Wybrane zagadnienia genomiki funkcjonalnej
Informacje ogólne
Kod przedmiotu: | 1000-2M22TFG |
Kod Erasmus / ISCED: |
11.3
|
Nazwa przedmiotu: | Wybrane zagadnienia genomiki funkcjonalnej |
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki |
Grupy: |
Przedmioty obieralne dla Machine Learning Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | angielski |
Rodzaj przedmiotu: | monograficzne |
Skrócony opis: |
Kurs obejmie metody bioinformatyczne, które są kluczowymi składnikami wszystkich interdyscyplinarnych projektów, które mają na celu opisanie i zrozumienie złożonych systemów biologii molekularnej. Skupimy się na analizie danych z genomiki funkcjonalnej, w tym transkryptomiki, proteomiki, metabolomiki i epigenomiki. |
Pełny opis: |
Metody omówione w tym kursie są istotne dla kilku celów zrównoważonego rozwoju ONZ, w których częścią rozwiązania jest nowoczesna biologia molekularna, w tym celów dotyczących produkcji żywności i bioenergii. Zajęcia będą obejmować wykłady/dyskusje grupowe i nadzorowane ćwiczenia komputerowe. Wykłady będą miały na celu przede wszystkim zapoznanie studentów z teorią metod bioinformatycznych, podczas gdy laboratoria pokażą, w jaki sposób metody te można wykorzystać w praktyce. Tematyka kolejnych wykładów: - Wprowadzenie do genomiki funkcjonalnej - Transkryptomika - Różnicowa analiza ekspresji - Analiza skupień - Uczenie maszynowe - Sieci - Metabolomika i proteomika - Integracja danych |
Literatura: |
Publikacje z projektu ENCODE: https://www.encodeproject.org/publications/ |
Efekty uczenia się: |
WIEDZA: Po ukończeniu tego kursu studenci będą posiadać ogólną wiedzę na temat różnych typów danych generowanych w ramach genomiki funkcjonalnej (dane „omics”: transkryptomika, proteomika, metabolomika i epigenomika) i będą w stanie wyjaśnić teorię stojącą za najczęstszymi bioinformatycznymi metodami analizowania takich danych. Metody te obejmują znajdowanie genów i zestawów genów o różnej ekspresji, uczenie maszynowe, grupowanie i analizę sieci oraz metody integracji danych „omics” i wiedzy biologicznej np. ontologie (K_W08). UMIEJĘTNOŚCI: Po ukończeniu tego kursu studenci będą w stanie analizować dane „omics” przy użyciu różnych metod, a także będą w stanie zrozumieć i zinterpretować wyniki otrzymane za pomocą tych metod (K_U04). Mając zadane zestaw danych i pytanie biologiczne, studenci powinni być w stanie ocenić, jakich metod i narzędzi użyć, aby odpowiedzieć na to pytanie (K_U07). KOMPETENCJE: Studenci będą potrafili przeprowadzać powtarzalną analizę danych generowanych w ramach genomiki funkcjonalnej i będą wyposażeni w zdolność modyfikowania odpowiednich metod, gdy w przyszłości pojawią się nowe typy danych (K_K01, K_K02). |
Metody i kryteria oceniania: |
Aby zaliczyć kurs, należy uzyskać zatwierdzenie dwóch raportów z tygodnia 1 i tygodnia 2. |
Właścicielem praw autorskich jest Uniwersytet Warszawski.