课程主页: https://www.coursera.org/learn/network-biology
在现代生物医学研究中，数据分析已成为不可或缺的部分。《系统生物学中的网络分析》是一门由Coursera提供的课程，专门介绍在系统生物学和生物信息学研究中使用的数据分析方法。无论你是生物学、计算机科学还是工程学的学生，这门课程都能为你打开理解生物网络的全新视野。
这门课程的课程大纲覆盖了从基因组广泛mRNA表达研究获取的原始数据的处理方法，包括数据归一化、聚类、降维分析、差异表达、富集分析和网络构建等。课程中也包含了多个生物信息学工具的实用教程，帮助学员建立数据分析管道。
首先，课程内容层次丰富，各模块的学习将让你对复杂系统有更深入的理解：
- 复杂系统简介：模块首先讲解复杂系统的概念，以及细胞如何作为复杂系统运作，激励那些来自其他学科的学生进入生物学领域。
- 网络进化模型：重点放在使用简单计算模型来创建与生物系统网络相似的拓扑结构上。
- 生物网络类型：探索在系统生物学和药物系统中构建和分析的各种网络，包括功能关联网络（FANs）。
- 数据处理与差异表达基因识别：讲解数据归一化方法和差异表达基因的新识别方法，包括Ma’ayan实验室开发的特征方向法。
- 基因集合富集分析：介绍Enrichr等工具以分析基因集合，并深入探讨流行的基因富集分析（GSEA）方法。
- 深度测序数据处理：这个模块涵盖了RNA-seq和ChIP-seq数据分析的基本步骤，并涉及UNIX/Linux命令和R编程的一些基础。
- 聚类分析方法：详细讲解主成分分析、自组织映射、基于网络的聚类及层次聚类的方法和应用。
- 数据集成资源：探讨如何从不同资源构建功能关联网络以及如何将基因组数据与表型数据进行连接。
- 众包项目：课程还包括参与众包项目，提供在困难的微任务和大任务中协作的机会。
- 期末考试：设计有选择题，涵盖课程所学的各种主题。
与同行一起学习，探索系统生物学的复杂性，并将理论与实际操作相结合，这正是这门课程的魅力所在。我非常推荐任何对数据分析、生物信息学或系统生物学感兴趣的朋友们加入这门课程。无论你是想全面掌握系统生物学知识，还是希望提升你的分析技能，这门课程都能为你提供宝贵的帮助。
课程主页: https://www.coursera.org/learn/network-biology