Анализ
NGS-данных

Наши преподаватели работают в топовых ВУЗах и постоянно ведут научные исследования. Но это не самое главное. Самое главное, что нам важно выстроить долгие и крепкие отношения с преподавателями. Наше сотрудничество — результат коллаборации, которую мы ценим и выделяем. Многие лекторы преподают только на курсах Бластима, потому что для них это возможность вместе с командой методистов строить самые прогрессивные образовательные продукты

Мы не просто обучаем, а систематизируем знания: от сырых ридов и до конечного результата за счет работы со всеми актуальными инструментами биоинформатики, используемых при анализе NGS

Вас ждет практическая часть с финальным проектом. Вы получите план действий и готовые «рецепты», которые легко применить в работе в дальнейшем или адаптировать под свои данные

Занятия в учебном классе помогут собраться и не отвлекаться на домашние дела, животных, детей или работу. На кофе-брейке вы сможете задать любые вопросы преподавателями и влиться в биоинформатическое комьюнити. На онлайн-занятиях вы сможете учиться из любой точки мира, задавать вопросы голосом «в моменте». Если вы начнёте отставать от группы, учебные онлайн-ассистенты подхватят вас и помогут догнать остальных

За три года мы обучили анализу NGS более 400 человек. Мы следим за вовлечением каждого участника в учебный процесс. А еще мы любим обратную связь и быстро реагируем в ответ на нее. Если вам всё равно тяжело даётся обучение, мы можем сделать возврат денег или предложить бесплатное участие в следующем потоке. Такой подход обеспечивает, что до конца курса доходит 70-80% участников. Пройдя курс, вы получите удостоверение о повышении квалификации государственного образца

Мы покажем, что все решаемо и всему можно научиться! Поможем понять, что биоинформатика — это несложно. Объясним, с чего можно начать, как избежать типичных ошибок, с какими сложностями можно столкнуться и как их преодолеть

Современные платформы и их особенности. Понятие качества чтения. Источники ошибок и особенности чтений, полученных на разных платформах. Тримминг, адаптерные последовательности, разбор отчетов FastQC.
Linux, работа на сервере, введение в bash.

Парные выравнивания. Алгоритмы картирования чтений на геном. Программы-картировщики и основные форматы данных, используемые для хранения выравниваний. Терминология картирования. Особенности парных чтений. Влияние референса.

Поиск структурных вариантов (SNV-calling). Обзор основных принципов. Формат VCF. Описание типичного протокола поиска однонуклеотидных полиморфизмов. Использование freebayes и bcftools. Анализ полученных вариаций, фильтрация, работа с вариантами.

Основы филогенетического анализа. Множественные выравнивания. Построение филогенетического дерева.

Аннотация генома. Поиск белок-кодирующих генов. Функциональная аннотация по гомологии, выявление консервативных доменов.

Выравнивание коротких прочтений на митохондриальный геном и Y - хромосому, SNV- calling c использованием программ GATK в режиме гаплоидного вызова. Определение гаплогруппы образцов по Y и MT (Y-LineangTracker, HaploGrep).

Филогенетический анализ и расчет времени коалесценции (время разделения веток) по SNP Y-хромосомы. Анализ Y STR (коротких тандемных повторов), сетевой анализ и расчет возраста общего предка, сопоставление его с результатами расчета времени коалесценции (Y-LineangTracker).

Аннотация патологических вариантов с митохондриальной ДНК (annovar) и анализ гетероплазмий (соматический и внутриклеточный мозаицизм).

Чтение, длина вставки, контиг, скаффолд, покрытие, k-mer, N50. Выбор платформы и библиотек.

Чем хорошая сборка отличается от плохой. Разбор типовых ошибок. Практикум на гибридной сборке с данных Illumina и Oxford Nanopore.

Введение. Контроль качества. Fastqc, multiqc. Тримминг и фильтрация ридов. Картирование STAR. Сборка транскриптов. Stringtie. Квантификация (htseq-count, stringtie, etc).

Проверка самосогласованности: корреляционная тепловая карта, PCA/MDS, поправка на множественные сравнения. Batch effect, поиск выбросов. Линейные модели, дизайн экспериментов, нормализация.

Дифференциальная экспрессия (edgeR, DESeq2), дифференциальный сплайсинг, функциональный анализ (WebGestalt, clusterProfiler). Визуализация данных RNA-seq в IGV и при помощи R. Анализ коэкспрессии генов (WGCNA).

Эпигенетика. Метилирование ДНК, связь с экспрессией генов.

Стратегии NGS для изучения метилирования
Бисульфитная конверсия.

Пайплайн обработки данных бисульфитного секвенирования, стандарты и особенности.

Расчет профилей метилирования образцов.

Дифференциальное метилирование.

Особенности нанопорового секвенирования, многообразие платформ, специфические ошибки, характерные для метода. Биоинформатическая обработка нанопоровых прочтений: расшифровка сырого сигнала, демультиплекс и удаление адаптеров при помощи Dorado, оценка качества прочтений. Использование нанопоровых прочтений в сборках геномов, метагеномике, транскриптомике (minimap2, kraken2, flye, medaka, epi2me).

Методы профилирования состава микробиома на основании NGS. Ампликонное и shotgun (WGS) секвенирование. Референсные базы данных (SILVA, GreenGenes, RDP).
Предобработка ридов и таксономическая классификация 16S рРНК/ITS данных (QIIME2, DADA2, Deblur).

Определение состава сообщества по shotgun-метагеномам: от кладоспецифичных маркеров (MetaPhlAn2) до анализа MAG (MetaBat2).

Предсказание метаболического потенциала по 16S рРНК данным (PICRUSt, Tax4fun, FAPROTAX).

Особенности статистической обработки данных по составу микробиоты: разреженность (виды нулей в таблице представленностей, замена на псевдо-отсчеты, GBM и пакет zCompositions в R), композиционность (alr-, clr- и ilr- преобразования, методы philr, selbal, gneiss, DBA, amalgam).

Альфа- и бета-разнообразие: метрики (chao1, Shannon, UniFrac, Bray-Curtis, Aitchison distance), визуализация (MDS, PCoA).

Общая схема экспериментов scRNA-Seq и snRNA-Seq
Дорожная карта анализа scRNA-Seq в scanpy
Полный цикл от .h5ad файла до готового AnnData объекта:

• контроль качества (scanpy & scrublet)
• нормализация данных и контроль дисперсии
• батч-коррекция (scVI, harmony, bbknn, netrd)
• кластеризация
• подходы к клеточной аннотации (label-transfer, cluster-based, Marker- genes cell identity)

Рассматриваемые методы:
1) композиционный анализ (Milo, scCODA)
2) дифференциальная экспрессия
3) оценка клеточных пертурбаций (augur)
4) поиск генных модулей (hotspot)
5) оценка обогащения генных сигнатур (gseapy, blitzgsea)
6) генные регуляторные сети (celloracle)
7) лиганд-рецепторные взаимодействия (liana, cell2cell tensor)