Bioinformatika

Bioinformatika (1)

Uključene obrazovne institucije

Elektrotehnički fakultet / Fakultet organizacionih nauka, Univerzitet u Beogradu

Dostupan u okviru programa

Master 4.0: Napredne informacione tehnologije u digitalnoj transformaciji (izborni)

Kratki program studija: Analiza podataka (izborni)

Kratki program studija: Informacione tehnologije (izborni)

Upoznavanje sa ključnim konceptima i problemima u savremenoj bioinformatici i genomici. Sticanje znanja o računarskim metodama za obradu i analizu bioloških podataka radi interpretacije podataka i izvođenja biološki i medicinski značajnih zaključaka.

Na kraju ovog kursa studenti bi trebalo da:
– razumeju osnovne molekularne biološke i genomičke podatke, kao i koncepte i tehnologije za generisanje podataka,
– budu osposobljeni za rešavanje tipičnih bioinformatičkih problema korišćenjem bioloških podataka uz pomoć matematičkih, statističkih modela kao i modela mašinskog učenja,
– prepoznaju mogućnosti za primenu bioinformatike u odgovarajućim podoblastima biomedicine.

Teorijska nastava

Uvod u bioinformatiku i genomiku. Potpuno poravnavanje stringova. Potpuno poravnavanje stringova. Nepotpuno poravnavanje stringova. Tipovi i formati bioloških podataka i baze podataka. Kompresija bioinformatičkih sekvenci. Vizualizacija podataka u bioinformatici. Tehnologije sekvenciranja nove generacije i analiza zdarvih i tumorskih uzoraka. Genomika – Analiza podataka sekvenciranja nove generacije. Redukcija dimenzionalnosti bioinformatičkih podataka. Proteomika – Analiza strukture proteina. Proteomika – analiza interakcija proteina. Primene bionformatike u medicini i biologiji. Biostatistika

Praktična nastava

Pajton okruženje i moduli u bioinformatici. Bojer-Mur algoritam, strukture podataka (indeksi i heš tabele). Sufiks stablo, sufiks traj, pidženhol princip Levenštajnovo odstojanje i dinamičko programiranje Bouti i Blast alati Barous-Viler transformacija, BVA-MEM alat Hit mape, dendrogrami, mreže. Bioinformatički pajplajnovi, Genetske varijante. Algoritmi bazirani na predstavnicima, bi-klastering algoritmi, mere za izbor klaster modela. T-sne algoritam, Embeding tehnike, Analiza glavnih komponenti, Faktorizacija matrica. Algoritmi za ocenu sličnosti i predikciju strukture proteina. Modeli mašinskog učenja za predikciju interakcija proteina. Primena biostatističkih metoda u softverskom okruženju. Kaplan Majer Analiza. Koksova regresija