DS832: Introduktion til genomisk datavidenskab

Det Naturvidenskabelige Studienævn

Undervisningssprog: Engelsk
EKA: N340106102
Censur: Intern prøve, en bedømmer
Bedømmelse: Bestået/Ikke bestået
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Kandidat

STADS ID (UVA): N340106101
ECTS-point: 5

Godkendelsesdato: 30-10-2023


Varighed: 1 semester

Version: Godkendt - aktiv

Kommentar

Dette kursus introducerer genomisk datavidenskab inden for medicin. Kurset er målrettet studerende, der er interesserede i at arbejde med genetiske og omiske forskning indenfor grundlæggende og klinisk medicin.

Genomisk medicin er et hurtigt udviklende og populært område inden for forskning og translationelle applikationer. Ekspertise indenfor genomisk datavidenskab er yderst nødvendige i biomedicinsk forskning.

Indgangskrav

Ingen

Faglige forudsætninger

Grundlæggende viden om biologi, statistik og computerprogrammering.

Formål

Kursets formål er at introducere konceptet og molekylære mekanismer i genomik, high-throughput teknologier til genomisk analyse fra array til næste generations sekventering, forskellige typer genomiske data om DNA-sekvensvariation, molekylære profiler af genaktivitetsregulering, genekspression og deres interaktive netværk. Kursets tilgang fokuserer på biostatistik og bioinformatik samt værktøjer til analyse, fortolkning og præsentation af de forskellige genomiske data, efterfulgt af deres applikationer inden for biomedicinsk og translationel forskning. Da de anvendte genomiske data er fortrolige, vil emner relateret til etiske, juridiske og samfundsmæssige konsekvenser af genomiske data også blive introduceret.

Kurset bygger videre på viden og kompetencerne, der er erhvervet i førsteårskurserne pår datavidenskab og grundlæggende dataanalytiske færdigheder (statistik og R-programmering).

Målbeskrivelse

Generelle kompetencer:
1. Viden om specialiseringens behov og muligheder ved arbejde med og behandling af data
2. Kompetencer til at vælge, anvende og kombinere de rigtige programmerings-, statistik- og bioinformatikværktøjer og -metoder til at arbejde med data, der er relevante for specialiseringen
3. Færdigheder i at styre komplekse arbejds- og udviklingssituationer inden for databehandling og analyse samt opstart og udførelse af analyser

Forventede læringsresultater
Kursets læringsmål er, at den studerende demonstrerer evnen til at:
1. Forstå, hvordan high-throughput teknikker fungerer i genomisk analyse.
2. Kende til datapipelines til håndtering af forskellige typer genomiske data fra dataforbehandling, kvalitetskontrol til statistisk analyse og bioinformatik.
3. Blive fortrolig med forskellige former for eksperimentdesign og tilhørende statistisk analyse.
4. Skrive R-scripts og bruge passende værktøjer til at foretage dataanalyse, illustration og præsentation.
5. Være i stand til funktionelt at fortolke resultaterne fra genomisk dataanalyse ved hjælp af bioinformatikværktøjer.

Indhold

  1.  Introduktion til grundbegreber inden for genomik, epigenomik, transkriptomik og proteomik
  2. High-throughput teknikker til genomisk analyse og typer af genomiske data
  3. Det menneskelige genomprojekt og genomiske open-source-databaser
  4. Eksperimentdesign i genomisk analyse
  5. Datapipelines og software til forbehandling af rådata og kvalitetskontrol
  6. Statistiske modeller for genomisk dataanalyse
  7. Netværksanalyse af genomiske data
  8. Analyse af biologisk stier
  9. Maskinlæring til forudsigelse
  10. Ansøgning inden for biomedicin
  11. Etik i genomiske data

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Juni

Udprøvninger

Mundtlig eksamen

EKA

N340106102

Censur

Intern prøve, en bedømmer

Bedømmelse

Bestået/Ikke bestået

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

30 minutter

Hjælpemidler

Oplyses på kurset

ECTS-point

5

Vejledende antal undervisningstimer

48 timer per semester

Undervisningsform

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

  • Introfase 22 timer 
  • Træningsfase 22 timer, heraf eksaminatorier 6 timer og data analyse øvelser 16 timer 

Nogle af introtimerne vil blive afholdt både fysisk og online

Aktiviteter i studiefasen:

  • data analyse øvelser
  • Selvstudium af visse emner fra lærebogen
  • Selvstændig opsamling på intro og træningsfasen

Ansvarlig underviser

Navn E-mail Institut
Qihua Tan qtan@health.sdu.dk Epidemiologi, Biostatistik og Biodemografi (EBB)

Yderligere undervisere

Navn E-mail Institut By
Dorthe Almind Pedersen dapedersen@health.sdu.dk Department of Public Health Odense
Mads Thomassen mthomassen@health.sdu.dk KI, OUH, Forskningsenhed for Human Genetik (Odense) Odense
Marianne Nygaard mnygaard@health.sdu.dk Department of Public Health Odense

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.