Im Modul 'Topologische und Netzwerk-Evolutionsmodelle' bieten wir mehrere Vorlesungen über eine historische Perspektive der Netzwerkanalyse in der Systembiologie. Der Schwerpunkt liegt auf In-silico-Netzwerkentwicklungsmodellen. Dabei handelt es sich um einfache Computermodelle, die auf der Grundlage weniger Regeln Netzwerke erstellen können, die eine ähnliche Topologie aufweisen wie die in biologischen Systemen beobachteten molekularen Netzwerke.

Im Modul 'Arten biologischer Netzwerke' geht es um die verschiedenen Arten von Netzwerken, die typischerweise in der Systembiologie und Systempharmakologie aufgebaut und analysiert werden. Diese Vorlesung endet mit der Idee der funktionalen Assoziationsnetzwerke (FANs). Im Anschluss an diese Vorlesung folgen Vorlesungen, in denen erörtert wird, wie FANs konstruiert werden und wie man diese Netzwerke für die Analyse von Genlisten verwendet.

In dieser Vorlesungsreihe des Moduls 'Datenverarbeitung und Identifizierung differenziell exprimierter Gene' werden zunächst Methoden zur Normalisierung von Daten erörtert. Anschließend wird in mehreren Vorlesungen das Problem der Identifizierung differenziell exprimierter Gene erläutert, wobei der Schwerpunkt auf dem Verständnis des Innenlebens einer neuen, vom Ma'ayan-Labor entwickelten Methode, der so genannten charakteristischen Richtung, liegt.

Im Modul 'Gene Set Enrichment and Network Analyses' (Anreicherung von Gensätzen und Netzwerkanalysen) liegt der Schwerpunkt auf den vom Ma'ayan Laboratorium entwickelten Tools zur Analyse von Gensätzen. Es werden mehrere Tools besprochen, darunter: Enrichr, GEO2Enrichr, Expression2Kinases und DrugPairSeeker. Darüber hinaus wird ein Vortrag einer von uns entwickelten Methode gewidmet sein, die wir Enrichment Vektor Clustering nennen, und zwei Vorträge werden die beliebte Methode der Gene Set Enrichment Analysis (GSEA) und eine von uns entwickelte verbesserte Methode namens Principal Angle Enrichment Analysis (PAEA) beschreiben.

Eine Reihe von Vorlesungen im Modul 'Deep Sequencing Data Processing and Analysis' behandelt die grundlegenden Schritte und beliebten Pipelines zur Analyse von RNA-seq- und ChIP-seq-Daten, von den Rohdaten über Genlisten bis hin zu Abbildungen. Diese Vorlesungen behandeln auch UNIX/Linux-Befehle und einige Programmierelemente von R, einer beliebten frei verfügbaren Statistiksoftware. Beachten Sie, dass diese Vorlesungen im Herbst 2013 entwickelt und aufgezeichnet wurden. Es ist möglich, dass es heute bessere Tools gibt, die verwendet werden sollten, da sich das Feld schnell weiterentwickelt.

Dieses Modul ist verschiedenen Methoden des Clustering gewidmet: Hauptkomponentenanalyse, selbstorganisierende Karten, netzwerkbasiertes Clustering und hierarchisches Clustering. Die Theorie hinter diesen Analysemethoden wird im Detail behandelt. Anschließend werden die Methoden für Anwendungen mit R und MATLAB praktisch demonstriert.

Die Vorlesungen im Modul 'Ressourcen für die Datenintegration' befassen sich mit den verschiedenen Arten von Netzwerken, die typischerweise in der Systembiologie und Systempharmakologie aufgebaut und analysiert werden. Diese Vorlesungen beginnen mit der Idee der funktionalen Assoziationsnetzwerke (FANs). Im Anschluss an diese Vorlesung folgen mehrere Vorlesungen, in denen erörtert wird, wie FANs aus verschiedenen Ressourcen konstruiert werden und wie diese Netzwerke für die Analyse von Genlisten sowie für die Konstruktion eines Puzzles verwendet werden können, mit dem sich genomische Daten mit phänotypischen Daten verbinden lassen.

In der letzten Vortragsreihe wird die Idee des Crowdsourcing vorgestellt. MOOCs bieten die Möglichkeit, gemeinsam an Projekten zu arbeiten, die alleine nur schwer zu bewältigen sind (Microtasks) oder um die Implementierung der besten Algorithmen zur Lösung schwieriger Probleme zu konkurrieren (Megatasks). Sie werden die Möglichkeit haben, an verschiedenen Crowdsourcing-Projekten teilzunehmen: Microtasks und Megatasks. Diese Projekte sind speziell für diesen Kurs konzipiert.

Die Abschlussprüfung besteht aus Multiple-Choice-Fragen zu Themen, die in allen Modulen des Kurses behandelt wurden. Bei einigen Fragen müssen Sie einige der Analysemethoden, die Sie im Kurs gelernt haben, an neuen Datensätzen anwenden.