MM552: Beregningsmæssig biologi

13015501(tidligere UVA) er identisk med denne kursusbeskrivelse. 

Samlæses med DM847: Introduktion til bioinformatik (10 ECTS)

Studerende, der følger kurset, forventes at:

• Have grundlæggende viden i sandsynlighedsregning
• Have grundlæggende viden i algoritmik
• Have færdigheder i programmering

Formålet med kurset er at give en introduktion til forskning i
bioinformatik. I hver forelæsning vil vi begynde med et konkret
biologisk og/eller medicinsk spørgsmål, lave det om til en
problemformulering, der kan løses af en computer, designe en matematisk
model, løse denne og endelig aflede og evaluere svar fra modellen, som
giver mening i den virkelige verden. Kursets formål er at give
grundlæggende indsigt i moderne forskning i bioinformatik.

Kurset giver et videnskabeligt grundlag for at løse bioinformatik-problemer ved modellering og implementering af edb-programmer.

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på:

• kompetence til at planlægge og udføre grundlæggende bioinformatiske opgaver
• viden om typisk supervised og unsupervised data mining metoder
• anvendelse af typisk netværk enrichment og NGS sekventering data analysemetoder
• udvikling af nye omik data mining platforme og software

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

• forklare
  og forstå det centrale dogma i molekulær biologi, centrale aspekter af
  genregulering, basisprincipper af epigenetisk DNA-ændringer og
  specialiteter m.h.t. bakterie & phage genetik
• modellere ontologier for biomedicinske dataafhængigheder
• designe databaser til systems biologi
• forklare
  og implementere metoder til analyse af DNA & aminosyre sekvenser
  (HMMs, scoringmatricer og efficient statistik med disse på
  datastrukturer som for eksempel suffix arrays)
• forklare og implementere statistiske læringsmetoder på biologiske netværk (network enrichment, GraphLets)
• forklare specialiteter af bakteriel genetik (operonforudsigelsestrick)
• forklare og implementere metoder for suffixtræer, suffixarrays og Burrows-Wheeler-transformationen
• forklare de novo sekvensmønster screening med EM algoritmen og entropimodeller.
• forklare
  og implementere grundlæggende metoder til supervised og unsupervised
  data mining, samt deres anvendelse på biomedicinske omik datasæt

Kurset indeholder følgende faglige hovedområder:

• det centrale dogme i molekulær genetik, epigenetik og bakteriel og phage genetik
• design og konstruktion af databaser for molekulærbiologiske data (ontologies, eksempler på databaser: NCBI, CoryneRegNet, ONDEX)
• analyse
  af DNA og aminosyre sekvens mønster model (HMMS, scoringsmatricer,
  blandede modeller, efficient statistik med dem på store datasæt)
• specialiteter i bakteriel genetik (sekvens modeller og funktionelle modeller for operonforudsigelse)
• de novo identifikation af transkriptionsfaktorbindingsmotifer (rekursiv forventingsmaksimering, entropi-baserede modeller)
• analyse
  af næste generations DNA sekvens datamængder (memory-aware short
  sequence read mapping data ved hjælp af Burrows Wheeler transformationen
  og suffix arrays, bi-modal peak calling)
• visualisering af biologiske netværk (graflayout: små men stærk variable grafer vs. store men mere statiske grafer)
• systems biologi og statistik på netværk (network enrichment with CUSP
• jActiveModules og KeyPathwayMiner, Graphlet degree signatures)
• grundlæggende supervised og unsupervised metoder klassificeringskriterierne for omics dataanalyse

Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

For at sætte de studerende i stand til at nå læringsmålene for kurset tilrettelægges undervisningen således, at

Der er 86 forelæsningstimer, holdtimer etc. på et semester.

Disse undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:

• Introfase (forelæsning, holdtimer) - Antal timer:41
• Træningsfase: Antal timer: 45
  
• Total: Antal timer: 86

Aktiviteter i studiefasen: De studerende arbejder alene eller i studiegruppe med grundlæggende begreber  og opgaver fra kursets pensum.