Detail předmětu
Praktika z bioinformatiky
FEKT-BPC-PBIAk. rok: 2024/2025
Předmět je zaměřen na praktické zvládnutí základních bioinformatických analýz DNA sekvencí a sekvencí proteinů. Především je orientován na zarovnávací algoritmy a algoritmy predikce sekundární struktury RNA a proteinů. Dále prohlubuje znalosti o možnostech číslicového zpracování genomických a proteomických dat. Studenti si prakticky vyzkouší základní možnosti fylogenetické analýzy na jimi zvoleném vhodném souboru dat. Studenti se naučí provádět analýzy sekvencí v programovacím jazyce R.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Pravidla hodnocení a ukončení předmětu
Počítačová cvičení jsou povinná, řádně omluvené zmeškané cvičení lze po domluvě s vyučujícím nahradit individuálně.
Učební cíle
Absolvent předmětu je schopen:
- nalézt v databázi GenBank nukleotidové sekvence kódující protein pro různé organismy a sekvence stáhnout ve vhodném formátu
- nalézt v databázi Uniprot sekvenci proteinu, která je kódována nukleotidovou sekvencí
- nalézt kódující oblasti v DNA sekvencích
- provést základní analýzy sekvencí v prostředí R
- použít zarovnávací algoritmy volně dostupné na internetu, vhodně zvolit zarovnávací parametry v závislosti na typu dat
- naprogramovat algoritmus pro zarovnání sekvencí s afinní penalizací
- predikovat sekundární strukturu proteinů pomocí online nástrojů
- predikovat pozitivní selekci v genech
- naprogramovat výpočet spektrogramů DNA sekvencí
- zkonstruovat fylogenetický strom z DNA sekvencí pomocí online nástrojů
Základní literatura
Elearning
Zařazení předmětu ve studijních plánech
- Program BPC-BTB bakalářský 3 ročník, letní semestr, povinný
Typ (způsob) výuky
Cvičení na počítači
Vyučující / Lektor
Osnova
2. Zpracování genomových sekvencí pomocí základních pravidel statistiky.
3. Porovnávání sekvencí. Zarovnávání sekvencí. Míry shody.
4. Hledání vzorů v sekvencích.
5. Nelineární metody pro porovnávání vzorů, metoda dynamického borcení času.
6. Skryté Markovovy modely v úlohách rozpoznávání.
7. Hledání vzorů pomocí nelineárních metod pro klasifikační úlohy.
8. Shluková analýza s využitím nelineárních metod srovnávání.
9. Statistické vyhodnocení klasifikačních postupů, objemy zpracovávaných dat.
10. Expertní systém jako klasifikátor.
11. Prezentace samostatných prací.
12. Prezentace samostatných prací.
13. Zápočtový test.
Elearning