Biyoinformatiğe giden yolunuz

Alanın jargonsuz, net bir açıklaması — hangi problemleri çözdüğü ve bir biyoinformatikçinin gerçekte ne yaptığı.

DNA → RNA → protein yolunu yeniden ziyaret edin; ancak bu sefer şunu sorun: her adım veri olarak nasıl görünür? Bu bakış açısı her şeyin temelidir.

Rosalind'in arka hikayesi — insan genom projesi üzerinden alanı var eden problemler.

DNA replikasyonu, transkripsiyon, translasyon. Ücretsiz, video tabanlı, tam doğru seviyede. Başka bir şeyden önce bunları tamamlayın.

Mendel, aleller, mutasyonlar, gen düzenlemesi. Bu terimlere veri setlerinde sürekli rastlayacaksınız — iyi bilin.

Omik manzarasının sade dilli genel bakışı: her birinin neyi ölçtüğü ve neden birini diğerine tercih edeceğiniz.

Dizinlerde gezinin, dosyaları düzenleyin, komutları pipe edin. Bu, çalıştıracağınız her biyoinformatik pipeline'ın temelidir.

Python, biyoinformatikte baskın dildir. Değişkenler, döngüler, fonksiyonlar, dosya ayrıştırma — hepsi biyolojik örneklerle öğretilir.

R, istatistik ve genomiklerde (DESeq2, Seurat) hâlâ baskındır. Transkriptomik veya istatistiklere yöneliyorsanız buradan başlayın.

Zorunlu. Değişiklikleri takip edin, işbirliği yapın ve çalışmanızı asla kaybetmeyin. Çalıştırdığınız her analiz bir Git deposunda yaşamalıdır.

Herhangi bir DNA veya protein dizisi alın ve tüm dizilmiş yaşam genelinde akrabalarını bulun. Her biyoinformatikçinin öğrendiği ilk araç.

GenBank, PubMed, SRA, RefSeq — NCBI dünyanın kamuya açık biyolojik verilerinin çoğuna ev sahipliği yapıyor. İhtiyacınız olanı bulmayı öğrenin.

RNA-seq, varyant çağırma ve genom montaj pipeline'larını web arayüzü üzerinden çalıştırın. İş akışlarını kodlamadan önce ne yaptıklarını anlamak için mükemmel.

Açıklamalı genomları görsel olarak keşfedin. Herhangi bir gene gidin, yapısını, ifade verisini ve türler arası korunumunu görün.

İkili hizalama, puanlama matrisleri (BLOSUM62, PAM), global vs. lokal hizalama (Needleman-Wunsch, Smith-Waterman). Bu seçimlerin neden önemli olduğunu bilin.

Tüm RNA-seq pipeline'ının kavramsal bir yürüyüşü — her adımın ne yaptığı ve neyin yanlış gidebileceği. İlk analizinizi çalıştırmadan önce bunu okuyun.

p-değerleri, çoklu test düzeltmesi, PCA, kümeleme. Bu kavramlar her analizde karşınıza çıkar. Josh Starmer bunları herkesten iyi açıklıyor.

Tekrarlanabilirlik, iş akışı yöneticileri (Nextflow, Snakemake), konteynerizasyon. Neden analiz adımlarını daha iyisini öğrendikten sonra asla manuel olarak çalıştırmamalısınız.

Nikolay Oskolkov · 2022

Modern biyolojinin hesaplamalı düşünce gerektiren ölçeklerde nasıl veri ürettiği. Alanın kapsamına harika bir giriş.

HT veri tipleri, ön işleme stratejileri ve yaygın analitik tuzakların geniş kapsamlı bir genel bakışı — verinin gerçek bir laboratuvarda nasıl aktığının mükemmel bir ilk bakışı.

Dr. Ömer Ali Bayraktar · 2023

Son teknoloji araştırmaya bir pencere. Her detayı anlamak için endişelenmeyin — sorulan biyolojik sorulara odaklanın.

Gerçek bir klinik probleme uygulanan makine öğrenmesi. Hesaplamalı araçların tıbbı nasıl değiştirdiğinin net bir örneği.

RNA-seq, tek hücre, uzamsal transkriptomik. Gen ifadesi ve dizileme verisi ilginizi çekiyorsa — buradan başlayın.

Protein dil modelleri, yapı tahmini, diziler üzerinde derin öğrenme. Biyolojide YZ uygulamaları sizi heyecanlandırıyorsa — buradan başlayın.

Moleküler kenetlenme, protein yapısı, AlphaFold devrimi. 3B moleküler yapılara çekiliyorsanız — bu sizin yönünüz.

Tüm mikrobiyel toplulukları dizileme — bağırsak, toprak, okyanus. Çevresel veya klinik mikrobiyoloji sizi çağırıyorsa — buradan başlayın.

Gene Expression Omnibus'ta binlerce yayımlanmış veri seti var. İlginizi çeken bir makaleyle ilgili bir tane bulun ve indirin.

Kamuya açık veri setine sahip herhangi bir yöntemler makalesini seçin. Bir figürü yeniden üretin. Herhangi bir kurstan daha fazlasını öğreneceksiniz.

Analizinizi bir README'de belgeleyin. Kodunuzu gönderin. Bu, bilimsel portföyünüzün başlangıcıdır.