5027720069

Kierunek: Informatyka | Poziom: jednolite magisterskie
Przedmiot: Wprowadzenie do bioinformatyki	Wymiar - wykład: 15 godz. laboratorium: 15 godz.
System: studia stacjonarne | Rok: 5	Semestr: 9
Wykładowca, dr inż. Tomasz Arodź

Cele kształcenia

Odkrycia związane z genetyką i biologią molekularną sprawiają, że jest to jedna z najszybciej rozwijających się obecnie dziedzin wiedzy. Postęp w badaniach z tej dziedziny nie byłby możliwy bez użycia zaawansowanych metod informatycznych. Co więcej, w miarę wzrostu ilości uzyskiwanych danych biomedycznych, przewiduje się, iż znaczenie bioinformatyki będzie dalej rosło - staje się ona jednym z wiodących zastosowań informatyki. Celem proponowanego kursu jest zaznajomienie uczestników z głównymi rodzinami algorytmów stosowanymi w bioinformatyce, jak również przybliżenie podstawowych ich zastosowań w rozwiązywaniu problemów spotykanych w analizie danych biologicznych.

Kurs nie wymaga żadnych wiadomości wstępnych z zakresu biologii molekularnej.

Treści programowe

1.    Podstawowe struktury i procesy biologii molekularnej w ujęciu informatycznym.

a.    geny jako łańcuchy znakowe (sekwencje DNA)

b.    białka jako łańcuchy znakowe, powstające z genów poprzez translację sekwencji DNA zgodnie z kodem genetycznym, oraz jako struktury 3D

c.    wybrane podstawowe procesy komórkowe jako procesy przetwarzania informacji

d.    powiązania funkcjonalne i strukturalne pomiędzy składowymi komórki jako grafy i sieci złożone

2.    Algorytmy analizy genów i białek jako łańcuchów znakowych.

a.    Modele ewolucji sekwencji znakowych opisujących geny/białka

b.    Programowanie dynamiczne w znajdowaniu pokrewieństwa genów/białek

c.    Ukryte modele Markowa (HMM) w modelowaniu własności rodzin białek

d.    Heurystyki przyspieszające przeszukiwanie dużych zbiorów genów/białek

3.    Algorytmy grafowe w analizie powiązań między strukturami i procesami komórkowymi.

a.    Algorytmy analizy podobieństwa grafów

b.    Algorytmy wykrywania czułych połączeń w grafach (np. białek których mutacja może prowadzić do poważnych zaburzeń w funkcjonowaniu komórki)

4.    Metody uczenia maszynowego w bioinformatyce.

a.    Automatyczne wykrywanie grup pokrewnych genów/białek

b.    Metody uczenia nadzorowanego (np. sieci neuronowe) w przewidywaniu własności genów/białek, takich jak struktura czy funkcja

5.    Wybrane zastosowania zaprezentowanych algorytmów i metod.

a.    Wykrywanie grup genów związanych z danym schorzeniem na bazie mikromacierzy DNA

b.    Przewidywanie komputerowe aktywności leków

Uzyskane umiejętności

W trakcie kursu uczestnicy powinni nabyć wiedzę pozwalającą im na orientację w kluczowych algorytmach i zastosowaniach bioinformatyki, jak również na samodzielną eksplorację bardziej zaawansowanych metod i zagadnień, z którymi mogą się zetknąć w przyszłości jako ewentualni współtwórcy oprogramowania z dziedziny bioinformatyki.