สถิติพันธุศาสตร์สำหรับวิทยาศาสตร์ข้อมูล

ข้อมูลจีโนมกำลังขยายตัวในอัตราที่ไม่เคยมีมาก่อน แต่ข้อมูลลำดับดิบจะมีคุณค่าก็ต่อเมื่อคุณสามารถดึงข้อมูลเชิงลึกทางชีววิทยาที่มีความหมายออกมาได้ การทำความเข้าใจพื้นฐานทางสถิติที่อยู่เบื้องหลังวิทยาศาสตร์ข้อมูลจีโนมเป็นกุญแจสำคัญในการเปลี่ยนชุดข้อมูลขนาดใหญ่ให้กลายเป็นการค้นพบที่ก้าวหน้า หลักสูตรที่เน้นข้อความนี้จะนำคุณไปสู่แนวคิดทางสถิติที่จำเป็นและขั้นตอนการทำงานเชิงคำนวณที่ใช้ในการวิเคราะห์ข้อมูลจีโนม คุณจะเริ่มต้นด้วยแนวคิดพื้นฐานทางชีววิทยาและความน่าจะเป็น ก่อนที่จะก้าวไปสู่หัวข้อขั้นสูง เช่น การทดสอบสมมติฐานสำหรับการแสดงออกที่แตกต่างกัน (differential expression) และการวิเคราะห์ข้อมูลมิติสูงสมัยใหม่ เมื่อจบหลักสูตรนี้ คุณจะสามารถตีความชุดข้อมูลจีโนมได้อย่างมั่นใจ และเข้าใจแบบจำลองทางคณิตศาสตร์ที่เป็นพลังขับเคลื่อนชีวสารสนเทศศาสตร์สมัยใหม่ สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจคำศัพท์หลักทางชีววิทยาและสถิติที่จำเป็นสำหรับการวิเคราะห์ข้อมูลจีโนม - ประยุกต์ใช้การทดสอบสมมติฐานและการแก้ไขการทดสอบหลายรายการ (multiple testing corrections) เพื่อระบุความแปรผันทางพันธุกรรมที่มีนัยสำคัญ - วิเคราะห์การแสดงออกของยีนที่แตกต่างกัน (differential gene expression) โดยใช้แบบจำลองทางสถิติที่ปรับให้เหมาะสำหรับการจัดลำดับด้วยปริมาณงานสูง (high-throughput sequencing) - สำรวจเทคนิคการลดมิติสมัยใหม่ เช่น PCA เพื่อแสดงภาพและจัดกลุ่มชุดข้อมูลจีโนมที่มีมิติสูง - ใช้ขั้นตอนการทำงานทางสถิติที่ทำซ้ำได้ (reproducible statistical workflows) โดยใช้ data frames สมัยใหม่และไลบรารีจีโนมมาตรฐาน การเดินทางเริ่มต้นด้วยความน่าจะเป็นพื้นฐานและคำศัพท์ทางจีโนมิกส์ สร้างขึ้นไปสู่แบบจำลองการถดถอย (regression models) เทคนิคการทำให้เป็นมาตรฐาน (normalization techniques) และการปรับการทดสอบหลายรายการ (multiple testing adjustments) คุณจะได้อ่านคำอธิบายที่ชัดเจน ศึกษาตัวอย่างโค้ดที่มีโครงสร้าง และทำแบบฝึกหัดที่เป็นลายลักษณ์อักษรที่ออกแบบมาเพื่อเสริมสร้างทักษะการวิเคราะห์ของคุณ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในสาขาชีวสารสนเทศศาสตร์ นักวิเคราะห์ข้อมูลที่เปลี่ยนไปสู่สาขาวิทยาศาสตร์ชีวภาพ และนักเรียนที่ต้องการทำความเข้าใจคณิตศาสตร์ที่อยู่เบื้องหลังเครื่องมือทางจีโนม ไม่จำเป็นต้องมีพื้นฐานทางสถิติขั้นสูงหรือชีววิทยาล่วงหน้า เริ่มสำรวจรูปแบบทางสถิติที่ซ่อนอยู่ในจีโนมได้แล้ววันนี้