Single-Cell-RNA-Seq-Analyse für eine Heidelberger Forschungsplattform
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst die anonymisierten Zähldaten als AnnData-Objekt (Standardformat für Single-Cell-Daten in Scanpy), Metadaten zur Probenherkunft und eine Liste mit 12 Markergenen aus der Literatur. Führe Standard-QC durch (Mitochondrial-Anteil, Detektions-Schwellen), normalisiere mit log1p, reduziere die Dimension mit PCA und UMAP, clustere mit Leiden, annotiere Cluster über die Markergene und berechne differenzielle Expression zwischen Tumor- und Stromazellen mit Wilcoxon-Rank-Sum. Liefere ein voll dokumentiertes Jupyter-Notebook, drei zentrale Abbildungen (UMAP-Cluster, Marker-Dotplot, Top-50-DE-Heatmap), einen 6-seitigen Analysebericht und ein 20-minütiges Forschungs-Walkthrough.
Das Briefing
Was Du tust und was Du zeigst.
Wie wird ein Single-Cell-RNA-Seq-Datensatz mit Scanpy reproduzierbar geclustert, annotiert und für differenzielle Expression ausgewertet?
Earning criteria — what you'll demonstrate
- Single-Cell-QC und Normalisierungsentscheidungen begründet treffen
- Dimensionsreduktion (PCA, UMAP) und Clustering (Leiden) auf realen Daten praktisch durchführen
- Differenzielle Expression mit Multiple-Testing-Korrektur korrekt interpretieren
- Forschungs-Notebooks für externe Wiederverwendung dokumentieren
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenSoftware Engineer
Software Engineers in Life-Science-Plattformen müssen mit Forschungs-Notebooks arbeiten. Diese Challenge schließt die Lücke zwischen Engineering-Disziplin und biologischer Domäne.
Dieses Projekt schärft
- bioinformatics
- single-cell-analysis
- python
Noch eine Sache