生物技术和生物医学数据科学方面的专业知识和学生专业知识。研究系统生物学中的计量学，包括：生物信息学、动态建模、基因组学、网络和统计模型、原型学、omi 技术和单细胞研究资源。
Suggested by: Coursera (What is Coursera?)
No prior knowledge required
No unnecessary risks
系统生物学专业涵盖生物质系统系统分析中使用的概念和方法。
在最终项目中，学生将在该专业的五门课程中学到的方法应用于研究项目。
本课程将向学生介绍现代系统生物学，重点介绍哺乳动物细胞、其组成部分和功能。生物学从分子发展到模块化。随着我们对基因组和基因表达的了解增加，并开发参与细胞过程的分子（蛋白质、脂质、离子）列表，我们将需要了解这些分子如何相互作用以形成充当独立功能状态的模块。这些系统构成了关键亚细胞过程的基础，例如信号传输、转录、运动和电激发。这些过程聚集在一起呈现细胞行为，例如分泌、培养和动作电位。
这种亚细胞和细胞系统的特性是什么？系统中新行为发展的机制是什么？哪些类型的实验鼓励系统级思考？为什么我们需要计算和模拟来了解这些系统？
本课程将发展一些思路来回答上述问题。定量思维、模型和模拟。我们将讨论示例以演示细胞水平功能“如何”进化，以及“为什么”机械知识允许我们预测可能导致疾病状态和药物反应的细胞行为。
了解推动系统生物学实验的技术，重点是 RNA 测序、基于质量的原型测定、流式/质谱流式细胞术和活细胞成像。
系统生物学领域的一个关键驱动力是使我们能够越来越深入地研究细胞如何响应实验干扰的技术。这使我们能够建立更详细的细胞作用定量模型，从而为从生物技术到人类疾病的各种应用提供有价值的见解。本课程对系统生物学中的各种现代实验技术进行了广泛的概述，重点是在以后的分析中获得计算建模所需的定量数据。
我们处理四种主要技术：
这些技术经常用于系统生物学，并且在广泛的基因组范围内完成，直至覆盖单个分子，从数百万个细胞到单个细胞，以及在单个时间点和经常测量的通路之间。我们不仅介绍了这些技术起作用的理论背景，还进入了湿实验室，展示了这些技术在实践中是如何实施的，以及如何分析所得数据的质量和内容。
本课程介绍系统生物学、生物信息学和系统药理学研究中使用的数据分析方法。该课程涵盖处理实验原始数据以检查基因组中 mRNA 表达（微阵列和 RNA 测序）的方法，包括数据归一化、聚类、降维、修饰表达、富集分析和网络构建。
该课程包括使用多种生物信息学工具和建立数据分析管道的实用文件，以及适用于这些工具和流程工作的方法背后的数学过程。该课程主要适合生物学、统计学、物理学、化学、计算机科学、生物工程和电气工程等领域的高年级学生和高年级本科生。
该课程对于在研究中处理大型数据集的湿式和干式实验室研究人员应该很有用。它展示了由纽约马亚尼山伊坎医学院的 Maayan 实验室 （http://labs.icahn.mssm.edu/maayanlab/） 开发的软件工具，以及其他免费提供的数据可视化分析工具。该课程的总体目标是让学生使用其中介绍的方法来分析他们的个人项目数据。对于不在该领域工作的学生，该课程介绍了系统生物学和系统药理学领域的研究挑战。
现代系统生物学研究中使用的动态模型方法简介。我们采用基于案例的方法来教授现代数学建模技术。该课程适合高级本科生和初级硕士学位学生。
这些讲座提供了生物学背景，并解释了经典数学模型的发展和生物过程的最新表示。该课程对于计划在实验室方法中使用实验技术并将计算建模作为深入理解实验的工具的学生非常有用。该课程对于计划在生物系统模型中进行原创研究的学生来说也很有价值。
本课程侧重于系统生物学研究中使用的动态建模技术。这些技术基于生物机制，使用这些模型进行模拟会产生可以通过实验测试的预测。这些可检验的预测通常为生物过程提供新的见解。
这里研究的方法可分为以下几类：
本课程将侧重于通过指导阅读和分析当前主要文献来发展综合技能，使学生能够将期末项目发展为系统生物学专业的整体期末考试。
需要注意的是，为了参加这门课程，必须在标志轨道中完成以下课程：系统生物学导论、系统生物学中的网络分析、系统生物学的动态模型方法、系统生物学中的实验方法和系统生物学中的综合分析。
