Анализ транскриптомных данных
Курс «Анализ транскриптомных данных» посвящён анализу данных экспрессий генов, полученных при помощи платформ высокопроизводительного секвенирования.
В ходе курса будут освещены как вопросы анализа данных bulk RNA-Seq, так и становящихся всё более популярных в последние годы данных scRNA-Seq. Особое внимание будет уделено методам машинного обучения (от GLM до VAE и методов снижения размерности), которые сейчас являются «золотым стандартом» на всех стадиях работы с транскриптомными данными.
Курс состоит из 15 лекций и 15 семинаров. На лекциях основное внимание будет уделено теоретическим основам применяемых методов анализа, а также дискуссиям насчёт областей применимости тех или иных подходов. На семинарах будут рассмотрены конкретные примеры использования различных инструментов, а также рассмотрены некоторые углубленные вопросы из курса. После каждого семинара будет даваться домашнее задание, направленное на закрепление материалов, полученных на занятии.
Типичный слушатель курса — это студент естественно-научной специальности, который хочет овладеть современными методами анализа экспрессионных данных, а также качественно применять их в своей исследовательской работе. Для того, чтобы полностью освоить курс, требуется владение языками Python и R, а также базовое понимание статистики, теории вероятностей и линейной алгебры.
Страница курса: https://intellect-foundation.r...
Материалы к курсу: https://drive.google.com/drive...
- 01:24:24Лекция 1. Подготовка библиотеки
- 01:47:41Семинар 1. Базовая работа с прочтениями
- 01:46:54Лекция 2. Выравнивания и псевдовыравнивания. Подсчёт экспрессии
- 58:41Семинар 2. ЕМ-алгоритм и kallisto
- 01:51:43Лекция 3. Распределения в омиках. Методы нормализации
- 59:32Семинар 3. Определение максимально правдоподобных распределений для данных
- 01:24:06Лекция 4. Дифференциальная экспрессия
- 01:36:36Семинар 4. Определение дифференциально экспрессированных генов. Работа с пакетами DESeq2 и edgeR
- 01:32:39Лекция 5. Функциональный анализ
- 55:06Семинар 5. Функциональный анализ RNA-Seq
- 01:34:41Лекция 6. Транскриптомика одиночных клеток
- 57:34Семинар 6. Основы работы с библиотеками scanpy и Seurat
- 01:24:18Лекция 7. Контроль качества клеток в scRNA-Seq
- 01:01:46Семинар 7. QC
- 01:31:45Лекция 8. Контроль за дисперсией
- 01:31:19Семинар 8. Контроль за дисперсией данных в scRNA-Seq
- 01:50:55Лекция 9. Методы снижения размерности
- 01:04:38Семинар 9. Методы снижения размерности
- 01:36:32Лекция 10. Коррекция батч-эффекта
- 50:55Семинар 10. Коррекция батч-эффекта
- 01:29:16Лекция 11. Использование вариационных автоэнкодеров для процессинга scRNA-seq. scVI-tools
- 01:33:26Семинар 11. Автоэнкодеры на PyTorch. Препарирование scVI
- 50:34Лекция 12. Кластеризация
- 01:27:04Семинар 12. Кластеризация и дифференциальная экспрессия
- 02:01:13Лекция 13. Определение траекторий дифференцировки клеток в scRNA-seq
- 01:17:38Семинар 13. Дифференцировка клеток. Определение генов, меняющих свою экспрессию по ходу псевдовремени
- 01:19:27Лекция 14. Определение типов клеток
- 46:46Семинар 14. Определение типов клеток
- 01:26:22Лекция 15. Анализ мультимодальных омик одиночных клеток
- 54:33Семинар 15. Анализ CITE-Seq

