Kurset giver et struktureret fundament for forståelse af biologiske systemer gennem data, modeller og beregning. Det introducerer de studerende til biologisk ræsonnement på systemniveau på tværs af molekylære, cellulære og organismiske skalaer og udvikler evnen til at forbinde biologiske spørgsmål med beregningsmæssige repræsentationer, måleteknologier og multi-omics analytiske tilgange. Kurset dækker biologisk regulering, sekvens- og strukturprincipper, eksperimentelt design, omics-teknologier, statistisk ræsonnement, maskinlæring og moderne AI-baserede analytiske værktøjer. Der lægges vægt på at genkende fælles analytiske principper på tværs af biologiske datatyper, forstå hvordan teknologier begrænser inferens, og kritisk evaluere modeller og beregningsmæssige output. Kurset er designet som et bredt kognitivt fundament, der forbereder de studerende til avancerede studier inden for bioingeniørvidenskab, systembiologi, beregningsbiologi og datadrevet bioteknologi. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Fortolke biologiske processer, interaktioner og organisering på tværs af molekylære, cellulære og systemskalaer.
• Identificere regulatoriske elementer, netværksmotiver og konnektivitetsprincipper, der ligger til grund for biologisk adfærd.
• Oversætte biologiske spørgsmål til passende beregningsmæssige repræsentationer såsom sekvenser, matricer, grafer og indlejringer.
• Fortolke almindelige biologiske datastrukturer og filformater, der anvendes i omics-analyser, og forklare, hvilke oplysninger de indeholder og udelader.
• Anvende grundlæggende statistiske og maskinlæringsmetoder på biologiske datasæt og kritisk fortolke deres output.
• Udføre og fortolke downstream-analyser, herunder berigelses-, pathway- og netværksbaseret analyse af biologiske datasæt.
• Evaluere antagelser, begrænsninger og risici ved statistiske, algoritmiske og neurale netværksmodeller, der anvendes i biologisk inferens.
• Sammenligne, hvordan forskellige omics-teknologier muliggør og begrænser biologisk fortolkning, og udtrække biologisk relevante konklusioner fra deres output.
• Integrere information på tværs af flere biologiske datatyper for at understøtte biologisk ræsonnement på systemniveau.
• Bruge AI-værktøjer kritisk og ansvarligt gennem hurtigt design, outputvalidering og vurdering af analytisk relevans.

Kurset er struktureret i tre sammenhængende faser, der dækker systembiologi, generering af biologiske data og beregningsanalyse. Det begynder med biologiske fundamenter på systemniveau, herunder biologiske skalaer, repræsentation af biologiske systemer, regulatoriske interaktioner, netværkslogik, sekvens- og strukturprincipper, posttranslationelle modifikationer og eksperimentelt design med statistisk inferens. Studerende introduceres til, hvordan biologiske spørgsmål kan repræsenteres beregningsmæssigt som sekvenser, grafer, matricer og modelinput.

Den anden del af kurset fokuserer på vigtige omics-teknologier og deres analytiske logik, herunder helgenomsekventering og 16S-profilering, metagenomik, transkriptomik, proteomik og metabolomik. Der lægges vægt på at forstå, hvad hver teknologi måler, strukturen af ​​almindelige biologiske dataformater, teknologiske begrænsninger, og hvordan måling former downstream-fortolkning.

Den sidste del af kurset introducerer beregningsmodellering og moderne analytiske værktøjer, herunder grundlæggende maskinlæringskoncepter, skjulte Markov-modeller, supportvektormaskiner, neurale netværk, signalvejs- og netværksanalyse, vidensbaser, proteinsprogmodeller og multiomics-integration gennem latente repræsentationer og autoencoder-baserede koncepter. Gennem hele kurset arbejder de studerende med biologiske datasæt i guidede øvelser, anvender beregningsværktøjer, diskuterer begrænsninger ved modeller og teknologier og evaluerer kritisk AI-understøttede analyser. Et gruppeprojekt integrerer flere kursustemaer og afsluttes med mundtlige præsentationer. 04. maj, 2026