为了使自己沉浸在一个相对较新的科学领域中，有大量不同的事件和项目。 近年来，它们的数量和形式已经大大扩展：公开讲座和整个科学节，在线课程和在线计划，暑期实习和学校，酒吧非正式讲座，开源项目等等。
五年来，
生物信息学研究所一直在收集来自全国各地的
生物信息学科学家和学生，并在暑假期间在城外进行了为期一周的深入研究，将生物学家，医师，计算机科学家和数学家送到生物信息学领域，这仍然是一个非常活跃的领域。 自2013年以来，我们一直在录制视频讲座，并为不参与活动但希望在此领域发展的人们收集精选有用的材料。
学校课程的设计应结合生物学和程序设计的世界，不仅促进专业发展，还促进跨学科的交流。
我们将继续分享暑期学校讲座视频的档案。 无需额外准备即可观看的演讲标有“ *”。 查看其余的讲座需要生物学和程序设计领域的知识。 猫下是对讲座内容的描述，幻灯片和视频的链接。
生物信息学中的统计
生物医学数据的统计分析（Mikhail Pyatnitsky，Orekhovich生物医学化学研究所）影片 |
滑梯讲座的重点是“混合”数据的统计分析的实践方面。 特别地，描述了探索性分析，模式识别，聚类分析的方法。
如何处理数据而不感到无助？ （Nikita Alekseev，乔治华盛顿大学）影片 |
滑梯一方面，自然科学提供了大量数据，并就此数据提出了各种各样的问题。 另一方面，统计数据有许多解决此类问题的方法。 当然，这样的丰富会带来很多困难-如何选择适合您的特定问题的方法，如何考虑所有细微差别，而又不要对此感到困惑。 没有通用的配方。 讲座讨论了解决此问题的各种方法。
如何向熟悉的统计学家提出问题（Nikita Alekseev，乔治华盛顿大学博士后）影片 |
滑梯该讲座对每个面临统计数据处理问题的人都是有用的。 他们可能有什么解决方案，会遇到什么困难，以及向他们询问如何设法与谁开始合作以获取最大收益的统计数据。
免疫信息学
免疫受体库的分析（Vadim Nazarov，高等经济学院，生物有机化学研究所RAS）影片 |
滑梯NGS技术在免疫学中的使用允许对细胞受体库进行非常深入的测序。 但是，不幸的是，人们不能仅仅查看和接收所获得数据的见解-有必要开发各种方法来分析曲目。 关于开发了什么方法，它们是否足够，世界在向何处移动以及您可以将自己应用于何处。
免疫信息学：解决应用免疫学问题的算法方法（Yana Safonova，圣彼得堡国立大学算法生物技术中心）影片 |
滑梯适应性免疫系统的分析是药物开发，治疗效果评估以及各种疾病研究中必不可少的步骤。 现代的NGS技术使对抗体和T细胞受体库的深入扫描成为可能，这为生物信息学新领域的发展做出了贡献：免疫信息学。
免疫信息学解决了在各个免疫学领域中使用的问题：监视免疫反应的发展，分析库的进化发展，了解适应性免疫系统的多样性。 在讲座的框架内，考虑了现代免疫信息学的任务，并讨论了其发展前景。
分子条形码，T细胞受体和抗体库的分析（Dmitry Chudakov，俄罗斯科学院生物有机化学研究所适应性免疫基因组学实验室负责人，马萨里克大学CEITEC MU适应性免疫小组负责人）影片 |
滑梯感兴趣的基因组片段的高效测序（定向重测序）可能允许进行深入分析，以鉴定样品中稀有序列亚变体的存在，并给出样品中序列多样性结构的完整图片。
但是，大规模测序样品的制备和准备阶段的“瓶颈”，与PCR随机性相关的定量失真，不同序列的不均等扩增和测序以及PCR错误和正确测序的累积，严重限制了此类分析的可能性。
独特的分子条形码（独特的分子杂色子，独特的分子标识符，UMI）使您能够从根本上提高测序质量，包括扩展测序，有效纠正累积的错误而又不丢失任何实际选择，消除定量失真以及从理想上对样品进行标准化以进行比较分析。
该讲座描述了分子条形码方法是如何工作的，这些经验来自与免疫细胞受体（T细胞受体和抗体）库相关的个人经验。
系统生物学
系统生物学概论（美国福克斯蔡斯癌症中心，伊利亚·塞布雷布里斯基）影片 |
滑梯讲座给出了生物物体系统特性的一般概念。 系统生物学主要组成部分的简要说明。 交互组学，模型构建。 系统生物学（选择性地，主要在肿瘤学领域）和相关公共资源（TCGA / cBioPortal，CCLE）方面的一些进展
用于癌症研究和治疗的计算系统生物学（安德烈·兹诺维耶夫，居里研究所）影片 |
滑梯癌症的计算系统生物学是与系统性全基因组数据收集及其数学模型有关的通用系统生物学方法的应用，用于研究癌变，预测和开发新的癌症治疗方法。 数据方法具有许多功能，例如考虑到基因组和表观基因组不稳定性条件下生物系统的快速进化，与正常基质细胞的相互作用以及暴露于细胞间环境的各种因素，临床材料的多样性和质量的情况。 讲座简要介绍了癌症生物学数据分析和建模的几种典型方法。 特别是，形式化原则和在癌症生物化学知识建模中的使用（癌症
信号网络图集 ），
在癌症中对全基因组分子概况进行反卷积的方法，用于预测癌性肿瘤演变的离散数学模型的构建。
结果的可重复性问题不仅存在于生物学系统中，还存在于系统中（Ilya Serebriisky，Fox Chase癌症中心，美国）影片 |
滑梯结果的可重复性问题是现代生物学尤其是系统生物学的关键问题。 该讲座致力于回顾当前的事务状态，可再现性的主要问题及其原因。 组织，科学期刊，研究人员的责任。 系统生物学问题的特征。 解决再现性问题的主要方向。
杂项
“动机”-基因组序列中的模式（Ivan Kulakovsky，IMB RAS； IOGEN RAS）影片 |
滑梯从分子生物学的角度，该讲座讨论了在高等真核生物中基因转录活性的调控以及调控蛋白转录因子的作用。 从生物信息学的角度讲，讲师讲述了计算机化的图案表示法-基因组文本中的特征模式-如何帮助识别被DNA转录因子识别的调节信号。 从计算机科学的角度来看，他认为构建“动机”模型的问题是寻找许多序列的局部相似性的任务。
启动子序列摘要（Tatyana Tatarinova，南加州大学）影片 |
滑梯讲座讲解启动子序列的模式和性质。 启动子的动机和甲基化。 预测和分析启动子序列的算法。 在生物技术中的应用。
基于混合GPS和Readmix算法的原产地预测（Tatyana Tatarinova，南加州大学）影片 |
滑梯该讲座致力于基因分型和基因组信息位置的选择，现代技术的回顾，根据基因组的分析预测人类和其他生物的生物地理起源。 以及对现有生物地理算法的分析和比较。
生物信息学中的算法（Anton Bankevich，圣彼得堡国立大学算法生物技术中心）影片 |
滑梯关于生物信息学算法的入门讲座，讨论了其主要方法和示例。
大脑与深度学习之间的关系（Dmitry Fishman，Quretec，爱沙尼亚塔尔图大学）影片 |
滑梯该讲座包括四个部分：第一部分涉及大脑处理来自外界的各种信号，以及根据接收到的信号进行决策的形成。 第二是机器学习方法的发展，这导致了深度学习技术的出现，从而彻底改变了许多科学领域。 第三部分将讨论深度学习的基本原理之间的异同。 最后，讲师列举了深度学习在生物信息学中的成功应用的几个示例，以及使用深度神经网络在医学成像领域可以实现的目标。
该讲座是由
塔尔图大学计算神经科学研究小组的代表创建的。 特别是，创意和幻灯片属于Raul Vincente和Ilya Kuzovkin。
英文原件 。
人工修饰人类基因型的前景（Alexey Kondrashov，莫斯科州立大学，MSU）录影带没有自然规律禁止合成具有给定序列的长DNA分子。 一个基因型不携带年轻衍生等位基因的人的表型是什么？ 这取决于体征和缩小的上皮的普遍程度。 讲座讨论了研究此问题的方法。
遗传构建体合成中的生物信息学（Pavel Yakovlev，BIOCAD）影片 |
滑梯计算机分子设计方法的发展使您能够构建具有所需特性的任何蛋白质构建体。 所获得的氨基酸序列最有可能形成具有所需功能的蛋白质。 但是，新的挑战出现了：构建可以合成这种蛋白质的细胞系。 讲座解决了解决此问题时出现的问题：为什么您不能仅获取任何逆转录本，如何组装所需的基因，如何将其插入载体，当然，生物信息学是从哪里来的？
单个细胞的现代基因组测量概述（哈佛大学Petr Harchenko）影片 |
滑梯传统上，复杂组织的研究和细胞类型的分类是基于形态和细胞学特性的。 现在，几种类型的新实验技术使我们能够研究单个细胞的基因组特征，同时测量数百或数千个单个细胞。 讲座概述了用于从相似数据中对细胞类型，条件和遗传系进行分类的此类技术和生物信息学方法。
混合数据在人类进化研究中的应用（Filip Khaitovich，上海生物科学研究所，SkolTech）影片 |
滑梯代谢物和脂质的浓度可用于评估组织的生理状态。 讲座对人和动物组织中代谢物和脂质的浓度水平进行了几项综合研究，从而提供了有关构成人类独特生理特征的分子机制的新知识。
后记
2016年，
JetBrains ，
RVC ，
BIOCAD ，
EPAM Systems ，
Parseq Lab资助了暑期生物信息学学校，
对此深表感谢。
2017年，夏季生物信息学学校将于7月31日至8月5日在莫斯科物理技术学院的Dolgoprudny举行 。 今年学校的重点是生物信息学中的数据挖掘。
提交申请的截止日期为6月10日 。 赶快申请参加。