MM552: Beregningsmæssig biologi
Det Naturvidenskabelige Studienævn
Undervisningssprog: Engelsk
EKA: N300011112, N300011102
Censur: Intern prøve, en bedømmer, Ekstern prøve
Bedømmelse: Bestået/Ikke bestået, 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Bachelor
STADS ID (UVA): N300011101
ECTS-point: 10
Godkendelsesdato: 15-05-2023
Varighed: 1 semester
Version: Arkiv
Kommentar
Indgangskrav
Kurset kan ikke vælges hvis du har bestået, er tilmeldt eller har fulgt DM847, eller hvis DM847 indgår som obligatorisk i din studieordning.
Faglige forudsætninger
Studerende, der følger kurset, forventes at:
- Have grundlæggende viden i sandsynlighedsregning
- Have grundlæggende viden i algoritmik
- Have færdigheder i programmering
Formål
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
Målbeskrivelse
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
Indhold
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
Litteratur
Eksamensbestemmelser
Forudsætningsprøve a)
Tidsmæssig placering
Efterår
Udprøvninger
Obligatoriske opgaver
EKA
N300011112
Censur
Intern prøve, en bedømmer
Bedømmelse
Bestået/Ikke bestået
Identifikation
Fulde navn og SDU brugernavn
Sprog
Engelsk
Hjælpemidler
Oplyses på kurset
ECTS-point
0
Uddybende information
Forudsætningsprøven er en forudsætning for deltagelse i eksamenselement a)
Eksamenselement a)
Tidsmæssig placering
Januar
Forudsætninger
Type | Forudsætningsnavn | Forudsætningsfag |
---|---|---|
Delprøve | Forudsætningsprøve a) | N300011101, MM552: Beregningsmæssig biologi |
Udprøvninger
Mundtlig eksamen
EKA
N300011102
Censur
Ekstern prøve
Bedømmelse
7-trinsskala
Identifikation
Studiekort
Sprog
Engelsk
Hjælpemidler
Tilladte hjælpemidler: Blackboard/Whiteboard. Tilladte IT-redskaber: Laptop.
ECTS-point
10
Vejledende antal undervisningstimer
Undervisningsform
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:
Disse undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:
- Introfase (forelæsning) - Antal timer:41
- Træningsfase: Antal timer: 45
Aktiviteter i studiefasen: De studerende arbejder alene eller i studiegruppe med grundlæggende begreber og opgaver fra kursets pensum.
Ansvarlig underviser
Navn | Institut | |
---|---|---|
Ricardo Jose Gabrielli Barreto Campello | campello@imada.sdu.dk | Data Science |
Richard Röttger | roettger@imada.sdu.dk | Data Science |
Skemaoplysninger
Administrationsenhed
Team hos Uddannelsesjura & Registratur
Udbudssteder
Anbefalede studieforløb
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.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.