Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Bioinformatics

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
BE4M36BIN Z,ZK 5 2P+2C anglicky
Předmět nesmí být zapsán současně s:
Bioinformatika (BAM36BIN)
Bioinformatics (BEAM36BIN)
Bioinformatika (B4M36BIN)
Předmět je náhradou za:
Bioinformatika (B4M36BIN)
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:
Platnost dat k 1. 6. 2023
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet4879006.html