LV EN RU DE FR

Algoritmi bioinformātikā II

Kursa izstrādātājs

Aizstātais kurss

BiolM001 [GBIOM001] Algoritmi bioinformātikā

Kursa anotācija

Students iepazīstas ar bioinformātikas problēmām, to risināšanas metodēm un algoritmiem. Akcentētas ir bioinformātikas tēmas, kurām jau šobrīd ir praksē nozīmīgi risinājumi (filoģenētiskie koki, mašīnmācīšanās un datizraces pielietojumi bioinformātikā u.c.). Students iepazīstas ar algoritmiem šo problēmu risināšanai, pieejamo programmatūru un datu bāzes. Vairākus no aplūkotajiem algoritmiem implementē kādā no programmēšanas valodām.

Kursa rezultāti un to vērtēšana

• Zināšanas: parādīt padziļinātas zināšanas un izpratni par algoritmiem aminoskābju un proteīnu vairāku virkņu salīdzināšanā, filoģenētiskiem kokiem, mašīnmācīšanās un datizraces pielietojumiem bioinformātikā.
• Prasmes: virkņu salīdzināšanas algoritmus patstāvīgi izmantot kādā no viņiem zināmajām programmēšanas valodām.
• Kompetence: veikt aminoskābju un proteīnu vairāku virkņu salīdzināšanu, izmantojot bioinformātikas algoritmus, interpretēt un analizēt iegūtos rezultātus.

Kursa saturs(kalendārs)

1 Filoģenētiskie koki. Filoģenētisko koku tipi.
2 Bioloģiskie modeļi. Molekulārais pulkstenis.
3 Ultrametriskas attālumu matricas un koki. Aditīvas attālumu matricas un koki.
4 Heiristiskas metodes koku konstruēšanai - UPGM, Neighbour Joining.
5 Koku novērtēšana, Bootstrapping un Jack knife metodes.
6 Programmas filoģenētisko koku konstruēšanai un vizualizācijai.
7 Filoģenētisko koku salīdzināšana.
8 Mašīnmācīšanās un datizraces metodes bioinformātikā.
9 Datizrace. Pamatnostādnes. Klāsterizācija un klasifikācija.
10 Datizraces pielietojumi bioinformātikā.
11 Mašīnmācīšanās un datizraces metodes bioinformātikā.
12 Molekulārās virsmas modelēšana.
13 "Protein docking" problēma, tās risināšanas metodes.
14 Programmas proteīnu mijiedarbības modelēšanai.
15 Proteīnu struktūru prognozēšana - pamatnostādnes un risināšanas metodes.
16 Mikromasīvu tehnoloģija un datu analīzes metodes.

Prasības kredītpunktu iegūšanai

Izstrādāti laboratorijas darbi. Sekmīgi izstrādāti un aizstāvēti mājas darbi. Eksāmens.

Obligātā literatūra

1. Eidhammer I., Jonassen I., Taylor W. Protein Bioinformatics, An Algorithmic Approch to Sequence and Structure Analysis. 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.

Papildliteratūra

. The NCBI Handbook [tiešsaiste]. Pieejams: http://www.ncbi.nlm.nih.gov/books/NBK21101/ [Skatīts 18.01.12]

Piezīmes

Speciālais studiju kurss ITF Maģistra studiju programma "Informācijas tehnoloģijas" virziens Informācijas tehnoloģijas biosistēmās un izvēles studiju kurss pārējiem ITF maģistrantiem pilna un nepilna laika studijās.