هدف از این درس، آشنایی دانشجویان با ضروریات تحلیل داده‌های بیوانفورماتیک است. این ضروریات شامل مروری از کلیدی‌ترین مباحث زیست‌شناسی سلولی و مولکولی، الگوریتم‌های پایه‌ای بیوانفورماتیک، روش‌های آماری و یادگیری ماشین مورد استفاده در تحلیل‌ داده‌های زیست-پزشکی، داده‌پایگاه‌های بیوانفورماتیک، و تحلیل عملی داده‌ها بر روی سیستم عامل لینوکس و در محیط برنامه‌نویسی R است. انتظار می‌رود دانشجویان پس از گذراندن این درس، دانش پایه‌ای لازم را برای مطالعه‌ی پژوهش‌های جدید و گذراندن سایر درس‌های این حوزه‌ کسب کنند.

• مقدمه
  • ضرورت یادگیری بیوانفورماتیک
  • کاربردهای بیوانفورماتیک در پژوهش‌های زیست‌شناسی و پزشکی
• ضروریات زیست‌شناسی سلولی و مولکولی
  • اجزای سلول
  • ساختار DNA و تکثیر آن
  • ساختار RNA و رونویسی
  • ساختار پروتئین و ترجمه‌
  • تنظیم بیان ژن‌ها
  • تمایز سلولی
• ‌ آشنایی با داده‌های بیوانفورماتیک
  • فن‌آوری‌های تولید داده‌های زیستی شامل Microarray و Next Generation Sequencing
  • داده‌پایگاه‌های مهم داده‌های زیست‌پزشکی
  • ادغام داده‌های داده‌پایگاه‌های مختلف
• مقدمه‌ای بر روش‌های آماری
  • تحلیل تفاوت بیان ژن
  • آزمون‌های آماری
  • مقدار پی
  • روش‌های اصلاح مقدار پی
  • کاهش ابعاد داده‌های زیستی
• تحلیل مقدماتی داده‌های زیستی با استفاده از زبان برنامه‌نویسی R
  • مقدمه‌ای بر برنامه‌نویسی در R
  • نمایش داده‌ها در R
  • کتابخانه‌های R/Bioconductor
  • تحلیل داده‌های بیان ژنی Microarray
  • تحلیل داده‌های RNASeq
  • تحلیل GO و Pathway
  • تحلیل GSEA
  • متاآنالیز داده‌ها
• آشنایی با تحلیل داده‌ها روی سرور Linux
  • ارتباط با سرور لینوکس از طریق SSH و انتقال امن فایل
  • برنامه‌نویسی Bash در محیط لینوکس
  • نصب و به کارگیری نرم‌افزارهای بیوانفورماتیک به صورت مستقیم
  • آشنایی با BioConda
  • اجرای هم‌روند نرم‌افزارها
• مقدمه‌ای بر الگوریتم‌های بیوانفورماتیک
  • هم‌ردیفی توالی‌های زیستی
  • درخت‌های تبار (Phylogenetic Trees)
  • اسمبلی ژنوم
  • تطابق خوانده‌ها با ژنوم (Alignment)
  • پیداکردن موتیف‌ها (Motifs)
• تحلیل‌های زیست‌شناسی سیستمی
  • کاربرد معادلات دیفرانسیل
  • تحلیل تمایز
• تحلیل داده‌های ساختاری
  • آشنایی با مساله‌های تاخوردگی RNA و پروتئین
  • اتصال پروتئین‌ها

• کارگاه (۲ نمره)
• تمرین (۵ نمره)
• پروژه (۳ نمره)
• آزمون میان‌ترم (۵ نمره)
• آزمون پایان‌ترم (۵ نمره)