angličtina

Pouze domovské fakulty

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

Jsou požadovány znalosti na úrovni bakalářského studia.

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

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. 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.

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.

Počítačová cvičení jsou povinná, řádně omluvené zmeškané cvičení lze po domluvě s vyučujícím nahradit individuálně.

Chao K.-M., Zhang L.: Sequence Comparison. Springer-Verlag, 2009
Jones N.C., Pevzner P.A: An Introduction to Bioinformatics Algorithms. The MIT Press, 2004
Moorhouse M, Barry P: Bioinformatics Biocomputing and Perl: An Introduction to Bioinformatics Computing Skills and Practice. Wiley; 1 edition, 2004.
Zaplatílek K, Doňar B: Matlab tvorba uživatelských aplikací, Technická literatura BEN, Praha 2004