Курс Nestarenie для начинающих ученых

Для тех, кто хочет разбираться в биологии старения с целью проведения исследований в области увеличения продолжительности жизни человека. 

Автор курса – Веремеенко Дмитрий, сфера профессиональной деятельности – data science в медицине, основатель исследовательского проекта, изучающего терапии, направленные на увеличение продолжительности жизни человека, сооснователь сервиса для продления жизни, основатель форума о продлении жизни Nestarenie Camp, со-автор книги “Бонусные годы“, обладатель премии Leaders Club 2021 года за вклад в развитие антивозрастной медицины, создатель справочного блога о старении человека (nestarenie.ru), WhatsApp: +7 925 9244328 Dmitriy-tae@yandex.ru

 

Требования:
1. Отсутствие страха перед математикой.
2. Выполнение домашних заданий ко всем урокам. 
3. Наличие Microsoft Excel, PowerPoint, Word.
4. Выполнять домашние задания, либо на Microsoft Word, либо Excel, либо PowerPoint. После выполнения домашнего задания файлы следует сохранить в формате pdf и выслать на проверку (успеваемость).
5. Уроки будут on-line, а  также в записи

Дата запуска 26 июня 2023 года, длительность 2 месяца

Стоимость: бесплатно

Содержание курса
  • Строение клетки, ДНК, РНК, рибосомы, белок, эпигенетика, коллаген, митохондрии, нокауты генов, гормон роста, инсулин подобный фактор роста 1-го типа, mTOR, понятие рецепторов гормонов, внеклеточный матрикс, стволовые клетки, жесткость артерий, гены, матриксные металлопротеиназы, тимус, B-клетки (B-лимфоциты) иммунитета, Т-клетки (Т-лимфоциты) иммунитета.
  • Генеральная совокупность
  • Выборка
  • Вероятность
  • Логарифм
  • Чем занимается проект NestarenieRU
  • Почему старение – это проблема?
  • Невозможным что то мы делаем сами
  • Можно ли определить старение по внешним признакам?
  • Старение может продлевать жизнь на короткой дистанции
  • Старение, как необходимость для выживания вида
  • Математическое описание демографического старения
  • Что прячется под кривой смертности Гомпертца
  • Что такое базовая уязвимость
  • А точно ли голый землекоп «нестареет»?
  • Почему старение убивает не сразу
  • Останавливается ли старение у очень старых людей?
  • Чем отличаются признаки старения и причины старения
  • Основные признаки старения
  • Известные методы продления жизни мышей и их связь с сокращением калорийности питания
  • Нецелесообразно искать механизмы старения на мышах
  • Код ДНК и факторы транскрипции
  • Причины, почему клетки нервной ткани, мышечные и т. д. имеют одинаковую ДНК, но формируют разные ткани организма
  • Механосенсинг в специализации клеток и старении
  • Стареют ли клетки организма?
  • На физическом уровне старение – это постепенное нарастание жесткости, потеря эластичности тканей, окружающих клетки организма
  • Почему стволовые клетки не омолаживают сердце?
  • Сшивки, аддукты и разлохмаченность
  • Как увеличивались рекорды продолжительности жизни людей с 1899 по 2014 годы
  • Сближение показателей смертности в различных популяциях в пожилом возрасте
  • Приблизительный верхний предел продолжительности жизни человека ограничивается на отметке 100-120 лет эластичными свойствами сердца, сосудов, и системы дыхания
  • Семь наиболее частых причин неслучайной смерти
  • Доставка гена протоэластина в клетки с помощью аденовируса
  • Повышенное разрушение эластических волокон ферментами MMP-2 и MMP-9 и аневризма аорты
  • Технология введения малых интерферирующих РНК для нокдауна MMP2
  • Восстановление экспрессии гена эластина на уровне мРНК
  • Программа предупреждения преждевременного износа эластина
  • Роль соотношения воды и кальция в эластине
  • Клетки сосудов меняются на клетки костной ткани и накапливают кальций потому, что внеклеточный матрикс сосудов становится более жестким из-за старения
  • Роль дефицита рецепторов DDR1 на поверхности клеток для защиты от кальцификации 
  • Эластокины, образующиеся в результате разрушения эластина от MMP, активируют рецепторы эластина, что вызывает отложение кальция в сосудах
  • Роль рецепторов конечных продуктов гликирования в индукции кальцификации
  • Как устроен и как стареет иммунитет
  • Матричный каркас для регенерации тимуса
  • Эверолимусом для улучшения реакции на вакцинацию
  • Введение рекомбинантного интерлейкина 7-го типа для улучшения реакции на вакцинацию
  • Терапия плазмидой (слияния ДНК CCR9 и IL-7 ) для улучшения функции CD8 T-клеток и снижения вирусной нагрузки после заражения вирусом гриппа
  • Снижение процента наивных Т клеток иммунитета с возрастом можно восстановить
  • Достижение ремиссии красной волчанки с помощью анти-CD19 CAR-T-клеточной терапии
  • Различия иммунитета людей и животных
  • Фиброз, как критический фактор, развития хронической болезни почек
  • Ингибиторы натрий-глюкозного транспортера 2-го типа для предотвращения прогрессирование хронической болезни почек
  • Трансплантация поджелудочной железы для реверсирования фиброза почек
  • Генетическая абляция клеток Gli1
  • Глушение ингибитора активатора плазминогена 1-го типа, как потенциальная стратегия лечения фиброза почек
  • Пирфенидон – единственное лекарство, оцениваемое в КИ для лечения фиброза почек
  • С возрастом мы теряем когнитивные способности вовсе не потому, что в мозге погибают нейроны, как это считалось ранее, а в результате снижения нейропластичности
  • Нокаут гена, кодирующего IL-33, приводит к когнитивным нарушениям, а введение извне ферментов, расщепляющих матрикс, восстанавливает нормальную нейропластичность
  • Воспалительная теория старения мозга не подтверждается, а антивоспалительные лекарства не эффективны в клинических исследованиях для профилактики и лечения болезни Альцгеймера
  • Наиболее убедительная гипотеза потери умственных способностей с возрастом — это снижения нейропластичности из-за утраты функции микроглии
  • Отличие клинического исследования от доклинического
  • Кризис воспроизводимости
  • Шансы получить лекарство
  • Мнение эксперта в сравнении с экспериментом
  • Как не попасть в ловушку иллюзии правдивости?
  • Почему связь не является причиной?
  • Примеры искажения научных фактов (испорченный телефон)
  • Размер выборки
  • Научный эксперимент в медицине
  • Эффект “плацебо” и рандомизация
  • Проспективность и ретроспективность эксперимента
  • Основные критерии, свидетельствующие об успешности эксперимента на примере траумеля
  • Оценка риска HR (hazard ratio – отношение опасности) и RR (relative risk – относительный риск).
  • Расчет потерянных (добавленных лет жизни), используя HR (hazard ratio) или RR (relative risk)
  • Доверительные интервалы, метод их расчета и использование для оценки результатов экспериментов
  • Таблетка от старости не спасет без мониторинга и управления своим здоровьем.
  • Умирают не только от старения.
  • Искусственный и компьютерный интеллект для продления жизни
  • Бонусные годы
  • Nestarenie Camp
  • Исследовательский проект о методах продления жизни
  • Radical life extension group
  • Дорожная карта студента
  • Консультации по итоговому проекту
  • Выполнение и сдача итогового проекта

Итог

  • Данный курс является базовым для всех. После успешного окончания курса, выполнения всех домашних заданий, выполнения итогового проекта, будет возможность изучения дополнительных курсов:

    1. Доказательная медицина для врача в облаcти медицины для продления жизни
    2. Разработка моделей ИИ для продления жизни
    3. Управление доклиническим научным исследованием в RLE group

Искусственный интеллект для радикального продления жизни человека - курс ожидается в 2024 году

Язык программирования Python для машинного обучения – продолжительность 1 месяц

Урок 1. Среда для работы
Урок 1. Знакомство с Python – часть 1
Урок 2. Знакомство с Python – часть 2
Урок 3. Встроенные типы и операции с ними – часть 1
Урок 4. Встроенные типы и операции с ними – часть 2
Урок 5. Функции – часть 1
Урок 6. Функции – часть 2
Урок 7. Полезные инструменты – часть 1
Урок 8. Полезные инструменты – часть 2

Машинное обучение – продолжительность 4 месяца

Урок 1. Импорт библиотек
Урок 2. Подготовка датасета, загрузка и просмотр
Урок 3. Разбивка датасета на X_train, X_valid
Урок 4. Анализ и визуализация датасета
Урок 5. Поиск пропусков
Урок 6. Обработка пропусков
Урок 7. Поиск выбросов
Урок 8. Обработка выбросов
Урок 9. Построение новых признаков
Урок 10. Отбор признаков
Урок 11. Нормализация и стандартизация
Урок 12. Скорость обучения
Урок 13. Удаление целевого признака
Урок 14. Функция calc_logloss
Урок 15. Функция calc_pred_proba
Урок 16. L1 и L2-регуляризация
Урок 17. Преобразование категориальных признаков в числовые
Урок 18. Поиск лучших гиперпараметров
Урок 19. Линейная регрессия
Урок 20. Логистическая регрессия
Урок 21. К-ближайших соседей
Урок 22. Решающий лес
Урок 23. Случайный лес
Урок 24. Градиентный бустинг
Урок 25. Метод главных компонент
Урок 26. Предсказание на тренировочных данных
Урок 27. Качества модели, подсчет метрик, матрица ошибок
Урок 28. Работа с тестовым датасетом
Урок 25. Итоговый проект: “Предсказание количественных переменных”
Урок 26. Итоговый проект: “Предсказание категориальных переменных