Biyoinformatik ve Yapay Zeka Eğitimi

Eğitim Hakkında

Bu eğitim, yeni nesil dizileme, transkriptomik, protein ve mikrobiyom verilerini tekrarlanabilir iş akışları ve yapay zeka yöntemleriyle analiz etmek isteyen araştırma ekipleri için tasarlanmış ileri düzey bir programdır. Katılımcılar varyant analizi, tek hücre veri analizi, DNA ve protein dil modelleri ve metagenomik uygulamalarını Linux ve Python ortamında laboratuvarlarla uygular.

Neden Bu Eğitim?

Hattan Modele Bütünlük. Ham okumadan varyanta, hücre kümesinden protein fonksiyonuna kadar analiz zincirinin tamamını birlikte kurun.

Biyolojik Temel Modeller. ESM-2, scGPT, Enformer ve AlphaMissense gibi modellerin ne zaman gerçek katkı sağladığını uygulamada görün.

Tekrarlanabilir Bilim. Nextflow, Snakemake ve konteynerlerle başka ekiplerin de aynı sonucu üretebildiği analiz hatları geliştirin.

“Biyolojik veri hızla büyüyor; fark yaratan, onu tekrarlanabilir yöntemlerle anlamlı biyolojik bilgiye dönüştürebilen ekiplerdir.”

Ön Koşullar

Linux Komut Satırı — Dosya sistemi, temel bash komutları ve uzak sunucuya SSH ile bağlanma deneyimi.
Python Bilgisi — Python, pandas ve NumPy ile veri okuma, dönüştürme ve görselleştirme yapabilmek.
Moleküler Biyoloji — DNA, RNA, gen ifadesi, mutasyon ve protein yapısı kavramlarına hâkim olmak.
Hesaplama Ortamı — En az 16 GB bellekli Linux veya macOS bilgisayar ya da sağlanan bulut sunucu erişimi.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiBiyolojik veri türlerini ve dosya formatlarını tanımak, açık veritabanlarından veri çekmek ve Nextflow ile Snakemake üzerinde tekrarlanabilir analiz ortamı kurmak.

Modül 1

Biyolojik Veri Türleri ve Formatlar

Genomik, transkriptomik, epigenomik ve proteomik veri
Kısa ve uzun okuma dizileme teknolojileri karşılaştırması
FASTA, FASTQ, SAM/BAM ve VCF formatlarının yapısı
GTF/GFF anotasyonları ve referans genom sürümleri
Kalite skorları, kapsama derinliği ve okuma uzunluğu
Laboratuvar: samtools ve bcftools ile dosya inceleme

Modül 2

Veritabanları ve Biopython

NCBI, Ensembl, UniProt ve ENA veri kaynakları
Biopython ile dizi okuma, çeviri ve hizalama
BLAST ile benzerlik arama ve sonuç yorumlama
Çoklu dizi hizalama ve filogenetik ağaç temelleri
API'lerle programatik veri çekme ve üst veri yönetimi
Laboratuvar: Bir gen ailesinin dizilerini toplama

Modül 3

Tekrarlanabilir Analiz Altyapısı

Conda, Bioconda ve ortam dosyalarıyla sürüm kontrolü
Docker ve Apptainer konteynerlerinin kullanımı
Snakemake ile kural tabanlı iş akışı yazımı
Nextflow ve nf-core topluluk iş akışları
HPC kuyruk sistemleri ve bulutta ölçekleme
Laboratuvar: Basit bir Snakemake iş akışı oluşturma

Modül 4

Biyolojik Veride Makine Öğrenmesi Temelleri

Yüksek boyutlu, az örnekli veride aşırı öğrenme riski
Özellik seçimi, düzenlileştirme ve boyut indirgeme
Biyolojik replikalar, yığın etkisi ve veri sızıntısı
Gen ifadesi verisiyle doku sınıflandırma örneği
Biyolojik yorumlanabilirlik ve yol analizi bağlantısı
Günün değerlendirmesi ve NGS analizi gününe köprü

Günün hedefiDizileme okumalarını kontrol edip hizalamak, klasik ve derin öğrenme tabanlı varyant çağırmak ve varyantların etkisini yapay zeka modelleriyle yorumlamak.

Modül 1

Kalite Kontrol ve Hizalama

FastQC ve MultiQC ile okuma kalite raporları
Adaptör kırpma ve düşük kaliteli okumaların ayıklanması
BWA-MEM2 ile genom hizalama ve BAM işleme
Duplikasyon işaretleme ve kapsama istatistikleri
IGV ile hizalamaların görsel incelenmesi
Laboratuvar: Ekzom örneğinde kalite kontrol ve hizalama

Modül 2

Varyant Çağırma: GATK ve DeepVariant

GATK en iyi uygulamalar hattı ve HaplotypeCaller
DeepVariant: varyant çağırmayı görüntü problemine çevirmek
Genome in a Bottle referansıyla doğruluk karşılaştırması
Yapısal varyantlar ve uzun okuma verisinde çağırma
nf-core/sarek ile ölçeklenebilir varyant analizi
Laboratuvar: DeepVariant ve GATK sonuçlarının kıyaslanması

Modül 3

Varyant Anotasyonu ve Etki Tahmini

Ensembl VEP ile fonksiyonel varyant anotasyonu
ClinVar, gnomAD ve popülasyon frekansı filtreleri
AlphaMissense ile yanlış anlamlı varyant patojenitesi
SpliceAI ile ekleme bölgesi etkisi tahmini
ACMG ölçütleri ve hesaplamalı kanıtın ağırlığı
Laboratuvar: Aday varyantların önceliklendirilmesi

Modül 4

RNA-seq ile Gen İfadesi Analizi

Salmon ile transkript düzeyinde nicelleme
DESeq2 ile diferansiyel gen ifadesi analizi
Çoklu test düzeltmesi ve volkan grafiği yorumu
Gen seti zenginleştirme ve yol analizi
nf-core/rnaseq ile uçtan uca ifade hattı
Günün özeti ve tek hücre gününe hazırlık

Günün hedefiTek hücre RNA dizileme verisini Scanpy ile işlemek, derin üretken modellerle yığın etkisini gidermek, hücre tiplerini otomatik tanımlamak ve uzamsal veriyi analiz etmek.

Modül 1

Tek Hücre Veri Analizi Temelleri

Tek hücre RNA-seq teknolojileri ve sayım matrisi
AnnData yapısı ve Scanpy ekosistemi
Hücre ve gen kalite filtreleri, çift hücre tespiti
Normalizasyon, yüksek değişkenli genler ve PCA
Komşuluk grafiği, Leiden kümeleme ve UMAP
Laboratuvar: PBMC veri setinde Scanpy iş akışı

Modül 2

Derin Üretken Modellerle Entegrasyon

Yığın (batch) etkisi ve veri seti entegrasyonu sorunu
scVI ile varyasyonel çıkarım tabanlı gizil uzay
scANVI ile yarı denetimli hücre tipi aktarımı
Entegrasyon başarısının scib metrikleriyle ölçümü
Aşırı düzeltme ile biyolojik sinyal kaybı riski
Laboratuvar: Çok örnekli veride scvi-tools entegrasyonu

Modül 3

Hücre Tipi Tanımlama ve Temel Modeller

Belirteç genlerle manuel hücre tipi anotasyonu
CellTypist ile otomatik hücre tipi sınıflandırma
scGPT ve Geneformer gibi tek hücre temel modelleri
Temel model gömmeleri ile basit modellerin kıyası
Hücre atlasları ve referans eşleme yaklaşımları
Laboratuvar: Referans atlasa sorgu veri seti eşleme

Modül 4

Hücre Dinamikleri ve Uzamsal Veri

Yörünge ve psödozaman analizi yaklaşımları
RNA hızı ile hücre farklılaşma yönü tahmini
Uzamsal transkriptomik teknolojilerine genel bakış
Squidpy ile uzamsal komşuluk ve örüntü analizi
Hücre-hücre iletişimi çıkarımı ve sınırlılıkları
Günün değerlendirmesi ve dizi modelleri gününe köprü

Günün hedefiDizi tabanlı derin öğrenme modelleri kurmak, DNA ve protein dil modellerinin gömmelerini görevlerde kullanmak, yapı tahmini ve protein tasarım araçlarını değerlendirmek.

Modül 1

Düzenleyici Genomikte Derin Öğrenme

DNA dizilerinin tek-sıcak kodlanması ve CNN modelleri
Transkripsiyon faktörü bağlanma bölgesi tahmini
Filtre görselleştirme ile motif keşfi
Enformer ile uzun menzilli gen ifadesi tahmini
Model yorumlama: katkı skorları ve in silico mutajenez
Laboratuvar: PyTorch ile bağlanma bölgesi sınıflandırıcı

Modül 2

Genomik DNA Dil Modelleri

Genomik dil modellerinde belirteçleme: k-mer ve BPE
DNABERT-2 ve Nucleotide Transformer mimarileri
Evo 2 gibi uzun bağlamlı genom modelleri
Gömmelerle promotor ve ekleme bölgesi sınıflandırma
İnce ayar ile doğrusal sonda karşılaştırması
Laboratuvar: Hugging Face ile DNA modeli ince ayarı

Modül 3

Protein Dil Modelleri

Protein dizilerinde maskeli dil modellemesi mantığı
ESM-2 gömmeleriyle fonksiyon ve lokalizasyon tahmini
Sıfır atışlı mutasyon etkisi tahmini
Protein aileleri ve homoloji tabanlı veri bölme
Dil modeli ile klasik hizalama tabanlı yöntemler
Laboratuvar: ESM-2 ile enzim sınıfı tahmini

Modül 4

Protein Yapısı ve Tasarım

AlphaFold 2 ve ESMFold ile yapı tahmini karşılaştırması
pLDDT, PAE ve yapı kalitesi değerlendirmesi
Foldseek ile yapısal benzerlik araması
RFdiffusion ile omurga tasarımı kavramı
ProteinMPNN ile dizi tasarımı ve doğrulama döngüsü
Günün özeti ve uygulama alanları gününe hazırlık

Günün hedefiMetagenomik veriyi taksonomik ve fonksiyonel olarak analiz etmek, sağlık, tarım ve çevre uygulamalarını değerlendirmek ve tekrarlanabilir uçtan uca analiz projesini sunmak.

Modül 1

Metagenomik ve Mikrobiyom Analizi

16S rRNA amplikon ve tüm genom shotgun yaklaşımları
QIIME 2 ile amplikon dizi varyantları ve çeşitlilik
Kraken2 ve Bracken ile taksonomik sınıflandırma
Kompozisyonel veri sorunu ve uygun dönüşümler
Mikrobiyom profilinden hastalık sınıflandırma modeli
Laboratuvar: Bağırsak mikrobiyomu verisiyle sınıflandırma

Modül 2

Patojen Gözetimi ve Antimikrobiyal Direnç

Patojen genom dizileme ve salgın izleme yaklaşımı
Filogenetik analizle bulaş zinciri çıkarımı
CARD veritabanıyla direnç geni tespiti
Genomdan antimikrobiyal direnç fenotipi tahmini
Atık su genomiği ile toplum sağlığı gözetimi
Vaka: Hastane kaynaklı bir salgının genomik analizi

Modül 3

Tarım Genomiği, FAIR Veri ve Etik

Bitki ve hayvan ıslahında genomik seçilim modelleri
Genotipten fenotip tahmininde makine öğrenmesi
FAIR ilkeleri, üst veri standartları ve veri paylaşımı
İnsan genomik verisinde KVKK ve etik kurul süreçleri
LLM ile biyoinformatik kod üretiminde doğrulama
Uygulama: Proje için veri yönetim planı taslağı

Modül 4

Uçtan Uca Analiz Projesi ve Kapanış

Grup projesi: veriden biyolojik yoruma tekrarlanabilir hat
Proje sunumları ve iş akışı kod incelemesi
Kurumsal biyoinformatik altyapı yol haritası
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve iş akışı depolarının teslimi
İleri öğrenme kaynakları, topluluklar ve kapanış

Eğitim Kazanımları

Veri ve Formatlar — FASTQ, BAM, VCF ve AnnData gibi biyolojik veri formatlarını ve açık veritabanlarını etkin biçimde kullanabileceksiniz.
İş Akışı Yönetimi — Nextflow, Snakemake ve konteynerlerle tekrarlanabilir ve ölçeklenebilir analiz hatları kurabileceksiniz.
Varyant Analizi — GATK ve DeepVariant ile varyant çağırıp AlphaMissense ve SpliceAI ile etkilerini önceliklendirebileceksiniz.
Tek Hücre Analizi — Scanpy ve scvi-tools ile tek hücre verisini entegre edip hücre tiplerini otomatik olarak tanımlayabileceksiniz.
Dizi Modelleri — CNN ve DNA dil modelleriyle düzenleyici bölgeleri ve dizi fonksiyonlarını tahmin eden modeller geliştirebileceksiniz.
Protein Modelleri — ESM-2, AlphaFold ve Foldseek ile protein fonksiyonu, yapısı ve benzerliği üzerine analizler yapabileceksiniz.
Metagenomik — Mikrobiyom, patojen gözetimi ve tarım genomiği verilerini taksonomik ve fonksiyonel olarak analiz edebileceksiniz.
Uçtan Uca Proje — Ham veriden biyolojik yoruma uzanan, FAIR ilkelerine uygun ve tekrarlanabilir bir analiz projesi geliştireceksiniz.

Kimler İçin Uygundur?

Biyoinformatikçiler
moleküler biyologlar
genetik ve genomik laboratuvar uzmanları
biyoteknoloji ve tarım biyoteknolojisi Ar-Ge ekipleri ile yaşam bilimleri araştırmacıları.

Sıkça Sorulan Sorular

Biyoinformatik ve Yapay Zeka Eğitimi kimler için uygundur?

Program; biyoinformatikçiler, moleküler biyologlar, genetik ve genomik laboratuvar uzmanları, biyoteknoloji ve tarım biyoteknolojisi Ar-Ge ekipleri ile yaşam bilimleri araştırmacıları için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi konular işlenir?

Eğitim 5 tam gün ve 20 modülden oluşur. Veri altyapısı, NGS ve varyant analizi, tek hücre ve uzamsal transkriptomik, DNA ve protein dil modelleri ile metagenomik ve uygulama alanları işlenir; son gün proje sunulur.

Katılım için hangi ön bilgi ve donanım gerekiyor?

Linux komut satırı, Python ile veri işleme ve moleküler biyoloji temel bilgisi beklenir. En az 16 GB bellekli bir bilgisayar veya eğitimde sağlanan bulut sunucusu gereklidir.

Eğitimde hangi araç ve modeller kullanılıyor?

Biopython, Snakemake, Nextflow ve nf-core, GATK, DeepVariant, Ensembl VEP, AlphaMissense, Scanpy, scvi-tools, CellTypist, ESM-2, AlphaFold, Foldseek, QIIME 2 ve Kraken2 kullanılır; modeller Hugging Face üzerinden erişilir.

Kişiselleştirilmiş tıp eğitiminden farkı nedir, sertifika veriliyor mu?

Bu program ham dizileme verisinden biyolojik yoruma uzanan analiz hatlarına ve dizi modellerine odaklanır; klinik karar modelleri ikincil kalır. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

BİYOİNFORMATİK VE YAPAY ZEKA EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Biyolojik Veri Türleri ve Formatlar

Veritabanları ve Biopython

Tekrarlanabilir Analiz Altyapısı

Biyolojik Veride Makine Öğrenmesi Temelleri

Kalite Kontrol ve Hizalama

Varyant Çağırma: GATK ve DeepVariant

Varyant Anotasyonu ve Etki Tahmini

RNA-seq ile Gen İfadesi Analizi

Tek Hücre Veri Analizi Temelleri

Derin Üretken Modellerle Entegrasyon

Hücre Tipi Tanımlama ve Temel Modeller

Hücre Dinamikleri ve Uzamsal Veri

Düzenleyici Genomikte Derin Öğrenme

Genomik DNA Dil Modelleri

Protein Dil Modelleri

Protein Yapısı ve Tasarım

Metagenomik ve Mikrobiyom Analizi

Patojen Gözetimi ve Antimikrobiyal Direnç

Tarım Genomiği, FAIR Veri ve Etik

Uçtan Uca Analiz Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi