В рамках курса будут рассмотрены основы иммунологии, проведен обзор наиболее широко используемых в медицинской сфере методов машинного обучения, а также показаны особенности применения этих методов к иммунологическим и медицинским данным.

Навыки и знания после прохождения курса: Знание устройства и функционирования иммунной системы человека, навыки работы с иммунологическими данными, навыки применения методов машинного обучения в медицинских задачах, навыки анализа выживаемости.

Страница курса: https://intellect-foundation.r...

Материалы к курсу: https://drive.google.com/drive...

Список всех тем лекций

Лекция 1. Введение в иммунологию. Поток информации в иммунной системе. Три типа иммунного ответа. Врожденный и приобретенный иммунитет.
Краткий обзор всего курса Функции и основные компоненты иммунной системы Клетки иммунной системы Лимфоидные органы Рецепторы иммунных клеток MHC Врождённый и адаптивный иммунитет Типы Т-клеток и их функции Рекомендуемая литература

Лекция 2. Типы клеток и молекул, участвующих в иммунных реакциях. Лимфоидные органы, комплемент, Т клетки, В клетки, клетки врожденного иммунитета.
Система комплемента Фагоцитоз, дегрануляция, нетоз ADCC, ритуксимаб Иммунные комплексы Дендритные клетки Активация CD4+ Т клеток, CTLA-4 Активация CD8+ Т клеток Антигенпрезентирующие клетки Дальнейшее развитие иммунного ответа Регуляторные Т-клетки

Лекция 3. Адаптивный иммунитет. Т-клеточный ответ. В-клеточный ответ. Структура адаптивных иммунных рецепторов (TCR, BCR).
Структура Т-клеточного рецептора (TCR) Генерация разнообразия TCR (VDJ рекомбинация) Сравнение TCR и BCR Структура и функции антител Функции разных изотипов антител Original antigenic sin (антигенный импринтинг) Активация B-клеток Динамика антител при COVID-19

Лекция 4. Данные в иммунологии и медицине. Работа с признаками. Feature engineering для медицинских данных.
Репертуары адаптивных иммунных рецепторов Пайплайн обработки данных Характеристики репертуаров Клональность и разнообразие VDJ usage и другие варианты анализа репертуаров Алгоритм ALICE Эмбеддинг Вариационный автокодировщик Предсказание аффинности связывания MHC:белок Boruta

Лекция 5. Получение данных в молекулярной биологии и их структура. Система iScan для поиска SNP. Чипы для измерения уровней экспресии генов. Хаускипинг гены. Нормировка.
iScan illumina Задачи, решаемые с помощью SNP чипов Этнические различия SNP Уровень экспрессии генов ПЦР в реальном времени (real-time PCR) Housekeeping гены (гены домашнего хозяйства)  Чипы для измерения уровня экспрессии генов Анализ данных чипов

Лекция 6. Получение данных в молекулярной биологии и их структура. Методы и задачи секвенирования. Скрининг мутаций по данным WES.
Компоненты и этапы ПЦР Метод Сэнгера Пробоподготовка Методы амплификации сигнала Полупроводниковое секверинование Контроль качества библиотек Oxford Nanopore Technologies Типы библиотек Полногеномный поиск ассоциаций

Лекция 7. Генерация разнообразия TCR, BCR. Созревание Т и В-клеток. Распознавание антигенов TCR, BCR.
Распознавание антигенов, корецепторы Строение TCR и BCR, строение их генов Сборка TCR, созревание Т-клеток Сборка BCR, созревание В-клеток, гипермутации V(D)J и V(DD)J рекомбинация Строение вариабельного региона Изотипы антител, смена изотипа IgH терапии рака Сортировка клеток иммунной системы Получение поли- и моноклональных антител

Лекция 8. Особенности секвенирования TCR, BCR. Анализ Т- и В-клеточных репертуаров.
Базы данных антител Разнообразие TCR AmpliSeq for Illumina Immune Repertoire Plus Oncomine immune repertoire assays QIAseq Immune Repertoire RNA Library Kits Технология Single-Cell RNA seq: секвенирование, анализ, визуализация Молекулярное баркодирование Инструменты анализа TCR/BCR Оценка разнообразия репертуара Кластеризация CDR3

Лекция 9. Антигенпрезентация. Связывание пептидов с MHC.
Пути захвата антигена Строение и разнообразие MHC Презентация антигенов HLA-типирование Отторжение органов Реакция "трансплантат против хозяина" и "трансплантат против опухоли" MHC и предрасположенность к заболеваниям Исследование пептидома

Лекция 10. Введение в анализ выживаемости.

Лекция 11. Машинное обучение в анализе выживаемости.
Введение Проблемы Cox Proportional Hazards Model Оценка Нельсона-Аалена Построение и обучение деревьев выживаемости Переход к Random Survival Forest Практическое задание

Лекция 12. Нейронные сети в анализе выживаемости.
Функция правдоподобия для цензурированных данных Параметризация с помощью нейронной сети MNIST Ответы на вопросы