Detail předmětu
Programování v bioinformatice
FEKT-MPC-PRGAk. rok: 2021/2022
Předmět je zaměřen na programování v oblasti bionformatiky. Zaměřuje se na seznámení s různými typy programů a konkrétními algoritmy používaných pro analýzu sekvencí DNA a proteinů.
Jazyk výuky
čeština
Počet kreditů
5
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Student je schopen:
- řešit algoritmy iteračně i rekurzivně
- vyhodnotit náročnost algoritmů
- realizovat algoritmy pro vyhledávání (hrubou silou, branch&bound algoritmus, greedy algoritmus)
- realizovat algoritmy zarovnání sekvencí využívající dynamické programování s rekurzí
- realizovat algoritmy pro učení skrytých markovových modelů a pro jejich použití
- řešit algoritmy iteračně i rekurzivně
- vyhodnotit náročnost algoritmů
- realizovat algoritmy pro vyhledávání (hrubou silou, branch&bound algoritmus, greedy algoritmus)
- realizovat algoritmy zarovnání sekvencí využívající dynamické programování s rekurzí
- realizovat algoritmy pro učení skrytých markovových modelů a pro jejich použití
Prerekvizity
Jsou požadovány znalosti na úrovni bakalářského studia.
Plánované vzdělávací činnosti a výukové metody
Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.
Způsob a kritéria hodnocení
Studenti musí získat minimálně 50 bodů ze 100 bodů v dílčích aktivitách:
1. půlsemestrální test (max. 30 bodů),
2. semestrální test (max. 30 bodů),
3. bodované programování (min. 20 bodů, max. 40 bodů).
Dílčí aktivity mají prověřit schopnosti studenta realizovat algoritmy ve vybraném programovém prostředí.
1. půlsemestrální test (max. 30 bodů),
2. semestrální test (max. 30 bodů),
3. bodované programování (min. 20 bodů, max. 40 bodů).
Dílčí aktivity mají prověřit schopnosti studenta realizovat algoritmy ve vybraném programovém prostředí.
Osnovy výuky
1. Základy algoritmizace úloh a náročnost algoritmů.
2. Typy algoritmů, rekurze a iterace.
3. Regulární výrazy.
4. Třídící algoritmy (greedy algoritmy).
5. Algoritmy pro restrikční mapování (exhaustive search).
6. Vyhledávání motivů (branch and bound algoritmy).
7. Dynamické programování s rekurzí.
8. Algoritmy pro de novo skládání genomu.
9. Markovovy modely v bioinformatice.
10. Sufixové stromy.
2. Typy algoritmů, rekurze a iterace.
3. Regulární výrazy.
4. Třídící algoritmy (greedy algoritmy).
5. Algoritmy pro restrikční mapování (exhaustive search).
6. Vyhledávání motivů (branch and bound algoritmy).
7. Dynamické programování s rekurzí.
8. Algoritmy pro de novo skládání genomu.
9. Markovovy modely v bioinformatice.
10. Sufixové stromy.
Učební cíle
Cílem předmětu je seznámení a osvojení základních algoritmů pro analýzu sekvencí DNA a proteinů a jejich podrobný rozbor. Studenti jsou vedeni k samostatnému programování probíraných algoritmů v programovacím prostředí R.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Počítačová cvičení jsou povinná, řádně omluvené zmeškané cvičení lze po domluvě s vyučujícím nahradit individuálně.
Základní literatura
Chao K.-M., Zhang L.: Sequence Comparison. Springer-Verlag, 2009 (EN)
Jones N.C., Pevzner P.A: An Introduction to Bioinformatics Algorithms. The MIT Press, 2004 (EN)
Moorhouse M, Barry P: Bioinformatics Biocomputing and Perl: An Introduction to Bioinformatics Computing Skills and Practice. Wiley; 1 edition, 2004. (EN)
Zaplatílek K, Doňar B: Matlab tvorba uživatelských aplikací, Technická literatura BEN, Praha 2004 (CS)
Jones N.C., Pevzner P.A: An Introduction to Bioinformatics Algorithms. The MIT Press, 2004 (EN)
Moorhouse M, Barry P: Bioinformatics Biocomputing and Perl: An Introduction to Bioinformatics Computing Skills and Practice. Wiley; 1 edition, 2004. (EN)
Zaplatílek K, Doňar B: Matlab tvorba uživatelských aplikací, Technická literatura BEN, Praha 2004 (CS)
Elearning
eLearning: aktuální otevřený kurz
Zařazení předmětu ve studijních plánech
- Program MPC-BTB magisterský navazující 1 ročník, zimní semestr, povinný
Typ (způsob) výuky
Cvičení na počítači
39 hod., povinná
Vyučující / Lektor
Osnova
1. Seznámení s provozním řádem počítačové laboratoře a náplní cvičení.
2. Základy algoritmizace úloh.
3. Rekurzivní a iterační algoritmy, náročnost algoritmů.
4. Exhaustive Search: restrikční mapování.
5. Exhaustive Search: vyhledávání motivů.
6. Greedyho algoritmus: analýza genetických změn pomocí reverzí
7. Analýza genetických změn metodou Breakpoints.
8. Dynamické programování: obecný popis metody, globální zarovnávání.
9. Dynamické programování: lokální zarovnávání, optimální cesta.
10. Shluková analýza pro analýzu genomických dat (základní principy, aplikace).
11. Skryté Markovovy modely pro analýzu genomických dat (základní principy, aplikace).
12. Náhradní cvičení.
13. Závěrečný test.
2. Základy algoritmizace úloh.
3. Rekurzivní a iterační algoritmy, náročnost algoritmů.
4. Exhaustive Search: restrikční mapování.
5. Exhaustive Search: vyhledávání motivů.
6. Greedyho algoritmus: analýza genetických změn pomocí reverzí
7. Analýza genetických změn metodou Breakpoints.
8. Dynamické programování: obecný popis metody, globální zarovnávání.
9. Dynamické programování: lokální zarovnávání, optimální cesta.
10. Shluková analýza pro analýzu genomických dat (základní principy, aplikace).
11. Skryté Markovovy modely pro analýzu genomických dat (základní principy, aplikace).
12. Náhradní cvičení.
13. Závěrečný test.
Elearning
eLearning: aktuální otevřený kurz