Η PHAROS AI Factory ανακοινώνει το 15ο Μάθημα της Σειράς Εκπαιδεύσεών της, με τίτλο «Εργαστήριο Ανάλυσης Δεδομένων Αλληλούχισης RNA Μεμονωμένων Κυττάρων (single-cell RNA-Sequencing)». Το μάθημα εντάσσεται στη θεματική ενότητα AI4Health και θα πραγματοποιηθεί διαδικτυακά μέσω Zoom στις 25 Νοεμβρίου 2026.
Γλώσσα παρουσίασης: Ελληνικά
Περιγραφή μαθήματος:
Το εργαστήριο είναι μια ολοκληρωμένη εισαγωγή στην ανάλυση δεδομένων αλληλούχισης RNA μεμονωμένων κυττάρων (scRNA-seq) με το Scanpy, ένα εργαλείο σε Python για την ανάλυση δεδομένων μεταγραφωμικής μεμονωμένων κυττάρων. Συνδυάζει θεωρητικές διαλέξεις με πρακτικές ασκήσεις. Έτσι οι συμμετέχοντες θα εξοικειωθούν με τις βασικές έννοιες, τις υπολογιστικές μεθόδους και τα αναλυτικά βήματα μιας τυπικής ροής ανάλυσης scRNA-seq.
Το εργαστήριο καλύπτει τα βασικά στάδια της ανάλυσης δεδομένων μεμονωμένων κυττάρων:
- έλεγχο ποιότητας
- προεπεξεργασία
- επιλογή γονιδίων υψηλής μεταβλητότητας
- μείωση διαστατικότητας
- ομαδοποίηση (clustering)
- ανάλυση διαφορικής γονιδιακής έκφρασης
- ταυτοποίηση κυτταρικών τύπων
Δίνεται ιδιαίτερη έμφαση στο σκεπτικό πίσω από τις αναλυτικές επιλογές και στην επίδραση της επιλογής παραμέτρων. Συζητούνται επίσης οι συνήθεις δυσκολίες και παγίδες στην ερμηνεία των αποτελεσμάτων.
Στο τέλος του εργαστηρίου οι συμμετέχοντες θα έχουν πρακτική εμπειρία στην επεξεργασία και διερεύνηση συνόλων δεδομένων scRNA-seq. Θα μπορούν να εντοπίζουν διακριτούς κυτταρικούς πληθυσμούς και να ταυτοποιούν κυτταρικούς τύπους με γονίδια-δείκτες και με μεθόδους εμπλουτισμού (enrichment). Στόχος του εργαστηρίου είναι να δώσει στους συμμετέχοντες τις βασικές γνώσεις και τις πρακτικές δεξιότητες για να εκτελούν αναλύσεις single-cell transcriptomics και να τις αξιολογούν κριτικά.
Κοινό: Βιοπληροφορικοί, Επιστήμονες Βιοϊατρικών Δεδομένων, Ακαδημαϊκοί Ερευνητές, Μεταπτυχιακοί και Υποψήφιοι Διδάκτορες
Τοποθεσία: Διαδικτυακά μέσω Zoom (ο σύνδεσμος Zoom θα σας σταλεί με την εγγραφή σας)
Μαθησιακοί στόχοι:
- Βαθύτερη κατανόηση των δομών και των μορφών των δεδομένων scRNA-seq και των ιδιαιτεροτήτων τους (όπως η αραιότητα), καθώς και των τυπικών ροών ανάλυσης.
- Κατανόηση του μαθηματικού και βιολογικού σκεπτικού πίσω από βασικά βήματα: μετρικές ελέγχου ποιότητας, τεχνικές κανονικοποίησης, μείωση διαστατικότητας, ομαδοποίηση και εντοπισμός γονιδίων-δεικτών.
- Εφαρμογή των εννοιών σε Python με το Scanpy για την επεξεργασία, την ανάλυση και την ερμηνεία συνόλων δεδομένων μεμονωμένων κυττάρων.
- Επιτυχής εκτέλεση ανάλυσης διαφορικής γονιδιακής έκφρασης για τον εντοπισμό γονιδίων-δεικτών και την ταυτοποίηση διακριτών κυτταρικών τύπων σε ένα ετερογενές σύνολο δεδομένων.
- Άμεση αλληλεπίδραση για την αποσαφήνιση βέλτιστων πρακτικών και της ρύθμισης παραμέτρων, καθώς και για την αποφυγή συνηθισμένων λαθών στη βιοπληροφορική μεμονωμένων κυττάρων.
