Усовершенствуйте свои знания в области прецизионной онкологии: геномика и Big Data с помощью этой программы, в которой вы найдете лучший учебный материал с реальными примерами из практики. Узнайте о новейших достижениях по данной специальности, чтобы иметь возможность эффективно осуществлять медицинскую практику"

Основная цель программы - приблизить студентов и распространить компьютерные знания, которые уже применяются в других областях знаний, но имеют лишь минимальное применение в мире медицины. Несмотря на то, что до того, как геномная медицина станет реальностью, еще далеко, необходимо точно интерпретировать огромный объем клинической информации, доступной в настоящее время, и связать ее с биологическими данными, полученными после биоинформационного анализа. 

Несмотря на то, что это сложная задача, она позволит быстро, экономично и с большей точностью, изучить влияние генетических вариаций и потенциальные методы лечения. Человек от природы не приспособлен ни к восприятию и интерпретации геномных последовательностей, ни к пониманию всех механизмов, путей и взаимодействий, происходящих внутри живой клетки, ни к принятию медицинских решений с десятками или сотнями переменных. Чтобы двигаться вперед, необходима система со сверхчеловеческими аналитическими возможностями, которая упростит рабочую среду и покажет взаимосвязи и близость между переменными. 

В геномике и биологии считается, что ресурсы лучше тратить на новые вычислительные методы, чем на чистый сбор данных, что, возможно, в равной степени относится и к медицине, и, конечно, к онкологии. 

Имеются миллионы данных и публикаций, но когда они анализируются врачами или биологами, выводы полностью субъективны и соотносятся с имеющимися публикациями или данными, которые произвольно расставляются по приоритетам, создавая частичное знание, и, конечно, все больше отдаляются от генетических и биологических знаний, доступных и поддерживаемых вычислениями. Поэтому огромным шагом в использовании прецизионной медицины является сокращение этого расстояния путем массового анализа доступной медицинской и фармакологической информации.

Обновите свои знания благодаря программе в области прецизионной онкологии: геномика и Big Data”

Данная Специализированная магистратура в области прецизионной онкологии: геномика и Big Data содержит самую полную и актуальную научную программу на рынке. Основными особенностями обучения являются:

• Разбор более 75 практических кейсов, представленных экспертами в области прецизионной онкологии: геномика и Big Data. Наглядное, схематичное и исключительно практическое содержание программы направлено на предоставление научной и медицинской информации по тем дисциплинам, которые необходимы для профессиональной практики
• Актуальные сведения в области в прецизионной онкологии, геномике и Big Data
• Практические упражнения, в которых процесс самоконтроля может быть использован для улучшения эффективности обучения
• Интерактивная обучающая система, основанная на алгоритмах принятия решения в созданных клинических ситуациях
• Особое внимание уделяется доказательной медицине и исследовательской методологии в прецизионной онкологии: геномика и Big Data
• Все вышеперечисленное дополнят теоретические занятия, вопросы к эксперту, дискуссионные форумы по спорным вопросам и индивидуальная работа по закреплению материала
• Доступ к учебным материалам с любого стационарного или мобильного устройства с выходом в интернет

Данная Специализированная магистратура может стать лучшим вложением средств при выборе программы повышения квалификации по двум причинам: помимо обновления знаний в области прецизионной онкологии: геномика и  Big Data, вы получите диплом TECH Технологического университета”

В преподавательский состав входят профессионалы в области прецизионной онкологии, которые привносят в эту специализацию опыт своей работы, а также признанные специалисты, принадлежащие к ведущим научным обществам.

Мультимедийное содержание программы, разработанное с использованием новейших образовательных технологий позволит специалисту проходить обучение с учетом ситуации и контекста, т.е. в такой среде, которая обеспечит погружение в учебный процесс, запрограммированный на обучение в реальных ситуациях.

Структура этой программы основана на проблемно-ориентированном обучении, с помощью которого специалист должен попытаться решить различные ситуации из профессиональной практики, возникающие в течение учебного года. Для этого практикующему поможет инновационная интерактивная видеосистема, созданная признанными экспертами в области прецизионной онкологии с большим опытом преподавания.

Специализированная магистратура позволяет обучаться в симулированной среде, которая обеспечивает иммерсивный учебный процесс, основанный на обучении в реальных ситуациях"

Программа включает клинические случаи, чтобы максимально приблизить разработку учебной программы к реальным условиям оказания медицинской помощи"

Программа в области прецизионной онкологии: геномика и Big Data направлена на облегчение работы врача, занимающегося лечением онкологической патологии, при которой необходимо верно интерпретировать огромный объем клинической информации, доступной в настоящее время, и соотносить ее с биологическими данными, полученными после биоинформационного анализа.

Данная программа предназначена для обновления ваших знаний в области прецизионной онкологии: геномика и Big Data с применением новейших образовательных технологий для того, чтобы качественно и безопасно способствовать принятию решений, диагностике, лечению и уходу за пациентами"

Общая цель 

• Научиться точно определять объем клинической информации, доступной в настоящее время и соотносимой с биологическими данными, полученными после биоинформатического анализа 

Конкретные цели 

Модуль 1. Молекулярная биология

• Усовершенствовать знания в области молекулярной биологии рака по отношению к другим понятиям, таким как генетическая гетерогенность или перепрограммирование микроокружения 
• Обеспечить и углубить знания об иммунотерапии как примера очевидного научного достижения в трансляционных исследованиях 
• Ознакомиться с новым подходом к классификации наиболее распространенных опухолей на основе геномных данных, доступных в исследовательском проекте "Атлас ракового генома" (АРГ) 

Модуль 2. Геномная или прецизионная онкология

• Обсудить, как меняется нынешняя картина с внедрением геномных данных в биологическое понимание опухолей 
• Пояснить, как геномная классификация несет в себе независимую информацию для прогнозирования клинических результатов и обеспечивает биологическую основу для начала эпохи индивидуального лечения рака 
• Ознакомиться с новыми геномными технологиями, используемыми в настоящее время для проведения секвенции ДНК и РНК, основанной на последовательности генома человека и ставшей возможной после завершения проекта "Геном человека", что означает беспрецедентное расширение возможностей молекулярной генетики в генетических и клинико-диагностических исследованиях 
• Рассмотреть процесс биоинформатики, используемый для интерпретации и применения биологических данных
• Проанализировать и интерпретировать биологическую информацию на молекулярном, клеточном и геномном уровнях 

Модуль 3. Изменения в современной клинической практике и новые применения в геномной онкологии

• Обсудить и интерпретировать опухолевую мутационную нагрузку (TMB) как геномный биомаркер, который оказывает значительное влияние на картину иммунотерапии рака 
• Узнать, как жидкостная биопсия циркулирующей ДНК позволяет нам понять, какие именно молекулярные изменения происходят в опухоли в режиме реального времени
• Описать современную парадигму включения геномных данных в текущую клиническую практику 

Модуль 4. Использование систем Unix и Linux в биоинформатике

• Ознакомиться с операционной системой Linux, которая в настоящее время является основополагающей в научном мире как для интерпретации биологических данных, полученных в результате секвенирования, так и для медицинского анализа текстов при работе с крупномасштабными данными 
• Освоить базовые принципы доступа к серверу Linux, а также научиться находить и устанавливать пакеты для локальной установки программного обеспечения 
• Описать основные команды Linux для создания, переименования, перемещения и удаления каталогов; перечисления, чтения, создания, редактирования, копирования и удаления файлов 
• Понять, как действуют права доступа и как с легкостью обойти самые запутанные из них в системе Linux

Модуль 5. Анализ данных в проектах Big Data: язык программирования R

• Обсудить, как внедрение секвенирования следующего поколения (NGS) в диагностическом контексте поднимает многочисленные вопросы относительно идентификации и отчетности о вариантах в генах, вторичных по отношению к патологии пациента 
• Ознакомиться с языком программирования R, преимущества которого заключаются в том, что он является языком программирования с открытым исходным кодом и имеет множество пакетов статистического анализа
• Изучить основные концепции программирования на языке R, такие как типы данных, векторная арифметика и индексирование 
• Выполнять операции на R, включая сортировку, создание или импорт данных 
• Узнать, как решение проблемы начинается с модульной декомпозиции, а затем дальнейшей декомпозиции каждого модуля в процессе, называемом последовательным уточнением 
• Изучить основы статистических выводов, чтобы понять и рассчитать p-значения и доверительные интервалы при анализе данных с помощью R 
• Привести примеры программирования на языке R таким образом, чтобы помочь установить связь между концепциями и реализацией 

Модуль 6. Графическая среда на языке R

• Использовать методы визуализации для изучения новых наборов данных и определения наиболее подходящего подхода 
• Научиться визуализировать данные для извлечения информации, лучшего понимания данных и принятия более эффективных решений
• Обучить использованию данных, которые на первый взгляд не имеют особого смысла, и визуально представлять их в форме, имеющей смысл для анализа 
• Освоить использование трех основных источников графиков в R: base, lattice и ggplot2
• Знать, на чем основан каждый графический пакет, чтобы определить, какой из них использовать и какие преимущества дает тот или иной 

Модуль 7. Статистический анализ на языке R

• Описать наиболее подходящие статистические методы в качестве альтернативы, когда данные не соответствуют предположениям, требуемым стандартным подходом 
• Изучить основы проведения воспроизводимых исследований с использованием скриптов R для анализа данных

Модуль 8. Машинное обучение для анализа Big Data

• Быстро и автоматически обрабатывать и анализировать огромные объемы сложных структурированных, полуструктурированных и неструктурированных данных в Big Data 
• Понять, что такое машинное обучение, и использовать некоторые методы классификации данных (дерево решений, k-NN, машины опорных векторов, нейронные сети и т.д.) 
• Научиться разделять данные на тестовый и обучающий наборы и познакомиться с понятиями смещения и дисперсии 

Модуль 9. Интеллектуальный анализ данных в геномике

• Освоить интеллектуальный анализ данных, позволяющий находить паттерны и закономерности в базах данных 
• Научиться применять принципы интеллектуального анализа данных для больших сложных массивов данных (Big Data), в том числе содержащихся в очень больших базах данных или на веб-страницах 
• Изучить, проанализировать и использовать данные и превратить их в полезную и ценную информацию для клинической практики 

Модуль 10. Методы анализа геномных данных

• Понять, каким образом большинство научных данных отображается в документах, трудно поддающихся обработке для дальнейшего анализа, таких как веб-страницы и PDF-файлы; однако, их обработка возможна при помощи методов скрейпинга 
• Обеспечить доступ к многочисленным источникам данных с помощью Интернета в целях внедрения прецизионной медицины за счет массового извлечения информации

Модуль 11. Новые методы в геномную эру

• Применить на практике полученные знания для интерпретации геномного исследования в различных случаях рака путем извлечения полезной информации для принятия решений 
• Использовать различные алгоритмы на языке R для извлечения знаний из баз данных Pubmed, DGIdb и Clinical Trials на основе поиска генетической информации в определенных опухолях 

Модуль 12. Применение биоинформатики в геномной онкологии

• Понимать функции генов с небольшой клинической информацией на основе онтологической близости 
• Обнаруживать гены, вовлеченные в болезнь, на основе массового поиска в Pubmed и графического представления уровня научных доказательств 

Воспользуйтесь возможностью и сделайте шаг к ознакомлению с последними данными в области прецизионной онкологии: геномика и Big Data”