دوره آموزش WGCNA

معرفی دوره

در دنیای مدرن زیست‌شناسی سامانه‌ها (Systems Biology)، داده‌های حجیم امیکس (Omics) به جای تمرکز بر تک‌تک ژن‌ها، ما را به سمت درک “همبستگی” و “روابط بین ژن‌ها” سوق داده‌اند. تحلیل WGCNA یا Weighted Gene Co-expression Network Analysis، ابزاری قدرتمند و استاندارد طلایی برای همین منظور است. این تحلیل به جای آنکه تنها به تغییرات بیان یک ژن منفرد بسنده کند، ژن‌هایی با الگوی بیان مشابه را در قالب “ماژول” (Module) دسته‌بندی می‌کند. با استفاده از WGCNA، محققان می‌توانند خوشه‌های ژنی (Modules) مرتبط با صفات بیولوژیکی یا بیماری‌های خاص را شناسایی کرده و “ژن‌های کلیدی” (Hub Genes) که نقشی استراتژیک در مدیریت آن فرآیند دارند را استخراج کنند. به زبان ساده، WGCNA به ما کمک می‌کند تا از دریای داده‌های خام ژنومیک، نقشه‌های دقیق هم‌کنش‌های بیولوژیکی را ترسیم کرده و مسیرهای مولکولی پنهان را کشف کنیم.

در این دوره آموزشی جامع که در قالب دو جلسه تخصصی طراحی شده، سعی کرده‌ایم مسیر یادگیری این تحلیل پیچیده را برای شما هموار کنیم. در جلسه اول، با رویکردی کاملاً عملیاتی و پروژه‌محور، صفر تا صدِ اسکریپت‌های تحلیلی را قدم‌به‌قدم بررسی می‌کنیم؛ از پیش‌پردازش داده‌ها و نرمال‌سازی گرفته تا خوشه‌بندی، شناسایی ماژول‌ها و ترسیم شبکه‌های هم‌کنش. هدف این جلسه آن است که شما بتوانید مستقلاً با داده‌های خود کار کنید و به نتایج قابل‌انتشار برسید. سپس در جلسه دوم، وارد مباحث تکمیلی و نکته‌سنجی‌های تخصصی می‌شویم که باعث تمایز تحلیل شما از سایرین می‌شود؛ این مباحث شامل بهینه‌سازی پارامترها، تفسیرهای پیشرفته ماژول-صفت، و رفع چالش‌های رایجی است که در مواجهه با داده‌های واقعی (Real-world Data) با آن‌ها روبرو خواهید شد. این دوره، پلی است میان تئوری‌های سنگین بیوانفورماتیک و خروجی‌های کاربردی که هر پژوهشگر حوزه‌ی بیولوژی محاسباتی به آن نیاز دارد.

مدرس دوره: احسان کرامتی – دکترای تخصصی ژنتیک

آکادمی بیولوژی کرامتی

جلسات

جلسه 1: از مقدمه تا آنالیز WGCNA

جلسه 2: تکمیلی

دانلود فایل دوره