Bioinformatics

Vztahy:

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BAM36BIN (vztah je symetrický)

Předmět BE4M36BIN může při kontrole studijních plánů nahradit předmět B4M36BIN

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B4M36BIN (vztah je symetrický)

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BEAM36BIN (vztah je symetrický)

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BAM36BIN (vztah je symetrický)

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět B4M36BIN (vztah je symetrický)

Předmět BE4M36BIN nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BEAM36BIN (vztah je symetrický)

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra počítačů

Anotace:

The goal of the course is to explain the principles used in algorithms for processing molecular data. The course contains algorithms for sequence assembly, sequence alignment, sequence probabilistic and grammatical modelling, algorithms used for finding connections between primary and secondary/tertial structure of proteins and their functions and interactions, algorithms for analysis of data from highly parallel measurements (especially gene expression), and algorithms for modelling processes as metabolism and regulation of gene expression.

Požadavky:

Osnova přednášek:

1. Intro, sample bioinformatics tasks.

2. Sequencing algorithms, fragment assembly.

3. Sequence alignment.

4. Multiple sequence alignment.

5. Phylogenetic trees, distance methods.

6. Phylogenetic trees, parsimony and probabilistic methods.

7. Markov chains in computational biology.

8. Hidden Markov models of genomic sequences, gene finidng, profile HMMs.

9. Gene expression profiling.

10. RNA secondary structure prediction.

11. Modeling of higher protein structures, protein databases.

12. Gene ontology, gene/protein function prediction.

13. Network inference and modeling.

14. Spare lecture.

Osnova cvičení:

1. Intro, sample bioinformatics tasks.

2. Sequencing algorithms, fragment assembly.

3. Sequence alignment.

4. Multiple sequence alignment.

5. Phylogenetic trees, distance methods.

6. Phylogenetic trees, parsimony and probabilistic methods.

7. Markov chains in computational biology.

8. Hidden Markov models of genomic sequences, gene finidng, profile HMMs.

9. Gene expression profiling.

10. RNA secondary structure prediction.

11. Modeling of higher protein structures, protein databases.

12. Gene ontology, gene/protein function prediction.

13. Network inference and modeling.

14. Spare lab.

Cíle studia:

Studijní materiály:

1. Durbin et al.: Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. Cambridge University Press, 1998.

2. Jones, Pevzner: An Introduction to Bioinformatics Algorithms, The MIT Press, 2004.

3. Lesk, A.M.: Introduction to Bioinformatics. Oxford University Press, 4th Edition, 2014.

Poznámka:

Další informace:

https://cw.fel.cvut.cz/wiki/courses/bin/start

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Open Informatics - Bioinformatics (povinný předmět oboru)