Python и Linux для биоинформатики и биологии

9-дневный практический курс по программированию для начинающих
Для биологов, химиков, врачей и всех, кто хочет перейти на новый уровень обработки данных

Ближайший поток пройдет ближе к лету
в обновленном формате

Большинство курсов по программированию предлагают написать учебный чат-бот или мобильное приложение. Мы верим, что биологам и медикам гораздо интереснее задачи про мышей, белки и генетические последовательности. Мы так же расскажем, как использовать ChatGPT для своих задач в биоинформатике.

Курс поможет повысить эффективность работы и автоматизировать рутинные задачи. Наш интенсив по Python и bash вместе с курсом по Статистике и R составляют единый цикл подготовки биологов к работе с данными и биоинформатике, в том числе анализу NGS-данных.

Вас ждет:
— 20 часов практики с преподавателем + 20 часов самостоятельных тренировок с код-ревью;
— практика по bash в реальном окружении на сервере;
— ежедневные лекционные материалы и готовые питоновские тетради с примерами кода с комментариями;
— домашний проект по окончании интенсива для закрепления навыков;

При покупке любого курса из цикла на два других дополнительная скидка по 5%, которую можно суммировать с остальными акциями

Этот курс подойдет, если вы:

Никогда не программировали или делали это давно
Хотите сделать лучше и/или автоматизировать анализ данных
Уже учили основы Python или Linux, но где-то «застряли»
Хотите обучиться популярному языку, который подходит для большинства задач
Только переходите в биоинформатику или меняете работу
Хотите прийти на наш курс по анализу NGS данных подготовленным

После вебинара вы узнаете о возможностях Python для:

Автоматизации биологических экспериментов: сбор и обработка данных с приборов, анализ результатов и создание отчетов
-Создания интерактивных визуализаций для биологических данных: построение графиков, диаграмм и других инструментов для визуализации данных.
Разработки машинного обучения на Python для решения биологических задач: классификация образцов, обучение моделей и оценка их качества.
Интеграции Python с другими инструментами для биологической работы: R, MATLAB, Cytoscape и другие.
Разработки собственных программных решений для биологических задач на Python: создание библиотек, модулей и скриптов для упрощения работы.
Основных проблемах, с которыми сталкиваются биологи при работе с Python: отладка, оптимизация, выбор инструментов и прочие сложности.
Будущие возможности Python для биологической работы: интеграция с новыми технологиями, автоматизация биологических экспериментов, улучшение алгоритмов и многое другое.

Примеры практических тем и кейсов:

На занятиях
- построение модели связывания для исследуемого транскрипционного фактора,
- автоматическое скачивание биологических данных из сети,
- запуск AlphaFold2 при помощи Python и визуализация результата,
- запуск докинга и предварительная обработка результатов,
- анализ экспрессионных данных, нахождение выбросов и батч-эффекта.
1
Дома
- анализ промоторов бактерий при гомологичных белках на наличие транскрипционного фактора,
- исследование использования стопкодонов у выбранной бактерии/семейств,
- анализ представленности конформаций структур лиганда,
- оценка связи между числом экзонов и изоформ гена человека.
2

Примеры практических тем и кейсов:

На занятиях

построение модели связывания для исследуемого транскрипционного фактора,
автоматическое скачивание биологических данных из сети,
запуск AlphaFold2 при помощи Python и визуализация результата,
запуск докинга и предварительная обработка результатов,
анализ экспрессионных данных, нахождение выбросов и батч-эффекта.

Дома

анализ промоторов бактерий при гомологичных белках на наличие транскрипционного фактора,
исследование использования стопкодонов у выбранной бактерии/семейств,
анализ представленности конформаций структур лиганда,
оценка связи между числом экзонов и изоформ гена человека.

Построение модели связывания транскрипционного фактора

Автоматическое скачивание биологических данных из сети

Запуск AlphaFold2 и докинга, предварительная обработка результатов

Анализ экспрессионных данных, нахождение выбросов и батч-эффекта

Оценка связи между числом экзонов и изоформ гена человека

Примеры практических тем и кейсов:

После обучения вы сможете:

1
ориентироваться в синтаксисе, читать и писать код на Python и Bash;
2
свободно обращаться с командной строкой и запускать сторонние программы для обработки данных;
3
получать красивые графики и диаграммы со своих данных с помощью Python;
4
настраивать и автоматизировать обработку данных, распараллеливать ее;
5
формировать интерактивные отчеты в формате Jupyter Notebook;
6
осознанно дополнять знания по Python и Bash в намеченных направлениях.

Преподаватели

Дмитрий Пензар
Преподаватель, автор курса
Старший преподаватель ФББ МГУ, научный сотрудник ИОГен РАН,
автор более 10 курсов
по программированию.
Андрей Сигорских
Преподаватель
Аспирант ФББ МГУ. Научный сотрудник НИИ ФХБ. Преподаватель и соавтор 5 курсов по информатике, биоинформатике и машинному обучению в биологии.
Арсений Зинкевич
Преподаватель
Преподаватель ФББ МГУ, младший научный сотрудник ИОГен РАН, системный аналитик в Insilico Medicine

Полноценный онлайн-вариант

⁍ Онлайн-участники задают вопросы в реальном времени, обсуждают с преподавателями задачи практикума

⁍ Общий чат для всех участников и преподавателей

⁍ Мы предусмотрели онлайн-ассистентов с возможностью персональных консультаций

Оставить заявку:

Мы планируем новый поток в мае 2023 года в обновленном формате

Отзывы на предыдущие потоки

При нулевом опыте работы с данными инструментами, я в конце курса [почти] самостоятельно решал задачи, можно объективно заключить, что он даром не прошёл =) Прежде всего, важно, что орги успели показать не только общие принципы работы данных языков программирования, но и их практическое применение.
Предупреждение тем, кто собирается: это "интенсив", т.е. придётся быстро делать записи, вбивать команды и при этом осознавать, что происходит)
Посоветую курс тем, чья работа [будет] связана с биоинформатическим анализом больших объёмов данных. По возможности, сам повторю в следующем году для закрепления)
Константин Курбаков
мнс лаборатории гигиены производства и микробиологии ФГБНУ «ВНИИМП им. В. М. Горбатова»
Теплая, почти домашняя атмосфера. Доступное изложение разного материала. Индивидуальный подход к каждому. Понравилось, что помогали не только отстающим, а всем нуждающимся. Знакомство с Biopython и его применение в практике.
К части про Python хотелось бы добавить разбор реально существующих простых прикладных программ для понимания алгоритмов, последовательностей действий в разработке собственных программ.
Курс хорош для всех тех, кто мало знаком с Linux и Python; для тех, кто уже начал осваивать все это, но есть много вопросов типа «а как это сделать правильно?»
Очень удобный формат «выходного дня», то есть проведения курса в пятницу-субботу-воскресение. Хотелось бы практический курс по R и транскриптомике в этом же формате.
Елена Осипова
Понравилось доходчивое объяснение и индивидуальный подход.
Хотелось бы иметь отпечатанный словарь синтаксиса (что типа методички).
Посоветовала бы курс биологам которые интересуются биоинформатикой.
Я перестала бояться строки, поняла, что мне по силам это освоить))
Лучше в начале дня начать решать более сложные задачи, в конце дня уже становится тяжело что-то воспринимать). Но в целом все понравилось, ребята очень дружелюбные и готовы дать доступные ответы на вопросы)
Юлия Урбан
Научный сотрудник в МНИИЭиМ им. Г.Н. Габричевского