Kursa kods Biol5013
Kredītpunkti 6
Zinātnes nozareBioloģija
Zinātnes apakšnozareBiometrija un bioinformātika
Kopējais stundu skaits kursā162
Lekciju stundu skaits24
Semināru un praktisko darbu stundu skaits24
Studenta patstāvīgā darba stundu skaits114
Kursa apstiprinājuma datums18.01.2012
Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts
Dr. agr.
Students gūst priekšstatu par svarīgākajām bioinformātikā pielietotajām algoritmiskajām metodēm. Apskatītajām problēmām tiek izpētīti un analizēti to risināšanai lietotie algoritmi, vairāki no tiem studentiem patstāvīgi jāizmanto kādā no viņiem zināmajām programmēšanas valodām. Kursā pamatā tiek apskatītas no pielietojuma viedokļa svarīgākās bioinformātikas problēmas - proteīnu un nukleotīdu virkņu un proteīnu struktūru analīze, taču tiek dots arī īss ieskats citās bioinformātikas apakšnozarēs.
• Zināšanas: parādīt padziļinātas zināšanas un izpratni par algoritmiem un skaitļošanas metodēm aminoskābju un proteīnu virkņu salīdzināšanā un to risināšanas metodes;
• Prasmes: virkņu salīdzināšanas algoritmus patstāvīgi izmantot kādā no viņiem zināmajām programmēšanas valodām;
• Kompetence: veikt aminoskābju un proteīnu virkņu salīdzināšanu, izmantojot bioinformātikas algoritmus, interpretēt un analizēt iegūtos rezultātus.
1 Divu bioloģisko virkņu (DNS, RNS, proteīnu) salīdzināšanas metodes (sequence alignment).
2 Divu aminoskābju virkņu (DNS, RNS) salīdzināšanas metodes.
3 Divu aminoskābju virkņu (DNS, RNS) grafiskā salīdzināšanas metode.
4 Divu virkņu salīdzināšana – dinamiskās programmēšanas pieeja.
5 Divu aminoskābju virkņu (DNS, RNS) lineāra globālā salīdzināšana.
6 Divu aminoskābju virkņu (DNS, RNS) lineāra lokālā salīdzināšana.
7 Divu aminoskābju virkņu (DNS, RNS) saistīta globālā salīdzināšana.
8 Divu aminoskābju virkņu (DNS, RNS) saistīta lokālā salīdzināšana.
9 Sekvenču atšķirības mērvienības.
10 Divu proteīna virkņu lineāra lokālā salīdzināšana.
11 Svarīgākās bioloģisko virkņu datubāzes un to izmantošana.
12 Vairāku bioloģisko virkņu salīdzināšana ("multiple alignment").
13 Homoloģisku virkņu "klasifikatori" - profili, paterni, PSI-BLAST, HMM (slēptie Markova modeļi).
14 Struktūru salīdzināšana.
15 Genomika. Genomikas pamatproblēmas.
16 Bioinformācijas datu bāzes.
Izstrādāti laboratorijas darbi. Sekmīgi izstrādāti un aizstāvēti mājas darbi. Ieskaite.
1. Eidhammer I., Jonassen I., Taylor W. Protein Bioinformatics, An Algorithmic Approch to Sequence and Structure Analysis. London: Chichester: John Wiley & Sons, 2004. 355 p.
2. Tisdall J. D. Beginning Perl for Bioinformatics. Beijing, Cambridge: O'Reilly & Associates, 2001. 368 p.
3. Lesk A. M. Introduction to Bioinformatics. New York: Oxford University press, 2002. 283 p.
1. The NCBI Handbook [tiešsaiste]. Pieejams: http://www.ncbi.nlm.nih.gov/books/NBK21101/ [Skatīts 18.01.12]
Obligātais speciālais studiju kurss ITF Maģistra studiju programma "Informācijas tehnoloģijas" apakšvirziens "IT biosistēmās" un izvēles studiju kurss pārējiem ITF maģistrantiem pilna un nepilna laika studijās.