Источники:
[1] https://www.nhs.uk/conditions/melanoma-skin-cancer/
[2] https://www.nhs.uk/conditions/non-melanoma-skin-cancer/
[3] https://www.wcrf.org/dietandcancer/skin-cancer-statistics/
[4] https://www.bannerhealth.com/healthcareblog/teach-me/skin-cancer-men-vs-women#:~:text=Compared%20to%20women%2C%20men%20are,more%20likely%20to%20develop%20it.
[5] Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries https://doi.org/10.3322/caac.21660
[6] https://www.skincancer.org/skin-cancer-information/skin-cancer-facts/
[7] Skin Cancer Prevention Strategy. 2017 to 2020
https://www.health.qld.gov.au/__data/assets/pdf_file/0020/663032/health-wellbeing-strategic-framework-skin-cancer.pdf
[8] https://www.sunsmart.com.au/about-sunsmart/sunsmart-program
[9] https://www.skincancer.org/skin-cancer-prevention/sun-protection/sunscreen/
К посту:
https://www.instagram.com/p/CQ2vXuylwrv/
[1] https://www.nhs.uk/conditions/melanoma-skin-cancer/
[2] https://www.nhs.uk/conditions/non-melanoma-skin-cancer/
[3] https://www.wcrf.org/dietandcancer/skin-cancer-statistics/
[4] https://www.bannerhealth.com/healthcareblog/teach-me/skin-cancer-men-vs-women#:~:text=Compared%20to%20women%2C%20men%20are,more%20likely%20to%20develop%20it.
[5] Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries https://doi.org/10.3322/caac.21660
[6] https://www.skincancer.org/skin-cancer-information/skin-cancer-facts/
[7] Skin Cancer Prevention Strategy. 2017 to 2020
https://www.health.qld.gov.au/__data/assets/pdf_file/0020/663032/health-wellbeing-strategic-framework-skin-cancer.pdf
[8] https://www.sunsmart.com.au/about-sunsmart/sunsmart-program
[9] https://www.skincancer.org/skin-cancer-prevention/sun-protection/sunscreen/
К посту:
https://www.instagram.com/p/CQ2vXuylwrv/
nhs.uk
Melanoma skin cancer
Find out about melanoma skin cancer, including what the symptoms are, what causes it and how it’s diagnosed and treated.
А также:
1️⃣канал Аси в телеграм https://t.me/chemcream
1️⃣канал Аси в телеграм https://t.me/chemcream
Telegram
ChemCream
Канал о косметике, с точки зрения химика
Создательница Ася Зубкова @asya_asyaz
№ 4881638569
Создательница Ася Зубкова @asya_asyaz
№ 4881638569
Forwarded from Мир глазами биолога (Eka Vnizgolovoi)
Материалы к посту о том, как ультрафиолет повреждает клетки
Этот пост – итог эфира и проекта «Наука против Солнца», который мы провели вместе с Аней из lab.mouse и Асей, которая ведет замечательный инстаграм и телеграм-канал о косметической химии.
Мой пост о том, как ДНК повреждается ультрафиолетом. Я уже много писала на тему того, как клетка справляется с такими повреждениями, и что происходит, если все же справиться не удается. Об этом – в подборке постов гайда «Молекулярная онкология».
В этом посте подробней о прямом и непрямом повреждении ДНК.
Тут – о механизме образования реактивных форм кислорода и роли меланина.
Одна из статей, которую я упоминала в первой части эфира (которая, к сожалению, не сохранилась..) – статья, показавшая, что меланин может способствовать повреждению ДНК.
Кроме того, я разобрала одну из статей, которая якобы показывает, что использование санскрина приводит к раку кожи. Но это не единственный источник мифов. Я нашла целую книгу о том, какие якобы опасные солнцезащитные средства. На амазоне есть чуток текста, и я уже фэйспалмлю, но более полный обзор на нее можно найти тут.
У Ани пост о статистике рака кожи, и почему солнцезащитные средства реально работают.
У Аси – о том, какие бывают средства и как ими пользоваться.
Этот пост – итог эфира и проекта «Наука против Солнца», который мы провели вместе с Аней из lab.mouse и Асей, которая ведет замечательный инстаграм и телеграм-канал о косметической химии.
Мой пост о том, как ДНК повреждается ультрафиолетом. Я уже много писала на тему того, как клетка справляется с такими повреждениями, и что происходит, если все же справиться не удается. Об этом – в подборке постов гайда «Молекулярная онкология».
В этом посте подробней о прямом и непрямом повреждении ДНК.
Тут – о механизме образования реактивных форм кислорода и роли меланина.
Одна из статей, которую я упоминала в первой части эфира (которая, к сожалению, не сохранилась..) – статья, показавшая, что меланин может способствовать повреждению ДНК.
Кроме того, я разобрала одну из статей, которая якобы показывает, что использование санскрина приводит к раку кожи. Но это не единственный источник мифов. Я нашла целую книгу о том, какие якобы опасные солнцезащитные средства. На амазоне есть чуток текста, и я уже фэйспалмлю, но более полный обзор на нее можно найти тут.
У Ани пост о статистике рака кожи, и почему солнцезащитные средства реально работают.
У Аси – о том, какие бывают средства и как ими пользоваться.
Telegram
ChemCream
Канал о косметике, с точки зрения химика
Создательница Ася Зубкова @asya_asyaz
№ 4881638569
Создательница Ася Зубкова @asya_asyaz
№ 4881638569
❤1
1 сентября 2016 года я снова села за парту. Мне вот-вот должно было исполниться 29, а за плечами был долгий путь в профессию, которую в этот день я планировала оставить в прошлом.
За те прошедшие почти 10 лет я прошла путь от установщика программного обеспечения и специалиста техподдержки до старшего системного администратора и правой руки руководителей компаний, на которые работала. Это были не простые 10 лет. Годы, когда девушки в ИТ считались экзотикой, на собеседования в кабинет забегали все сотрудники компании, просто чтобы посмотреть на это «шоу», а многие компании звали на собеседование только из любопытства. За эти годы я обросла связями в профессиональной сфере, а отлаженная работа требовала все меньше и меньше затрат сил. Это была комфортная позиция.
Слишком комфортная.
За те прошедшие почти 10 лет я прошла путь от установщика программного обеспечения и специалиста техподдержки до старшего системного администратора и правой руки руководителей компаний, на которые работала. Это были не простые 10 лет. Годы, когда девушки в ИТ считались экзотикой, на собеседования в кабинет забегали все сотрудники компании, просто чтобы посмотреть на это «шоу», а многие компании звали на собеседование только из любопытства. За эти годы я обросла связями в профессиональной сфере, а отлаженная работа требовала все меньше и меньше затрат сил. Это была комфортная позиция.
Слишком комфортная.
👍2
В один день, 1 сентября 2016, из квалифицированного специалиста я стала «всего лишь» студентом. А спустя еще немного времени из «серверов начальника и юзверей командира» — младшим аналитиком без особых знаний, опыта работы по профессии, связей и в новом незнакомом городе.
Было ли мне страшно? Да.
Хорошо ли я понимала, что делаю? Скорее нет.
Решилась бы я снова, если бы машина времени доставила меня обратно в весну 2016-го, когда было принято это решение? Я не знаю.
Мне часто (действительно часто, а не просто блогерский оборот) приходят вопросы: смогу ли я, если мне уже 30? 40? Смогу ли я перейти из медицины? Лаборатории? Смогу ли заняться биоинформатикой, если я программист? Лингвист?
И вот он, честный ответ: Я НЕ ЗНАЮ.
Если бы эту страницу вел коуч, он ответил бы: Конечно да! Нужно только твердо решиться!
Но так это не работает.
Каждая ситуация уникальна. И даже при наличии самой сильной мотивации у человека может быть дома ребенок, которого просто реально не с кем оставить. Или долги, которые надо отдавать, и нельзя позволить себе потерять в заработке хотя бы на время. Не корите себя, если сейчас желаемое невозможно. Так действительно бывает.
Я не знаю, есть ли свет в конце вашего тоннеля. И лишь могу мысленно обнять вас и пожелать, чтобы он там появился.
Поддержка хоть кого-то из близких тоже важна и не стоит ее недооценивать. А вот бэкграунд знаний нарастить можно точно, так что во всем списке необходимого — это то единственное, что действительно не проблема.
Так вот. Сегодня, 1 сентября 2021 года я могу точно сказать: со мной все это было не зря. Отправляясь в то плавание, я не знала, что меня прибьет к берегам биоинформатики и биомедицинской аналитики, и не могла представить, что найду в этом свое самое любимое дело.
Было ли мне страшно? Да.
Хорошо ли я понимала, что делаю? Скорее нет.
Решилась бы я снова, если бы машина времени доставила меня обратно в весну 2016-го, когда было принято это решение? Я не знаю.
Мне часто (действительно часто, а не просто блогерский оборот) приходят вопросы: смогу ли я, если мне уже 30? 40? Смогу ли я перейти из медицины? Лаборатории? Смогу ли заняться биоинформатикой, если я программист? Лингвист?
И вот он, честный ответ: Я НЕ ЗНАЮ.
Если бы эту страницу вел коуч, он ответил бы: Конечно да! Нужно только твердо решиться!
Но так это не работает.
Каждая ситуация уникальна. И даже при наличии самой сильной мотивации у человека может быть дома ребенок, которого просто реально не с кем оставить. Или долги, которые надо отдавать, и нельзя позволить себе потерять в заработке хотя бы на время. Не корите себя, если сейчас желаемое невозможно. Так действительно бывает.
Я не знаю, есть ли свет в конце вашего тоннеля. И лишь могу мысленно обнять вас и пожелать, чтобы он там появился.
Поддержка хоть кого-то из близких тоже важна и не стоит ее недооценивать. А вот бэкграунд знаний нарастить можно точно, так что во всем списке необходимого — это то единственное, что действительно не проблема.
Так вот. Сегодня, 1 сентября 2021 года я могу точно сказать: со мной все это было не зря. Отправляясь в то плавание, я не знала, что меня прибьет к берегам биоинформатики и биомедицинской аналитики, и не могла представить, что найду в этом свое самое любимое дело.
🔥3
1 сентября многие традиционно дают себе обещание начать учить что-то новое. Поэтому:
Если вы ждали знака, то считайте, что этот пост — он.
Если искали поддержки, то я здесь, чтобы дать ее.
Если ждали идеального времени, то скажу честно: его не существует.
А если ждали подсказки, с чего начать, то ниже я составила для вас полноценный learning path — три подборки БЕСПЛАТНЫХ материалов по погружению в Data Science, необходимую математику и доменную область — биологию и генетику. Каждая позиция в списке сопровождается моими комментариями о том, как, когда и кому следует это смотреть/читать.
Если вы ждали знака, то считайте, что этот пост — он.
Если искали поддержки, то я здесь, чтобы дать ее.
Если ждали идеального времени, то скажу честно: его не существует.
А если ждали подсказки, с чего начать, то ниже я составила для вас полноценный learning path — три подборки БЕСПЛАТНЫХ материалов по погружению в Data Science, необходимую математику и доменную область — биологию и генетику. Каждая позиция в списке сопровождается моими комментариями о том, как, когда и кому следует это смотреть/читать.
Курсы по программированию и науке о данных. Выстроены в порядке возрастания сложности. Как learning path.
0. Малый ШАД - Что такое Big Data и почему это страшно интересно - Андрей Себрант
https://www.youtube.com/watch?app=desktop&v=TEHdfPa1eJA
Под чай с тортиком и чисто для вдохновения. Чтобы понять, зачем вам нужно все то, о чем будут курсы из списка ниже.
1. Python: основы и применение
https://stepik.org/course/512/
Это лучшее введение в программирование на питоне, в котором толково и глубоко объясняются важные базовые вещи.
Шаг в сторону: если при прохождении “Python: основы и применение” возникает слишком много сложностей, его можно отложить и начать с “Программирование на Python” https://stepik.org/course/67
Совет: не стоит обязательно “добивать” курс до конца. Лучше использовать его для тех моментов, которые вызвали сложности в курсе “Python: основы и применение”. То есть как бы проходить два курса параллельно, но с целью второй закончить полностью, а первый использовать как некий конспект или тренажер к нему.
2. Математика и Python для анализа данных
https://www.coursera.org/learn/mathematics-and-python
Первый курс из специализации. Сама специализация тоже очень хорошая и курсы стоящие. Важно! В нем же вы найдете теорию из дифуров и матана, которой будет достаточно для начала.
Совет: пройти первый курс и начать поиски позиции джуниора. Остальные курсы специализации (и любые другие) будет полезнее проходить уже в рамках подготовки к собеседованию или параллельно с первой работой. Но без практического опыта применения полученные на курсе знания быстро пропадут.
3. Открытый курс машинного обучения. От ODS
https://habr.com/ru/company/ods/blog/322626/
Можно проходить как курс, а можно использовать как справочник, который всегда должен быть под рукой. На странице можно найти ссылки на видео, дополнительные статьи и материалы, но главное, на хаб сообщества в слаке. Там есть каналы с вакансиями, каналы для поисков стажировок, помощи, обучения и просто общения.
4. Введение в Data Science и машинное обучение
https://stepik.org/course/4852/syllabus
Прекрасный, достаточно легкий, но емкий курс. Много обзорных тем. Внутри курса есть интервью с людьми из бизнеса, которые рассказывают о своем опыте работы в ДС.
5. Свободное погружение в СУБД
https://stepik.org/course/70710/promo
Курс про SQL и архитектуру баз данных. Основной стек дата-аналитика это питон + sql, так что без этого никуда.
Этот курс не совсем для новичков, кое-что нужно знать. Но, скажу честно, не нашла ни одного приличного, не нудного и реально практического курса по БД для полных новичков. Везде очень много воды и теории, которая без приложения ничего не дает.
Совет: какой бы у вас не был опыт, начните неспешно проходить этот курс. А если какая-то тема, термин или решение вызывает у вас вопрос, просто гуглите материалы конкретно по нему отдельно.
Пригодится может такая шпаргалка: https://proglib.io/p/sql-for-20-minutes
6. Hadoop. Система для обработки больших объемов данных
https://stepik.org/course/150/
Великолепный, подробный, фундаментальный и практический курс. Особо рекомендую внимательно читать комменты под каждым модулем. Там много интересного.
Совет: не проходите этот курс просто так. Система хадуп используется далеко не каждой компанией и не на каждом проекте. Вполне может быть так, что вы никогда не столкнетесь с нею в практике, но сейчас потратите на курс много времени. Советую обратиться к данному курсу только в случае, если вы целитесь на вакансию, где указан хадуп или он требуется в рамках вашего текущего или потенциального проекта. Для общего понимания будет эффективнее с точки зрения времени как ресурса просто прочесть пару популярных статей на том же хабре.
Математика
1. Основы статистики
https://stepik.org/course/76/
Бесконечно любимый и бесконечно рекомендуемый курс Анатолия Карпова от Института биоинформатики. Ничего лучше я не нашла за последние много лет. Просто, практично, понятно, с крайне прикладными примерами. Курс ориентирован на биологов и медиков, а не на математиков.
У курса вышли также продолжение (части 2 и 3),
0. Малый ШАД - Что такое Big Data и почему это страшно интересно - Андрей Себрант
https://www.youtube.com/watch?app=desktop&v=TEHdfPa1eJA
Под чай с тортиком и чисто для вдохновения. Чтобы понять, зачем вам нужно все то, о чем будут курсы из списка ниже.
1. Python: основы и применение
https://stepik.org/course/512/
Это лучшее введение в программирование на питоне, в котором толково и глубоко объясняются важные базовые вещи.
Шаг в сторону: если при прохождении “Python: основы и применение” возникает слишком много сложностей, его можно отложить и начать с “Программирование на Python” https://stepik.org/course/67
Совет: не стоит обязательно “добивать” курс до конца. Лучше использовать его для тех моментов, которые вызвали сложности в курсе “Python: основы и применение”. То есть как бы проходить два курса параллельно, но с целью второй закончить полностью, а первый использовать как некий конспект или тренажер к нему.
2. Математика и Python для анализа данных
https://www.coursera.org/learn/mathematics-and-python
Первый курс из специализации. Сама специализация тоже очень хорошая и курсы стоящие. Важно! В нем же вы найдете теорию из дифуров и матана, которой будет достаточно для начала.
Совет: пройти первый курс и начать поиски позиции джуниора. Остальные курсы специализации (и любые другие) будет полезнее проходить уже в рамках подготовки к собеседованию или параллельно с первой работой. Но без практического опыта применения полученные на курсе знания быстро пропадут.
3. Открытый курс машинного обучения. От ODS
https://habr.com/ru/company/ods/blog/322626/
Можно проходить как курс, а можно использовать как справочник, который всегда должен быть под рукой. На странице можно найти ссылки на видео, дополнительные статьи и материалы, но главное, на хаб сообщества в слаке. Там есть каналы с вакансиями, каналы для поисков стажировок, помощи, обучения и просто общения.
4. Введение в Data Science и машинное обучение
https://stepik.org/course/4852/syllabus
Прекрасный, достаточно легкий, но емкий курс. Много обзорных тем. Внутри курса есть интервью с людьми из бизнеса, которые рассказывают о своем опыте работы в ДС.
5. Свободное погружение в СУБД
https://stepik.org/course/70710/promo
Курс про SQL и архитектуру баз данных. Основной стек дата-аналитика это питон + sql, так что без этого никуда.
Этот курс не совсем для новичков, кое-что нужно знать. Но, скажу честно, не нашла ни одного приличного, не нудного и реально практического курса по БД для полных новичков. Везде очень много воды и теории, которая без приложения ничего не дает.
Совет: какой бы у вас не был опыт, начните неспешно проходить этот курс. А если какая-то тема, термин или решение вызывает у вас вопрос, просто гуглите материалы конкретно по нему отдельно.
Пригодится может такая шпаргалка: https://proglib.io/p/sql-for-20-minutes
6. Hadoop. Система для обработки больших объемов данных
https://stepik.org/course/150/
Великолепный, подробный, фундаментальный и практический курс. Особо рекомендую внимательно читать комменты под каждым модулем. Там много интересного.
Совет: не проходите этот курс просто так. Система хадуп используется далеко не каждой компанией и не на каждом проекте. Вполне может быть так, что вы никогда не столкнетесь с нею в практике, но сейчас потратите на курс много времени. Советую обратиться к данному курсу только в случае, если вы целитесь на вакансию, где указан хадуп или он требуется в рамках вашего текущего или потенциального проекта. Для общего понимания будет эффективнее с точки зрения времени как ресурса просто прочесть пару популярных статей на том же хабре.
Математика
1. Основы статистики
https://stepik.org/course/76/
Бесконечно любимый и бесконечно рекомендуемый курс Анатолия Карпова от Института биоинформатики. Ничего лучше я не нашла за последние много лет. Просто, практично, понятно, с крайне прикладными примерами. Курс ориентирован на биологов и медиков, а не на математиков.
У курса вышли также продолжение (части 2 и 3),
YouTube
001. Малый ШАД - Что такое Big Data и почему это страшно интересно - Андрей Себрант
Enjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.
но для их прохождения вам уже понадобится базовое знание языка R.
Поэтому сразу рекомендация курсов по R:
Раз “Основы программирования на R” https://stepik.org/course/497/info
И два “Анализ данных в R” https://stepik.org/course/129/info
2. Теория вероятностей для начинающих
https://www.coursera.org/learn/probability-theory-basics
Курс от великолепного Райгородского. Всем бы так преподавали тервер в ВУЗе и были бы мы страной из одних математиков.
В дополнение:
Список рекомендаций курсов, сделанный Институтом Биоинформатики. Кое в чем пересекается с моими личными рекомендациями.
https://vc.ru/education/33816-25-kursov-dlya-nachinayushchih-data-analitikov
Для работа с любым проектом в любой компании вам будет нужен Git. Советую привыкать к нему заранее. Курс: Основы Git https://stepik.org/course/3145
Готовьтесь забыть про винду, если не сделали этого ранее. Весь ДС (и биоинформатика тоже) — это линукс (ну и мак). Вам обязательно нужно знать базовые консольные штуки. Так что вот сразу курс (рассчитанный снова на людей не из ИТ!) Введение в Linux https://stepik.org/course/73
Все курсы подобраны только на русском языке и бесплатны! Исключение только курс Математика и Python для анализа данных, но его тоже можно пройти бесплатно по программе спонсорства от курсеры.
Доменная область:
Читать все также сверху вниз по порядку нарастания серьезности.
1️⃣ Что такое биоинформатика
https://www.youtube.com/watch?v=nsYS47jFF8o
Очень короткий, но очень классный рисованный «мультик» о том, что такое биоинформатика, от ФКН ВШЭ
2️⃣"Хватит медитировать — пора моделировать"
https://www.youtube.com/watch?v=WSLZBD04N5k
Под чай. Классная лекция о том, как делается моделирование и зачем это все нужно. Разработка лекарств и борьба с химическим оружием, понимание болезней и создание молекулярных машин.
3️⃣ Курс мини-лекций “Биоинформатика и геномика”
Набор небольших видео от человека, вдохновившего лично меня удариться в биоинформатику. Михаил Сергеевич Гельфанд рассказывает о том, какие задачи стоят перед современной биоинформатикой и как она пытается их решать.
https://www.youtube.com/playlist?list=PLaBchYyCSpflYQe_9Lx-RjPJpyrGgPdct
(Запасная ссылка на курс “Биоинформатика как дисциплина"
https://postnauka.ru/video/42436)
4️⃣ Курс мини-лекций “Войны бактерий”
https://postnauka.ru/courses/74882 также от МС Гельфанда
5️⃣ Курс мини-лекций “Работа генов”
https://postnauka.ru/courses/50079 9 лекций микробиолога Константина Северинова о функциях генов, современных исследованиях и геномной медицине
6️⃣ Курс с практическими заданиями “Генетика” от НГУ
https://www.lektorium.tv/genetics
Этот курс рекомендую от всей души. Заменит и напомнит всю школьную генетику, натаскает на задачки. Лектор великолепна, курс продуман и хорошо структурирован. Он же на курсере (бесплатный) https://www.coursera.org/learn/nsu-genetics
7️⃣Курс” Введение в молекулярную биологию и биомедицину" от МФТИ
https://stepik.org/course/549/syllabus
Курс очень простой и коротенький. Смотреть его почти не нужно, достаточно слушать. Вопросы после блоков корректные и несложные, но позволяют лучше закрепить и понять сказанное в видео. Уровень слушателя: вы можете совсем ничего не помнить о биологии со школы.
8️⃣Курс “ГМО: технологии создания и применение” от НГУ
https://www.coursera.org/learn/gmo
Моя АААбсолютная рекомендация. У этого курса промо-ролик как блокбастер, потому что сам курс -- блокбастер в мире курсов. Основы биологии со ставкой на биотехнологии.
9️⃣ Курс “Введение в биоинформатику (Introduction to Bioinformatics)”
https://www.coursera.org/learn/bioinformatika/
Здесь уже посложнее и налетать на него стоит со знанием основ биологии. Зато здесь работа с конкретным биоинформатическим софтом, базами и прикладными задачами. На момент, когда я проходила, они закрывали курс и была проблема с получением сертификатов. Как сейчас не знаю, но его стоит пройти и не для сертификата, а для себя.
🔟 Курс “Введение в биоинформатику: метагеномика“ от СПбГУ
https://stepik.org/course/2557/
Аналогичен курсу выше и от тех же авторов, но ориентирован на метаге
Поэтому сразу рекомендация курсов по R:
Раз “Основы программирования на R” https://stepik.org/course/497/info
И два “Анализ данных в R” https://stepik.org/course/129/info
2. Теория вероятностей для начинающих
https://www.coursera.org/learn/probability-theory-basics
Курс от великолепного Райгородского. Всем бы так преподавали тервер в ВУЗе и были бы мы страной из одних математиков.
В дополнение:
Список рекомендаций курсов, сделанный Институтом Биоинформатики. Кое в чем пересекается с моими личными рекомендациями.
https://vc.ru/education/33816-25-kursov-dlya-nachinayushchih-data-analitikov
Для работа с любым проектом в любой компании вам будет нужен Git. Советую привыкать к нему заранее. Курс: Основы Git https://stepik.org/course/3145
Готовьтесь забыть про винду, если не сделали этого ранее. Весь ДС (и биоинформатика тоже) — это линукс (ну и мак). Вам обязательно нужно знать базовые консольные штуки. Так что вот сразу курс (рассчитанный снова на людей не из ИТ!) Введение в Linux https://stepik.org/course/73
Все курсы подобраны только на русском языке и бесплатны! Исключение только курс Математика и Python для анализа данных, но его тоже можно пройти бесплатно по программе спонсорства от курсеры.
Доменная область:
Читать все также сверху вниз по порядку нарастания серьезности.
1️⃣ Что такое биоинформатика
https://www.youtube.com/watch?v=nsYS47jFF8o
Очень короткий, но очень классный рисованный «мультик» о том, что такое биоинформатика, от ФКН ВШЭ
2️⃣"Хватит медитировать — пора моделировать"
https://www.youtube.com/watch?v=WSLZBD04N5k
Под чай. Классная лекция о том, как делается моделирование и зачем это все нужно. Разработка лекарств и борьба с химическим оружием, понимание болезней и создание молекулярных машин.
3️⃣ Курс мини-лекций “Биоинформатика и геномика”
Набор небольших видео от человека, вдохновившего лично меня удариться в биоинформатику. Михаил Сергеевич Гельфанд рассказывает о том, какие задачи стоят перед современной биоинформатикой и как она пытается их решать.
https://www.youtube.com/playlist?list=PLaBchYyCSpflYQe_9Lx-RjPJpyrGgPdct
(Запасная ссылка на курс “Биоинформатика как дисциплина"
https://postnauka.ru/video/42436)
4️⃣ Курс мини-лекций “Войны бактерий”
https://postnauka.ru/courses/74882 также от МС Гельфанда
5️⃣ Курс мини-лекций “Работа генов”
https://postnauka.ru/courses/50079 9 лекций микробиолога Константина Северинова о функциях генов, современных исследованиях и геномной медицине
6️⃣ Курс с практическими заданиями “Генетика” от НГУ
https://www.lektorium.tv/genetics
Этот курс рекомендую от всей души. Заменит и напомнит всю школьную генетику, натаскает на задачки. Лектор великолепна, курс продуман и хорошо структурирован. Он же на курсере (бесплатный) https://www.coursera.org/learn/nsu-genetics
7️⃣Курс” Введение в молекулярную биологию и биомедицину" от МФТИ
https://stepik.org/course/549/syllabus
Курс очень простой и коротенький. Смотреть его почти не нужно, достаточно слушать. Вопросы после блоков корректные и несложные, но позволяют лучше закрепить и понять сказанное в видео. Уровень слушателя: вы можете совсем ничего не помнить о биологии со школы.
8️⃣Курс “ГМО: технологии создания и применение” от НГУ
https://www.coursera.org/learn/gmo
Моя АААбсолютная рекомендация. У этого курса промо-ролик как блокбастер, потому что сам курс -- блокбастер в мире курсов. Основы биологии со ставкой на биотехнологии.
9️⃣ Курс “Введение в биоинформатику (Introduction to Bioinformatics)”
https://www.coursera.org/learn/bioinformatika/
Здесь уже посложнее и налетать на него стоит со знанием основ биологии. Зато здесь работа с конкретным биоинформатическим софтом, базами и прикладными задачами. На момент, когда я проходила, они закрывали курс и была проблема с получением сертификатов. Как сейчас не знаю, но его стоит пройти и не для сертификата, а для себя.
🔟 Курс “Введение в биоинформатику: метагеномика“ от СПбГУ
https://stepik.org/course/2557/
Аналогичен курсу выше и от тех же авторов, но ориентирован на метаге
номные данные.
(Это он же на курсере https://www.coursera.org/learn/bioinformatics-metagenomics )
1️⃣1️⃣ Курс Введение в NGS. Часть 1
https://stepik.org/course/1142/
Очень конкретный, хороший практический курс по работе с NGS данными. В основном ориентирован на Illimina. Тут про все нужные инструменты
1️⃣2️⃣ Курс Секвенирование 3-го поколения на Oxford Nanopore
https://stepik.org/course/8092/
Аналогичен курсу выше, но ориентирован на напорные данные. Очень практический. Авторы те же.
Бонусное:
1️⃣ Курс Генетика и геномика популяций
https://stepik.org/course/9182/
Для тех, кто хочет прямо разобраться в теме. Внутри много математики и зубодробительной теории, но интересной.
2️⃣ Курс Молекулярная филогенетика
https://stepik.org/course/2054/
Тут реальная биоинформатика, с реальной математикой в ее основе и с реальными инструментами. Маст си для тех, кому надо решать задачи по изучению эволюции чего-либо.
3️⃣ Курс Биотехнологии: генная инженерия
https://stepik.org/course/94/
Полезно пройти, если ваши рабочие задачи связаны с подготовкой данных после секвенирования. Подробно и хорошо про подготовку библиотек, клонирование, рестрикция, ПЦР и все его виды
(Это он же на курсере https://www.coursera.org/learn/bioinformatics-metagenomics )
1️⃣1️⃣ Курс Введение в NGS. Часть 1
https://stepik.org/course/1142/
Очень конкретный, хороший практический курс по работе с NGS данными. В основном ориентирован на Illimina. Тут про все нужные инструменты
1️⃣2️⃣ Курс Секвенирование 3-го поколения на Oxford Nanopore
https://stepik.org/course/8092/
Аналогичен курсу выше, но ориентирован на напорные данные. Очень практический. Авторы те же.
Бонусное:
1️⃣ Курс Генетика и геномика популяций
https://stepik.org/course/9182/
Для тех, кто хочет прямо разобраться в теме. Внутри много математики и зубодробительной теории, но интересной.
2️⃣ Курс Молекулярная филогенетика
https://stepik.org/course/2054/
Тут реальная биоинформатика, с реальной математикой в ее основе и с реальными инструментами. Маст си для тех, кому надо решать задачи по изучению эволюции чего-либо.
3️⃣ Курс Биотехнологии: генная инженерия
https://stepik.org/course/94/
Полезно пройти, если ваши рабочие задачи связаны с подготовкой данных после секвенирования. Подробно и хорошо про подготовку библиотек, клонирование, рестрикция, ПЦР и все его виды
И напоследок хочу дать немного советов о том, как и где искать работу в сфере DS (и в биотехе).
1. Hh — не очень хороший вариант, хотя и там можно найти что-то интересное. И все же, ставку я бы предложила делать на Хабр Карьера (https://career.habr.com/, это бывший МойКруг) и linkedin. Обязательно заведите профиль на обоих сайтах и заполните его максимально релевантно тому, какую работу ищете. Добавляйте в свою сеть рекрутеров и сами принимайте предложения. Чем больше ваша сеть — тем больше вам будет доступно материалов и приходить предложений.
2. Вступайте в профессиональные сообщества. Там часто публикуют вакансии, нередко можно оставить свое резюме и просто заводить знакомства, которые могут перерасти в сотрудничество и даже найм. Главное сообщество датасатанистов — Open Data Science (ODS, @ods_ai в инстаграм). Как туда попасть и прочие пароли-явки включила в пост в телеграмме. Сообщество объединяет специалистов из тысяч(!) городов со всего мира. Организует конференции, митапы и просто неформальные завтраки. Посиделки участников есть почти во всех крупных городах.
3. Если вас интересует биология/генетика как доменная область — ваш главный ресурс https://blastim.ru/ (недавно и в инстаграм — @blastim.ru). Подпишитесь на рассылку вакансий и заполните там профиль. Рекомендации по составлению резюме и прочее полезное тоже найдете на сайте.
4. Все хотят опыт, но где его взять? Завести pet-project. Небольшой домашний проект, который можно будет показать потенциальному работодателю, чтобы он мог оценить, что вы человек, способный довести проект до чего-то осмысленного и вообще что-то понимаете в этом всем. Не всегда легко придумать себе задачу самостоятельно, поэтому, как вариант, можно участвовать в хакатонах, контестах и прочем. Начните поиск с платформы kaggle. Если с английским пока сложно, осваивайте русскоязычные платформы. Поиск в гугл выдаст вам целую кучу мероприятий по запросу «хакатон». Нередко в качестве приза на них можно получить и предложение о работе.
5. Не игнорируйте курсы от компаний. Часто они подразумевают найм по итогам их прохождения. Выбирайте крупную компанию, в которой хотели бы работать, и изучайте, нет ли таких курсов у них. (Кстати, у нас в @quantori_community они тоже есть)
6. Будьте за любой кипеж: посещайте конференции и профессиональные мероприятия и не стойте там у стенки! Завязывайте знакомства, расспрашивайте, рассказывайте о себе. Это именно то главное, зачем ИТ-сообщество их организует. А вовсе не чтобы лекции прочитать, поверьте. Конечная цель всего — хантинг (даже если эта цель маскируется под другие или не является единственной).
7. Напишите письмо в компанию, которая вам нравится, и приложите резюме. Даже если там нет сейчас открытой вакансии! Главное правило «за спрос не бьют в нос» 😉. И даже если прямо сейчас вам ничего не предложат, ваше резюме останется в базе компании и может быть поднято оттуда при необходимости.
С 1 сентября, друзья! Пусть этот новый год будет продуктивным (и не сведет никого с ума 😜).
1. Hh — не очень хороший вариант, хотя и там можно найти что-то интересное. И все же, ставку я бы предложила делать на Хабр Карьера (https://career.habr.com/, это бывший МойКруг) и linkedin. Обязательно заведите профиль на обоих сайтах и заполните его максимально релевантно тому, какую работу ищете. Добавляйте в свою сеть рекрутеров и сами принимайте предложения. Чем больше ваша сеть — тем больше вам будет доступно материалов и приходить предложений.
2. Вступайте в профессиональные сообщества. Там часто публикуют вакансии, нередко можно оставить свое резюме и просто заводить знакомства, которые могут перерасти в сотрудничество и даже найм. Главное сообщество датасатанистов — Open Data Science (ODS, @ods_ai в инстаграм). Как туда попасть и прочие пароли-явки включила в пост в телеграмме. Сообщество объединяет специалистов из тысяч(!) городов со всего мира. Организует конференции, митапы и просто неформальные завтраки. Посиделки участников есть почти во всех крупных городах.
3. Если вас интересует биология/генетика как доменная область — ваш главный ресурс https://blastim.ru/ (недавно и в инстаграм — @blastim.ru). Подпишитесь на рассылку вакансий и заполните там профиль. Рекомендации по составлению резюме и прочее полезное тоже найдете на сайте.
4. Все хотят опыт, но где его взять? Завести pet-project. Небольшой домашний проект, который можно будет показать потенциальному работодателю, чтобы он мог оценить, что вы человек, способный довести проект до чего-то осмысленного и вообще что-то понимаете в этом всем. Не всегда легко придумать себе задачу самостоятельно, поэтому, как вариант, можно участвовать в хакатонах, контестах и прочем. Начните поиск с платформы kaggle. Если с английским пока сложно, осваивайте русскоязычные платформы. Поиск в гугл выдаст вам целую кучу мероприятий по запросу «хакатон». Нередко в качестве приза на них можно получить и предложение о работе.
5. Не игнорируйте курсы от компаний. Часто они подразумевают найм по итогам их прохождения. Выбирайте крупную компанию, в которой хотели бы работать, и изучайте, нет ли таких курсов у них. (Кстати, у нас в @quantori_community они тоже есть)
6. Будьте за любой кипеж: посещайте конференции и профессиональные мероприятия и не стойте там у стенки! Завязывайте знакомства, расспрашивайте, рассказывайте о себе. Это именно то главное, зачем ИТ-сообщество их организует. А вовсе не чтобы лекции прочитать, поверьте. Конечная цель всего — хантинг (даже если эта цель маскируется под другие или не является единственной).
7. Напишите письмо в компанию, которая вам нравится, и приложите резюме. Даже если там нет сейчас открытой вакансии! Главное правило «за спрос не бьют в нос» 😉. И даже если прямо сейчас вам ничего не предложат, ваше резюме останется в базе компании и может быть поднято оттуда при необходимости.
С 1 сентября, друзья! Пусть этот новый год будет продуктивным (и не сведет никого с ума 😜).
Источники к постам 1 и 2:
[1] https://journals.sagepub.com/doi/full/10.1177/0023677221998400
[2] https://pubmed.ncbi.nlm.nih.gov/3035526/
[3] https://www.sciencedirect.com/science/article/pii/S0960982206000649
[4] https://www.nature.com/articles/ncb1299_E203
[5] https://www.embopress.org/doi/full/10.1038/sj.embor.7400171
[6] https://pubmed.ncbi.nlm.nih.gov/8097325/
[7] https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0015824
[8] https://pubmed.ncbi.nlm.nih.gov/7764327
[9] https://www.nature.com/articles/331070a0
[10] https://www.sciencedirect.com/science/article/pii/S0032579119446919
[11] https://pubmed.ncbi.nlm.nih.gov/27896535/
[12] https://www.embopress.org/doi/full/10.1038/sj.embor.7400171
https://jasbsci.biomedcentral.com/articles/10.1186/s40104-018-0234-4
Трансгенный цыпленок, помеченный зеленым флуоресцентным белком, светится в ультрафиолете. А обычный цыпленок не светится. https://www.sciencedirect.com/science/article/pii/S0925477304001388
Выращивание цыпленка в суррогатной скорлупе. https://www.nature.com/articles/331070a0
[1] https://journals.sagepub.com/doi/full/10.1177/0023677221998400
[2] https://pubmed.ncbi.nlm.nih.gov/3035526/
[3] https://www.sciencedirect.com/science/article/pii/S0960982206000649
[4] https://www.nature.com/articles/ncb1299_E203
[5] https://www.embopress.org/doi/full/10.1038/sj.embor.7400171
[6] https://pubmed.ncbi.nlm.nih.gov/8097325/
[7] https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0015824
[8] https://pubmed.ncbi.nlm.nih.gov/7764327
[9] https://www.nature.com/articles/331070a0
[10] https://www.sciencedirect.com/science/article/pii/S0032579119446919
[11] https://pubmed.ncbi.nlm.nih.gov/27896535/
[12] https://www.embopress.org/doi/full/10.1038/sj.embor.7400171
https://jasbsci.biomedcentral.com/articles/10.1186/s40104-018-0234-4
Трансгенный цыпленок, помеченный зеленым флуоресцентным белком, светится в ультрафиолете. А обычный цыпленок не светится. https://www.sciencedirect.com/science/article/pii/S0925477304001388
Выращивание цыпленка в суррогатной скорлупе. https://www.nature.com/articles/331070a0
[1] https://www.euro.who.int/ru/health-topics/communicable-diseases/influenza/data-and-statistics
[1.1] https://www.euro.who.int/en/health-topics/communicable-diseases/influenza/seasonal-influenza/burden-of-influenza
[2] https://www.nature.com/articles/d41586-020-02544-6
[3] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1440390/
[4] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8021703/
[5] https://www.who.int/emergencies/diseases/novel-coronavirus-2019/media-resources/science-in-5/episode-44---delta-variant-and-vaccines?gclid=CjwKCAiAv_KMBhAzEiwAs-rX1Cv_b1J1Eo8AbW9gjSBJ1-IwNC5u3LxV35m3UK4mc9x-H_-1cKENwBoC7ykQAvD_BwE
[6] https://www.cdc.gov/flu/prevent/vaccine-selection.htm
[7] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5861780/
[8] https://cdn.who.int/media/docs/default-source/influenza/who-influenza-recommendations/vcm-southern-hemisphere-recommendation-2022/202109_recommendation.pdf
[9] https://www.health.nsw.gov.au/immunisation/Pages/flu.aspx
https://www.instagram.com/p/CWphkADKYc8/?utm_medium=copy_link
[1.1] https://www.euro.who.int/en/health-topics/communicable-diseases/influenza/seasonal-influenza/burden-of-influenza
[2] https://www.nature.com/articles/d41586-020-02544-6
[3] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1440390/
[4] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8021703/
[5] https://www.who.int/emergencies/diseases/novel-coronavirus-2019/media-resources/science-in-5/episode-44---delta-variant-and-vaccines?gclid=CjwKCAiAv_KMBhAzEiwAs-rX1Cv_b1J1Eo8AbW9gjSBJ1-IwNC5u3LxV35m3UK4mc9x-H_-1cKENwBoC7ykQAvD_BwE
[6] https://www.cdc.gov/flu/prevent/vaccine-selection.htm
[7] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5861780/
[8] https://cdn.who.int/media/docs/default-source/influenza/who-influenza-recommendations/vcm-southern-hemisphere-recommendation-2022/202109_recommendation.pdf
[9] https://www.health.nsw.gov.au/immunisation/Pages/flu.aspx
https://www.instagram.com/p/CWphkADKYc8/?utm_medium=copy_link
Инструмент для онлайн мониторинга штаммов вируса гриппа по всему миру и за всю историю сбора данных. Там же можно посмотреть данные по эболе, денге и другим инфекциям.
https://nextstrain.org/flu/seasonal/h3n2/ha/2y
https://nextstrain.org/flu/seasonal/h3n2/ha/2y