• Ders Başlangıç Tarihi

    15 Nisandan itibaren İstediğiniz zaman

  • Format

    Eş zamansız (asenkron) Modül

    Tek Hücre RNA-Seq Analizi Eğitimi

    Transkriptomik Analizde Hücresel Çözünürlük

    Modern biyolojinin temel taşı RNA-Seq, gen ekspresyon düzeylerini sayısal verilere dönüştürerek biyolojik örneklerin transkriptom profilini çıkarır. Konvansiyonel Bulk RNA-Seq yöntemlerinin sunduğu "ortalama" transkriptom verilerinin ötesine geçerek, biyolojik sistemlerin gerçek kompleksitesini hücre düzeyinde deşifre edin.

    Bu eğitimde; Seurat ekosistemi üzerinden High-Dimensional verilerin işlenmesini, stokastik gürültülerin (dropouts) eliminasyonunu ve nadir hücre popülasyonlarının (rare cell types) identifikasyonunu uluslararası yayın standartlarında öğreneceksiniz.

    Kendi analiz hattınızı (pipeline) kurgulayarak, doku mikroçevresindeki dinamik değişimleri ve hücre kaderi (cell-fate) yörüngelerini istatistiksel bir kesinlikle haritalandırın.
    • Mevcut katılımcılar

      96+

    • Kontenjan:

      Son 54 kontenjan

      Süre: 

      8 Saatlik video ders,
      Bölüm sonu sınavları, 
      Okumalar

      Write your awesome label here.
      — Yeni dönem

      Hücresel Senfoniyi Tek Tek Dinlemek

      Geleneksel Bulk RNA-Seq, karmaşık bir dokuyu tek bir homojen kitleymiş gibi analiz eder. Bu yöntemle elde edilen gen ekspresyon profili, aslında binlerce farklı hücrenin sinyalinin birleştiği "istatistiksel bir ortalamadır". Ancak biyolojik gerçeklik, bu ortalamanın içinde gizlidir. Örneğin; agresif bir tümör dokusunda veya gelişen bir embriyoda, hayati öneme sahip nadir bir hücre popülasyonunun sinyali, baskın hücre gruplarının gürültüsü altında kolayca kaybolabilir.

      scRNA-Seq (Single-cell RNA-Seq) ise bu analitik kör noktayı ortadan kaldırır. Doku içindeki her bir hücreyi bağımsız birer veri noktası olarak tanımlayarak, hücresel heterojenliğin genetik haritasını çıkarmanıza olanak tanır. Artık sadece "dokuda hangi genlerin arttığını" değil; "bu genlerin tam olarak hangi hücre tipinde ve hangi gelişim evresinde aktifleştiğini" görebilirsiniz.

      Bu eğitimle, biyolojik sistemleri "toplu bir veri yığını" olarak değil, her bir bileşeniyle ayrı ayrı konuşan dinamik bir ekosistem olarak analiz etme yetkinliği kazanacaksınız.
      Laboratuvarda gösterdiğiniz titizliği biliyoruz. Ancak deney bittiğinde, bilgisayar başında saatlerce süren veri temizleme işlemleri, Excel'in kapasite sınırları veya istatistiksel testlerin karmaşası sizi yavaşlatıyor mu?

      Bunları biliyor musunuz?

      Heterojenlik Paradoksu

      Bulk RNA-Seq verilerinde "anlamsız" görünen değişimler, scRNA-Seq ile analiz edildiğinde genellikle nadir fakat kritik bir hücre popülasyonunun aktivitesi olarak ortaya çıkar.
      Haque, A., et al. (2017). "A practical guide to single-cell RNA-sequencing for biomedical research and clinical applications." Genome Medicine.

      Veri Kalitesi ve Doublet Sorunu

      Tek hücre analizlerinde en büyük yanıltıcı, iki hücrenin tek bir damlacığa girmesidir (doublet). DoubletFinder gibi araçlarla bu teknik artefaktları ayıklamak, analizin doğruluğunu %15-20 oranında artırır.
      McGinnis, C. S., et al. (2019). "DoubletFinder: Doublet Detection in Single-Cell RNA Sequencing Data Using Artificial Nearest Neighbors." Cell Systems.

      Akademik Yayın Standartları

      Nature ve Cell gibi yüksek impaktlı dergilerde yayınlanan transkriptomik çalışmalarında, hücresel heterojenliğin deşifre edilmesi artık metodolojik bir beklenti haline gelmiştir; son on yılda yayınlanan tek hücre makalelerinin sayısı üstel bir artış göstererek transkriptomikte altın standardı yeniden belirlemiştir.
      Svensson, V., Vento-Tormo, R., & Teichmann, S. A. (2018). "Exponential scaling of single-cell RNA-seq in the past decade." Nature Protocols.

      Kimler için uygun

      Lisans ve Lisansüstü Öğrenciler

      Kariyerine Yön Verenler: Moleküler Biyoloji, Genetik, Biyomedikal Mühendisliği ve Tıp öğrencilerinden, CV’sine "R ve Seurat ile Veri Analizi" yetkinliğini ekleyerek global iş ve staj başvurularında öne çıkmak isteyenler.

      Tez Aşamasına Geçenler: Yüksek lisans veya doktora tezinde "Bulk" verilerin ötesine geçip, projesine scRNA-Seq derinliği katarak fark yaratmak isteyen genç araştırmacılar.

      Akademik ya da Sektörel Araştırmacılar

      Yayın Kalitesini Artırmak İsteyenler: Çalışmalarını Nature, Cell, Lancet gibi yüksek impaktlı dergilerin standartlarına taşımayı hedefleyen ve hücresel heterojenliği kanıtlamak zorunda olan akademisyenler.

      Proje Yürütücüleri: TÜBİTAK, AB veya NIH projelerinde Single Cell iş akışlarını bağımsız olarak kurgulamak ve dışa bağımlılığı azaltmak isteyen laboratuvar liderleri.

      Biyologlar ve Genetikçiler, Tıp ve Sağlık Profesyonelleri

      Klinik Araştırmacılar: Kanser mikroçevresi, immünoloji veya nadir hastalıklar üzerine çalışan ve hasta örneklerindeki hücresel yanıtları tek hücre düzeyinde analiz etmek isteyen hekimler ve biyologlar.

      İlaç ve Biyoteknoloji Uzmanları: Yeni ilaç hedeflerinin belirlenmesi ve ilaç direnci mekanizmalarının hücre bazlı deşifre edilmesi süreçlerinde görev alan AR-GE profesyonelleri.

      Biyoinformatik Alanına Geçiş Yapmak İsteyenler

      Yazılımdan Biyolojiye / Biyolojiden Veriye: R programlama dünyasına Seurat gibi spesifik ve güçlü bir paket üzerinden giriş yaparak, "Big Data" analizlerinde uzmanlaşmak isteyenler.

      Ne Kazanacaksınız?

      Veri Ön İşleme ve Kalite Kontrol (QC):

      Ham veriyi bilimsel bir kanıta dönüştürmenin ilk adımı temizliktir.

      Filtreleme ve Normalleştirme: Mitokondriyal gen oranları ve kütüphane büyüklüğüne göre düşük kaliteli hücreleri eleme.

      Doublet Analizi: DoubletFinder kullanarak yapay hücre kümelerini tespit etme ve veriden temizleme.
      Boyutsallık Azaltma ve Kümeleme (Clustering):

      Binlerce genin karmaşasını anlamlı haritalara dönüştürün.

      PCA, t-SNE ve UMAP: Verinin varyansını koruyarak görselleştirme ve hücre popülasyonlarını birbirinden ayırma teknikleri.

      Seurat İş Akışı: R üzerinde Seurat paketini kullanarak komşuluk grafiklerini (SNN) oluşturma ve kümeleme algoritmalarını optimize etme.
      Hücre Tipi Tanımlama ve Fonksiyonel Analiz:

      "Bu küme hangi hücreye ait?" sorusuna kesin yanıtlar verin.

      İşaretçi (Marker) Analizi: Her bir küme için diferansiyel eksprese olan genleri belirleme.

      SingleR ile Otomatik Anotasyon: Referans veri setlerini kullanarak hücre tiplerini profesyonelce isimlendirme.
      Baştan Sona Single Cell RNA-seq iş akışı:  

      Eğitim sonunda elinizde; derslerdeki uygulamalarla kendi kendi oluşturduğunuz bir single cell RNA-seq iş akışınız olacak. 

      Neden Bu Eğitime Katılmalısınız?

      Geleceğin Metodolojisine Hakim Olun

      scRNA-Seq artık lüks değil, modern biyolojinin temel dilidir. Bu yetkinlik sizi iş başvurularında ve akademik mülakatlarda doğrudan "üst segmente" taşır.

      Hazır web araçlarının sınırlarına hapsolmayın. R ve Seurat kullanarak analizlerinizi ihtiyacınıza göre customize edin.

      Kendi Hızınızda İlerleyin (Offline Format)

      Laboratuvar deneyleriniz veya nöbetleriniz arasında derse yetişme stresi yaşamazsınız. Eğitime kaydolduğunuz an tüm içeriklere erişirsiniz. Videoları durdurabilir, geriye sarabilir ve karmaşık konuları tam kavrayana kadar tekrar izleyebilirsiniz.

      Sertifikasyon

      Eğitimi ve bitirme testini başarıyla tamamlayan katılımcılar, yetkinliklerini kanıtlayan, dijital özel id'li, linkli ve doğrulanabilir " Başarı Sertifikası" almaya hak kazanır. Tüm derslere katılan katılımcılar ise "Katılım Sertifikası" kazanır.

      Eğitim Deneyimi ve Metodoloji

      Dersler eş zamansız (asenkron) kendi hızında öğren programı olarak ilerleyecektir. Derslerdeki sorularınızı eğitmenlerimiz değerlendirecek ve buna göre ilerlemeniz takip edilecektir. 

      Kendi Hızında Adım Adım Öğren

      1 yıl boyunca  erişebileceğiniz videolarla, CV'nizi ve profilinizi adım adım, her akşam bir modülü tamamlayarak güncelleyin.

      Testler ve sorular

      Testler ve ödevlerle öğrendiklerinizi uygulayın. 

      Uygulamalarınızı ve sorularınızı Forumda paylaşın eğitmenler ve diğer katılımcılarla sonuçlarınızı tartışın. 

      Etkileşimli Topluluk

      Eres Biotech mezunlar ağında yer alan kıdemli uzmanlarla network kurma ve fırsatlardan ilk haberdar olma ayrıcalığı kazanın. 

      Mentörler, eğitmenler ve mezunların tecrübelerinden faydalanın. 
      Kişiye özel bağlantı ve ID numaralı dijital sertifikalar

      Başarınızı Belgelendirin

      Başarı Sertifikası

      Dersleri ve testleri tamamladığınızda anında sertifikanızı alabilirsiniz.

      Katılım Sertifikası

      Dersleri tamamlayın ve sertifikanızı hemen alın. 

      Kayıt Seçenekleri & Avantajlar:

      Unutmayın: Akademik takviminize göre değil, kendi hızınıza göre uzmanlaşın.
      Hemen kaydolun, dilediğiniz zaman başlayın.

      Öğrenci Planı

      Kayıt kodu: OGRENCI
      6.250TL
      3.938TL
      Tam Erişim & Sertifika ve Mezunlar Ağı Erişimi
      • Tam Erişim
      • Katılım/Başarı Sertifikası
      • Mezun ağı ve Mentörlük oturumları*
      Kaydol (101 Dersi Hediye)

      Profesyonel Planı

      Kayıt kodu: CALISAN
      6.250TL
      5.625TL
      Tam Erişim & Sertifika ve Mezunlar Ağı Erişimi
      • Tam Erişim
      • Katılım/Başarı Sertifikası
      • Mezun ağı ve Mentörlük oturumları*
      Kaydol (101 Dersi Hediye)

      Video Ders Planı

      Kayıt kodu: VIDEO
      6.250TL
      3.750TL
      Video derslere ve materyallere erişim
      • Videolar ve Ders Materyalleri
      • Sertifika
      • Genel Forum erişimi
      Kaydol (101 Dersi Hediye)
       Planınızı seçmek için plana ait kodu ödeme aşamasında indirim kodu alanına yazmanız yeterlidir. 
      * Mentorlük çalışmaları birebir olarak gerçekleştirilecektir. Bunu için eğitmenler ve öğrenciler karşılıklı randevu oluşturacaktır. 

      Sık Sorulan Sorular

      Daha önce hiç R programlama kullanmadım, doğrudan bu eğitime başlayabilir miyim?

      cRNA-Seq analizi, R programlama dilinin bir uygulamasıdır. Eğer R diline dair hiçbir temeliniz yoksa, bu eğitimden maksimum verimi alabilmeniz için öncelikle platformumuzdaki "R Programlama Eğitimi"ni tamamlamanızı şiddetle tavsiye ederiz. R derslerimizde temel sözdizimini (syntax) ve veri yapılarını öğrendikten sonra buraya gelmeniz, Seurat paketindeki karmaşık analiz iş akışlarını "ezberlemek" yerine, kodun arka planındaki mantığı bir uzman gibi kavramanızı sağlayacaktır. Temeli R ile atın, uzmanlığı burada inşa edin!

      Bulk RNA-Seq verilerim var, onları bu eğitimde öğrendiklerimle analiz edebilir miyim?

      Bulk ve Single Cell analiz mantığı birbirinden farklıdır. Bu eğitim, tek hücrenin özgün doğasına (sparsity, dropout events) odaklanır. Ancak iki yöntem arasındaki farkları öğrenmek, Bulk verilerinizdeki sınırlamaları anlamanızı ve gelecekteki projelerinizi scRNA-Seq üzerine kurgulamanızı sağlar.

      Veri setim çok büyük (50.000+ hücre), standart bir bilgisayar bu analizler için yeterli mi?

      scRNA-Seq analizleri RAM odaklıdır. Eğitimde, büyük veri setlerini işlerken bilgisayarınızı yormayacak "downsampling" ve verimli bellek yönetimi ipuçlarını da paylaşıyoruz.

      Analizleri yapabilmek için çok güçlü ve pahalı bir bilgisayara ihtiyacım var mı?

      Bu, yeni başlayanların en çok sorduğu ve çekindiği sorulardan biridir. Eğitim süresince kullandığımız örnek veri setleri ve Seurat uygulamaları, standart bir dizüstü bilgisayarda (8GB-16GB RAM) rahatlıkla çalışabilecek şekilde optimize edilmiştir. Ayrıca derslerde, büyük verilerle çalışırken bilgisayarınızı yormayacak "akıllı bellek yönetimi" ipuçlarını da paylaşıyoruz. Yani bu eğitime başlamak için süper bilgisayarlara değil, sadece öğrenme isteğinize ve standart bir bilgisayara ihtiyacınız var!

      Veri setim çok büyük (50.000+ hücre), standart bir bilgisayar bu analizler için yeterli mi?

      scRNA-Seq analizleri RAM odaklıdır. Eğitimde, büyük veri setlerini işlerken bilgisayarınızı yormayacak "downsampling" ve verimli bellek yönetimi ipuçlarını da paylaşıyoruz.
      — Kendi Hızınızda Öğrenin

      Rahat olduğunuz yerden katılın

      Online ve eş zamansız olan bu eğitime istediğiniz zaman, istediğiniz yerden, istediğiniz süre  katılabilirsiniz.

      Video Kayıtlarıyla Ders Kaçırmayın

       Dersleri kaçırma kaygınız olmaz. Ayrıca istediğiniz zaman istediğiniz dersi tekrar izleyebilirsiniz. 

      Ödevler ve Testler

      Eğitim içinde verimliliğinizi arttırmak ve sizi teşvik etmek için ödevler ve testler yer almaktadır. 

      Katılım Sertifikası

      Derslere katılan, test ve ödevleri tamamlayan katılımcılarımıza eğitimin ardından tekil id kodlu ve özel bağlantılı  katılım sertifikaları sağlanmaktadır. 

      Kariyer Mentörlüğü

      Bu ders katılımcıları için, birebir gerçekleştirilen 2 online oturumluk kariyer, yapay zeka kullanımı ve performans mentörlüğü sağlanır. 
      Write your awesome label here.
      Gönderdiğimiz transkriptomik makalesi için hakemlerden 'hücresel heterojenliğin bulk veriyle açıklanamayacağı' yönünde bir eleştiri almıştık. Bu eğitimde öğrendiğim Seurat entegrasyonu ve DoubletFinder uygulamaları sayesinde verilerimizi tek hücre düzeyinde yeniden analiz ettik. UMAP grafiklerimiz ve işaretçi gen analizimiz o kadar ikna edici oldu ki, makalemiz ikinci turda doğrudan kabul aldı. Akademik kariyerimdeki en kritik yatırımı yaptığımı hissediyorum.
      — Dr. Züleyha V., KAnser Biyolojisi
      Biyolog olarak R programlama gözümü çok korkutuyordu ve bu yüzden analizlerimi hep başkalarına yaptırmak zorunda kalıyordum. Bu eğitimin asenkron olması benim için hayat kurtarıcı oldu; takıldığım her kod satırını geri sarıp tekrar izledim. Şu an kimseye ihtiyaç duymadan kendi QC (Kalite Kontrol) ve Kümeleme analizlerimi yapabiliyorum. 'Kodlama bana göre değil' diyen her biyoloğun bu eğitimle o bariyeri yıkması gerek
      — Mert Z., Moleküler Biyolog
      Eğitimdeki akıcı iş akışı (pipeline) sayesinde R kodlarını hatasız kurgulamayı öğrendim; bu da beni sadece bir öğrenci değil, veri analitiği yapabilen bir biyolog seviyesine taşıdı. Mezuniyet sonrası iş başvurularımda ve yüksek lisans mülakatlarımda önde olduğuma eminim.
      Cavit A., Biyolog

      Hücrenin Hikayesini Yazmaya var mısınız? 

      Biyoinformatik dünyasında teknoloji artık bir tercih değil, hayatta kalma stratejisidir. Bugün transkriptomik verilerinize "ortalama" bir gözle bakmaya devam etmek, modern biyolojinin sunduğu devasa keşif fırsatlarını elinizin tersiyle itmek demektir. 2026 standartlarında bir araştırmacı olmak; sadece pipet kullanmak değil, R ve Seurat ile binlerce hücrenin genetik şifresini tek tek çözebilmektir.
      Eskiden 'Karmaşık, yapamam' dediğim her şey, bu eğitimin akıcı anlatımıyla en büyük akademik kozuma dönüştü. Artık analizlerimi kendim yapıyorum!
      ⭐⭐⭐⭐⭐

      Dr. Yadigar C., Tıp Hekimi

      Tam paket profesyonel kayıt kodu: CALISAN 

      Tam paket öğrenci kayıt kodu: OGRENCI
      Video ders kayıt kodu: VIDEO
      Write your awesome label here.

      Ders Konuları

      Hücresel Kimlik Bir Koordinat mıdır, Yoksa Bir Durum mu?

      Çoğu araştırmacı scRNA-seq analizindeki UMAP grafiklerine baktığında, kümelerin (clusters) birbirinden keskin çizgilerle ayrılmış "sabit hücre tipleri" olduğunu sanır. Oysa hücreler durağan varlıklar değildir. Bir hücrenin transkriptomik profili, onun "kimliği" kadar o anki "metabolik ruh halini" (hücre döngüsü, stres yanıtı, sinyal iletimi) de yansıtır. Eğer analizinizde hücre döngüsü (cell cycle) genlerini regrese etmezseniz, aslında farklı hücre tiplerini değil, sadece farklı evrelerdeki aynı hücreleri kümeliyor olabilirsiniz. Gerçek bir uzman, hücreyi bir nokta olarak değil, evrimsel ve gelişimsel bir yörünge (trajectory) üzerindeki yolcu olarak görür.

      scRNA-seq verisi özünde yüksek boyutlu bir "Sparse Matrix"tir (Seyrek Matris). Binlerce hücre ve gen içeren bu matriste, verinin %90’dan fazlası "0" (sıfır) değerinden oluşur. Buradaki en büyük algoritmik paradoks "Curse of Dimensionality"dir (Boyutsallık Laneti). Boyut arttıkça, noktalar arasındaki mesafe birbirine o kadar yaklaşır ki "en yakın komşu" (nearest neighbor) kavramı anlamını yitirir.

      İşte bu yüzden Seurat gibi araçlar, veriyi doğrudan kümelemek yerine önce PCA ile en yüksek varyanslı boyutlara indirger, ardından Graph-based Clustering (Louvain/Leiden algoritmaları) ile "topluluk tespiti" yapar. Yani makine için bir hücre tipi, aslında yüksek boyutlu uzayda istatistiksel olarak yoğunlaşmış bir "manifold"dan ibarettir.

      Kariyer Sıçraması İçin Ücretsiz Rehberinizi Alın!

      E-posta listemize katılın, yapay zeka (ATS) sistemlerinden %90+ başarıyla geçen 'ATS Uyumlu Bilimsel CV Hazırlama Rehberi' anında e-postanıza gelsin. Sektörel ipuçlarını ve indirimleri kaçırmayın!
      Thank you!
      *E-posta adresimi bırakarak KVKK Aydınlatma Metni, Gizlilik Politikası ve Çerez Politikası şartlarını okuduğumu ve kabul ettiğimi beyan ederim.
      Write your awesome label here.
      ile oluşturuldu