Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Bioinformatika

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
F7PBKBI-I Z,ZK 5 2P+2C česky
Přednášející:
Radim Krupička (gar.)
Cvičící:
Radim Krupička (gar.)
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Cílem předmětu je seznámit studenty s bioinformatikou zaměřenou na práci s DNA a proteinovými řetězci. Kromě základních biologických vlastností DNA získají studenti přehledové znalosti o algoritmech pro zpracování proteinových řetězců, o metodikách jejich zpracování a jejich ukládání na datové úložiště. Studenti se v rámci výuky naučí pracovat s bioinformatickými databázemi, budou v nich umět vyhledávat a propojit je mezi různými systémy. Součástí výuky budou také pokročilejší metody analýze a predikce struktur v proteinových řetězcích. Předpokládají základní znalosti matematiky, biologie a algoritmizace.

Požadavky:

Zápočet: Absolvování všech cvičení (max. 2 povolené absence), povinné odevzdání řešení domácích úloh ze cvičení. Kontrolní test (min. 50 %).

Zkouška: ústní zkouška.

Osnova přednášek:

Osnova přednášek:

1. Úvod do bioinformatiky, biologie buňky, struktura DNA a proteinů.

2. Studium DNA a genomů - manipulace s DNA a mapování.

3. Struktura DNA a RNA 2. Projekt Human genom.

4. Co je to homologie a algoritmické zarovnávání sekvencí.

5. Zarovnání proteinů (Protein alignment), PAM matice.

6. DotPlot, BLOSUM matice.

7. Vyhledávání v bioinformatických databázích, algoritmus BLAST.

8. Vícenásobné zarovnání (Multiple sequence alignment).

9. Fylogenetické stromy. Homologní modelování.

10. Zpracování velkých dat pro personalizovanou medicínu – genetické varianty.

11. Zpracování velkých dat v bioinformatice – technické prostředky pro Hadoop a Spark.

12. Strukturní bioinformatika - metody predikce 2D a 3D struktur.

13. Strukturní bioinformatika 2 – pokročilé metody modelování struktur.

14. Rezerva

Osnova cvičení:

Osnova cvičení:

1. Práce s bioinformatickými řetězci (exaktní a aproximativní matching, suffix trie).

2. Implementace procesů centrálního dogmatu molekulární biologie v Matlab.

3. Vizualizace a analýza 3D struktur.

4. Algoritmické modely typů buněčného dělení: mitóza (inovace RPAPS 2017).

5. Algoritmické modely typů buněčného dělení: meióza (inovace RPAPS 2017).

6. Implementace DotPlot v Matlab.

7. Predikce proteinové struktury (Hidden Markov Models, neuronové sítě, Kd-tree).

8. Sekvenční alignment. Multiple sequence alignment.

9. Analýza proteinové struktury. Kontrolní test.

10. Homologní modelování.

11. Instalace Hadoop a Spark pro zpracování velkých dat. Náležitosti zpracování velkých dat.

12. Využití Spark pro zpracování velkých dat v bioinformatice.

13. Identifikace genetických variant v genomu člověka prostřednictvím Spark.

14. Zápočtový test.

Cíle studia:
Studijní materiály:

Povinná literatura:

[1]ZVÁROVÁ, Jana a Ivan MAZURA. Metody molekulární biologie a bioinformatiky. Praha: Karolinum, 2012. Biomedicínská informatika. ISBN 978-80-246-2150-0.

Doporučená literatura:

[1]CVRČKOVÁ, Fatima. Úvod do praktické bioinformatiky. Praha: Academia, 2006. ISBN 80-200-1360-1.

[2]PEVSNER, Jonathan. Bioinformatics and functional genomics. Third edition. Chichester: Wiley-Blackwell, 2015. ISBN 978-1-118-58178-0.

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 10. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet5959606.html