Wir beginnen mit einer Einführung in die relevante Biologie und erklären, was wir messen und warum. Dann konzentrieren wir uns auf die beiden wichtigsten Messtechnologien: Next Generation Sequencing und Microarrays. Anschließend beschreiben wir, wie Rohdaten und experimentelle Informationen in R importiert werden und wie wir Bioconductor-Klassen verwenden, um diese Daten zu organisieren, unabhängig davon, ob sie lokal erzeugt oder aus öffentlichen Repositories oder institutionellen Archiven entnommen wurden. Genomische Merkmale werden im Allgemeinen mit Hilfe von Intervallen in genomischen Koordinaten identifiziert, und es werden hocheffiziente Algorithmen zur Berechnung mit genomischen Intervallen im Detail untersucht. Statistische Methoden zum Testen von gen- oder pathway-zentrierten Hypothesen mit Daten auf Genom-Ebene finden sich in Paketen wie limma; einige dieser Techniken werden in Vorlesungen und Praktika veranschaulicht.
Aufgrund der unterschiedlichen Bildungshintergründe unserer Studenten haben wir die Reihe in sieben Teile unterteilt. Sie können die gesamte Reihe oder einzelne Kurse, die Sie interessieren, belegen. Wenn Sie Statistiker sind, sollten Sie in Erwägung ziehen, die ersten zwei oder drei Kurse zu überspringen, und wenn Sie Biologe sind, sollten Sie in Erwägung ziehen, einige der einführenden Biologievorlesungen auszulassen. Beachten Sie, dass die Statistik- und Programmieraspekte des Kurses in den ersten drei Kursen relativ schnell an Schwierigkeit zunehmen. Im dritten Kurs werden fortgeschrittene statistische Konzepte wie hierarchische Modelle und im vierten Kurs fortgeschrittene softwaretechnische Fähigkeiten wie paralleles Rechnen und reproduzierbare Forschungskonzepte gelehrt.
Diese Kurse bilden zwei Professional Certificates und werden im Selbststudium absolviert:
Data Analysis for Life Sciences:
- PH525.1x: Statistics and R for the Life Sciences
- PH525.2x: Einführung in lineare Modelle und Matrixalgebra
- PH525.3x: Statistische Inferenz und Modellierung für Hochdurchsatz-Experimente
- PH525.4x: Hochdimensionale Datenanalyse
Genomische Datenanalyse:
- PH525.5x: Einführung in Bioconductor
- PH525.6x: Fallstudien in der funktionellen Genomik
- PH525.7x: Advanced Bioconductor
Dieser Kurs wurde teilweise vom NIH Grant R25GM114818 unterstützt.
HarvardX verlangt von Personen, die sich für seine Kurse auf edX anmelden, dass sie sich an die Bedingungen des edX-Ehrenkodex halten. HarvardX wird bei Verstößen gegen den edX-Ehrenkodex angemessene Korrekturmaßnahmen ergreifen, die die Entlassung aus dem HarvardX-Kurs, den Widerruf aller für den HarvardX-Kurs erhaltenen Zertifikate oder andere Abhilfemaßnahmen umfassen können, sofern die Umstände dies rechtfertigen. Im Falle von Abhilfemaßnahmen für solche Verstöße werden keine Rückerstattungen gewährt. Für Teilnehmer, die HarvardX-Kurse als Teil eines anderen Programms belegen, gelten ebenfalls die akademischen Richtlinien dieser Programme.
HarvardX verfolgt die Wissenschaft des Lernens. Wenn Sie sich als Online-Lernende/r in einem HX-Kurs anmelden, nehmen Sie auch an der Forschung über das Lernen teil. Lesen Sie unsere Forschungserklärung, um mehr zu erfahren.
Die Universität Harvard und HarvardX verpflichten sich, ein sicheres und gesundes Bildungs- und Arbeitsumfeld zu schaffen, in dem kein Mitglied der Gemeinschaft von der Teilnahme an unserem Programm ausgeschlossen wird, ihm die Vorteile vorenthalten werden oder es diskriminiert oder belästigt wird. Von allen Mitgliedern der HarvardX-Gemeinschaft wird erwartet, dass sie sich an die Harvard-Richtlinien zur Nichtdiskriminierung, einschließlich sexueller Belästigung, und die edX-Nutzungsbedingungen halten. Wenn Sie Fragen oder Bedenken haben, wenden Sie sich bitte an [email protected] und/oder melden Sie Ihre Erfahrungen über das edX-Kontaktformular.