار R

شناسایی و فیلتر کردن ژن‌ها با بیان کم

نرمال کردن داده‌های RNAseq با پکیج DESeq2

تحلیل آماری بیان ژن‌ها بین گروه‌های مختلف و محاسبه‌ی Fold Change و P-Value

انتخاب و فیلتر ژن‌های دارای اختلاف معنی‌دار بین گروه‌ها برای مراحل بعدی تحلیل

 

فیلم بیست و پنجم:
مدت زمان: 42 دقیقه
محتوا:

آماده سازی داده‌های مرحله قبل برای انجام آنالیز بیومارکری

اجرای آنالیز برای شناسایی بیومارکرها

محاسبه AUC، بهترین نقطه برش و حساسیت و ویژگی برای ژن‌ها

رسم نمودار برای نمایش اختلاف بیان ژن‌ها بین گروه‌ها

رسم نمودار راک برای یک ژن و چند ژن

 

فیلم بیست و ششم:
مدت زمان: 17 دقیقه
محتوا:

محاسبه odds ratio و adjusted odds ratio

 

فیلم بیست و هفتم:
مدت زمان: 23 دقیقه
محتوا:

دانلود داده‌های بیانی میکروارناهای بالغ از برنامه TCGA با استفاده از نرم‌افزار R

 

فیلم بیست و هشتم:
مدت زمان: 33 دقیقه
محتوا:

سازماندهی داده‌های بیانی میکروارناهای بالغ که از برنامه TCGA دانلود شده است

 

فیلم بیست و نهم:
مدت زمان: 22 دقیقه
محتوا:

دانلود داده‌های بیانی پیش‌سازهای میکروارنا از برنامه TCGA با استفاده از نرم افزار R

آموزش سازماندهی داده‌های بیانی پیش‌سازهای میکروارنا با استفاده از نرم افزار R

 

فیلم سی‌ام:
مدت زمان: 18 دقیقه
محتوا:

تبدیل شماره دسترسی میکروارناهای بالغ به اسم میکروارنا بر اساس پایگاه داده mirbase

آشنایی با روش‌های نرمال سازی داده‌های RNAseq برای انالیز بیومارکری

نرمال کردن داده‌های RNAseq با استفاده از پکیج DESeq2 در R

نرمال کردن داده‌های RNAseq با استفاده از پکیج edgeR در R

 

فیلم سی و یکم:
مدت زمان: 11 دقیقه
محتوا:

بخش تئوری روش مدل سازی برای آنالیز بیومارکرها

آشنایی با روش ساخت مدل با چند ژن  و محاسبه امتیازها مدل جدید برای هر نمونه

آشنایی مقدماتی با روش‌های انتخاب چند ژن جهت ساخت مدل بیومارکری

فیلم سی و دوم:
مدت زمان: 50 دقیقه
محتوا:

آماده سازی داده‌ها  برای ساخت مدل و تست آن

انتخاب نمونه‌های train و test برای ساخت مدل و سپس آزمودن مدل ساخته شده

آموزش ساخت مدل و محاسبه اسکورها بر اساس ژن‌های انتخاب شده

رسم نمودار راک و محاسبه AUC برای مدل جدید

آموزش انتخاب ژن‌های جدید بر اساس کمترین AIC و ساخت مدل

 

فیلم سی و سوم:
مدت زمان: 13 دقیقه
محتوا:

آموزش انتخاب متغیرها برای ساخت مدل بقا با روش رگرسیون stepwise

طراحی مدل جدید بر اساس ژن‌های انتخاب شده و سپس بررسی آن بر روی داده‌های گروه تست

فیلم سی و چهارم:
مدت زمان: 21 دقیقه
محتوا:

آموزش انتخاب ژن برای ساخت مدل با روش lasso

ساخت مدل بر اساس ژن‌های انتخاب شده و بررسی عملکرد مدل بر روی داده‌های تست

فیلم سی و پنجم:
مدت زمان: 38 دقیقه
محتوا:

انجام آنالیز تکمیلی برای مدل طراحی شده

رسم نمودارهای مختلف برای مدل طراحی شده

نمودار مقایسه اسکورهای محاسبه شده بین گروه‌ها

نمودار نمایش اسکورهای محاسبه شده برای هر نمونه به تفکیک گروه‌ها

آموزش ترسیم هیتمپ برای ژن‌های منتخب در مدل

🔹 مزیت ویژه آموزش فعلی: ارائه به داده‌ها و کدهای R

یکی از ویژگی‌های برجسته‌ی این دوره، ارائه‌ی داده‌ها و فایل‌های واقعی برای انجام تحلیل‌های بیومارکری است. تمامی داده‌ها، کدها و منابع لازم در اختیار شما قرار می‌گیرد تا بتوانید به‌صورت هم‌زمان با مشاهده‌ی آموزش‌ها، مراحل تحلیل را خودتان اجرا کرده و درک عمیقی از فرآیند مدل‌سازی و تفسیر نتایج به‌دست آورید.

در کنار آموزش، کدهای کامل و آماده‌ی R نیز به‌صورت گام‌به‌گام همراه با ویدیوها ارائه می‌شود. با اجرای این کدها، قادر خواهید بود تحلیل‌های بیومارکری را بازتولید کرده و نمودارهای مرتبط با ریسک و شاخص‌های عملکرد مدل را به‌صورت عملی ترسیم کنید.

این ساختار آموزشی باعث می‌شود فرایند یادگیری شما سریع‌تر، تعاملی‌تر و کاربردی‌تر باشد؛ به‌گونه‌ای که در پایان دوره بتوانید تحلیل‌های مشابه را به‌صورت مستقل طراحی و اجرا کنید.