Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Algorytmiczne i statystyczne aspekty sekwencjonowania DNA

Informacje ogólne

Kod przedmiotu: 1000-2M12DNA
Kod Erasmus / ISCED: 11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Algorytmiczne i statystyczne aspekty sekwencjonowania DNA
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty obieralne dla informatyki
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

Wykład poświęcony jest technikom sekwencjonowania DNA oraz problemom związanym z analizą ich danych wyjściowych. Problemy te mają charakter zarówno algorytmiczny (zastosowanie znajdują tu m.in. grafy de Bruijna, transformacja Barrows'a Wheeler'a), jak i statystyczny (analiza różnic w populacji, testowanie hipotez).

Pełny opis:

1. Sekwencjonowanie nowej generacji:

- różne technologie 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, S. Morishita, Imperial College Press, 2006

"Bioinformatics for High Throughput Sequencing", N. Rodríguez-Ezpeleta, M. Hackenberg, 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),

- potrafi formułować opinie na temat podstawowych zagadnień informatycznych. (K_K06),

- rozumie potrzebę systematycznego zapoznawania się z czasopismami naukowymi i popularnonaukowymi w celu poszerzania i pogłębiania wiedzy (K_K08).

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.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
Krakowskie Przedmieście 26/28
00-927 Warszawa
tel: +48 22 55 20 000 https://uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)