An introduction to the statistics behind the most popular genomic data science projects. This is the sixth course in the Genomic Big Data Science Specialization from Johns Hopkins University.
Ce cours fait partie de la Spécialisation Science des données génomiques
Statistics for Genomic Data Science
Offert par
À propos de ce cours
20,774 consultations récentes
Les étudiants prenant part à ce Course sont
- Biostatisticians
- Biologists
- Researchers
- Scientists
- Data Scientists
Compétences que vous acquerrez
StatisticsData AnalysisR ProgrammingBiostatistics
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
13 heures pour terminer
Module 1
This course is structured to hit the key conceptual ideas of normalization, exploratory analysis, linear modeling, testing, and multiple testing that arise over and over in genomic studies.
21 vidéos (Total 129 min), 3 lectures, 1 quiz
21 vidéos
What is Statistics?2 min
Finding Statistics You Can Trust (4:44)4 min
Getting Help (3:44)3 min
What is Data? (4:28)4 min
Representing Data (5:23)5 min
Module 1 Overview (1:07)1 min
Reproducible Research (3:42)3 min
Achieving Reproducible Research (5:02)5 min
R Markdown (6:26)6 min
The Three Tables in Genomics (2:10)2 min
The Three Tables in Genomics (in R) (3:46)3 min
Experimental Design: Variability, Replication, and Power (14:17)14 min
Experimental Design: Confounding and Randomization (9:26)9 min
Exploratory Analysis (9:21)9 min
Exploratory Analysis in R Part I (7:22)7 min
Exploratory Analysis in R Part II (10:07)10 min
Exploratory Analysis in R Part III (7:26)7 min
Data Transforms (7:31)7 min
Clustering (8:43)8 min
Clustering in R (9:09)9 min
3 lectures
Syllabus10 min
Pre Course Survey10 min
Introduction and Materials10 min
1 exercice pour s'entraîner
Module 1 Quiz20 min
Semaine
22 heures pour terminer
Module 2
This week we will cover preprocessing, linear modeling, and batch effects.
14 vidéos (Total 97 min), 1 quiz
14 vidéos
Dimension Reduction (12:13)12 min
Dimension Reduction (in R) (8:48)8 min
Pre-processing and Normalization (11:26)11 min
Quantile Normalization (in R) (4:49)4 min
The Linear Model (6:50)6 min
Linear Models with Categorical Covariates (4:08)4 min
Adjusting for Covariates (4:16)4 min
Linear Regression in R (13:03)13 min
Many Regressions at Once (3:50)3 min
Many Regressions in R (7:21)7 min
Batch Effects and Confounders (7:11)7 min
Batch Effects in R: Part A (8:18)8 min
Batch Effects in R: Part B (3:50)3 min
1 exercice pour s'entraîner
Module 2 Quiz20 min
Semaine
32 heures pour terminer
Module 3
This week we will cover modeling non-continuous outcomes (like binary or count data), hypothesis testing, and multiple hypothesis testing.
15 vidéos (Total 86 min), 1 quiz
15 vidéos
Logistic Regression (7:03)7 min
Regression for Counts (5:02)5 min
GLMs in R (9:28)9 min
Inference (4:18)4 min
Null and Alternative Hypotheses (4:45)4 min
Calculating Statistics (5:11)5 min
Comparing Models (7:08)7 min
Calculating Statistics in R9 min
Permutation (3:26)3 min
Permutation in R (3:33)3 min
P-values (6:04)6 min
Multiple Testing (8:25)8 min
P-values and Multiple Testing in R: Part A (5:58)5 min
P-values and Multiple Testing in R: Part B (4:23)4 min
1 exercice pour s'entraîner
Module 3 Quiz20 min
Semaine
42 heures pour terminer
Module 4
In this week we will cover a lot of the general pipelines people use to analyze specific data types like RNA-seq, GWAS, ChIP-Seq, and DNA Methylation studies.
14 vidéos (Total 74 min), 1 lecture, 1 quiz
14 vidéos
Gene Set Enrichment (4:19)4 min
More Enrichment (3:59)3 min
Gene Set Analysis in R (7:43)7 min
The Process for RNA-seq (3:59)3 min
The Process for Chip-Seq (5:25)5 min
The Process for DNA Methylation (5:03)5 min
The Process for GWAS/WGS (6:12)6 min
Combining Data Types (eQTL) (6:04)6 min
eQTL in R (10:36)10 min
Researcher Degrees of Freedom (5:49)5 min
Inference vs. Prediction (8:52)8 min
Knowing When to Get Help (2:31)2 min
Statistics for Genomic Data Science Wrap-Up (1:53)1 min
1 lecture
Post Course Survey10 min
1 exercice pour s'entraîner
Module 4 Quiz10 min
4.1
37 avis40%
ont commencé une nouvelle carrière après avoir terminé ce cours
38%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
17%
a obtenu une augmentation de salaire ou une promotion
Meilleurs avis pour Statistics for Genomic Data Science
The professor is really enthusiasm, so I was really impreesed by him. And his teaching is brief, and I can learn key points through the lectures. Great course!
I have really enjoyed the course and I have learnt different concepts relevant for my current study.\n\nYurany
Enseignant
Jeff Leek, PhD
Associate Professor, BiostatisticsBloomberg School of Public Health
À propos de Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
À propos du Spécialisation Science des données génomiques
With genomics sparks a revolution in medical discoveries, it becomes imperative to be able to better understand the genome, and be able to leverage the data and information from genomic datasets. Genomic Data Science is the field that applies statistics and data science to the genome.
This Specialization covers the concepts and tools to understand, analyze, and interpret data from next generation sequencing experiments. It teaches the most common tools used in genomic data science including how to use the command line, along with a variety of software implementation tools like Python, R, Bioconductor, and Galaxy.
This Specialization is designed to serve as both a standalone introduction to genomic data science or as a perfect compliment to a primary degree or postdoc in biology, molecular biology, or genetics, for scientists in these fields seeking to gain familiarity in data science and statistical tools to better interact with the data in their everyday work.
To audit Genomic Data Science courses for free, visit https://www.coursera.org/jhu, click the course, click Enroll, and select Audit. Please note that you will not receive a Certificate of Completion if you choose to Audit.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
