Technologie w skali genomowej 2
Informacje ogólne
| Kod przedmiotu: | 1000-719bTG2 |
| Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
| Nazwa przedmiotu: | Technologie w skali genomowej 2 |
| Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
| Grupy: |
Przedmioty kierunkowe na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obowiązkowe na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty z technologii w skali genomowej dla bioinformatyki |
| Punkty ECTS i inne: |
(brak)
|
| Język prowadzenia: | polski |
| Rodzaj przedmiotu: | obowiązkowe |
| Skrócony opis: |
Algorytmiczne i statystyczne aspekty nowoczesnych technik w skali genomowej. Zalety i ograniczenia różnych technik sekwencjonowania. Przykłady problemów i typowych dla nich metod algorytmicznych (m.in. grafy de Bruijna, transformacja Burrows'a-Wheeler'a) i statystycznych (np. analiza różnic w populacji, testowanie hipotez). |
| Pełny opis: |
1. Sekwencjonowanie nowej generacji: - różne techniki sekwencjonowania i ich dane wyjściowe, - zastosowania: sekwencjonowanie znanych genomów i ich wyselekcjonowanych próbek (transkryptomy, egzomy, immunoprecypitacja), sekwencjonowanie "de novo", sekwencjonowanie "metagenomów", - projektowanie eksperymentów i kontrola jakości wyników. 2. Problemy algorytmiczne i ich typowe rozwiązania: - asemblacja sekwencji na podstawie krótkich odczytów (m.in. zastosowania grafów de Bruijna), - odwzorowanie sekwencji na genomy (m.in. transformata Burrows'a-Wheeler'a i indeks Ferraginy-Manzini'ego), - wykrywanie i reprezentacja osobniczych różnic w genomach (analiza pojedynczych mutacji oraz zaburzeń liczby kopii w różnego rodzaju danych genomowych).. 3. Problemy związane z szacowaniem różnic pomiędzy eksperymentami: - różnicowa analiza ekspresji genów w RNA-seq, - wykrywanie microRNA i long-non-coding-RNA w danych z sekwencjonowania. |
| Literatura: |
"Large-scale genome sequence processing" M. Kasahara i S. Morishita, Imperial College Press, 2006 "Bioinformatics for High Throughput Sequencing" N. Rodríguez-Ezpeleta, M. Hackenberg i A.M. Aransay, Springer, 2012 |
| Efekty uczenia się: |
Wiedza: - znajomość typowych technik całogenomowych nowej generacji - znajomość podstawowych rozkładów statystycznych opisujących nowoczesne pomiary na skalę genomową i algorytmów do ich analizy Umiejętności: - umiejętność wyboru właściwej techniki do zastosowania w danym problemie biologicznym. - umiejętność właściwiego zaprojektowania eksperymentów z wykorzystaniem technologii wielkoskalowych genomicznych i proteomicznych oraz analiza otrzymanych danych (K_U15) - umiejętność wyboru modelu statystycznego do reprezentacji wyniku eksperymentu - umiejętność implementacji wybranych algorytmów do analizy danych z sekwencjonowania nowej generacji Kompetencje: - zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia, w tym zdobywania wiedzy pozadziedzinowej (K_K01) - rozumie konieczność systematycznej pracy nad projektami informatycznymi (K_K02) |
| Metody i kryteria oceniania: |
Podczas laboratorium, studenci będą pracować (indywidualnie lub w zespołach 2-3 osobowych) nad projektami zaliczeniowymi związanymi z analizą danych z sekwencjonowania. Ocena końcowa jest pochodną oceny z projektu i (opcjonalnego) egzaminu ustnego. Zaliczenie przedmiotu przez doktoranta wymaga wykonania projektów indywidualnie. |
Właścicielem praw autorskich jest Uniwersytet Warszawski.
