دوره آموزشی آنالیز داده های بقا (survival) (به زودی)

یادگیری این روش آماری برای پژوهشگران علوم زیستی و بیوانفورماتیکی به دلایل زیر اهمیت دارد:

• تجزیه و تحلیل داده‌های کلینیکی و ژنومیکی: بررسی تأثیرات بیولوژیکی و بالینی بر روی زمان بقای بیماران.
• استخراج بیومارکرهای پیش‌بینی‌کننده: شناسایی ژن‌ها یا مسیرهای مولکولی که بر بقای بیماران تأثیر می‌گذارند.
• مدل‌سازی خطر و پیش‌بینی بقا: استفاده از مدل‌های رگرسیونی مانند Cox proportional hazards برای پیش‌بینی ریسک بیماری.
• مصورسازی داده‌ها با منحنی‌های Kaplan-Meier: نمایش بصری تفاوت‌های بین گروه‌های مختلف بیماران.
• ارتباط تحلیل‌های آماری با داده‌های امیک: تلفیق اطلاعات حاصل از داده‌های RNA-Seq، Single-cell و سایر منابع داده با تحلیل‌های بقا.