22125 Algoritmer i bioinformatik

2024/2025

Kursusinformation
Algorithms in bioinformatics
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Retningsspecifikt kursus (MSc), Bioinformatics
Retningsspecifikt kursus (MSc), Pharmaceutical Design and Engineering
Retningsspecifikt kursus (MSc), Quantitative Biology and Disease Modelling
Teknologisk specialisering (MSc), Bioinformatics and Systems Biology
Teknologisk specialisering (MSc), Pharmaceutical Design and Engineering
Juni
Campus Lyngby
Forelæsninger, diskussioner, øvelser og projekt.
3-uger
Sidste dag(e) i 3-ugersperioden
Skriftlig eksamen og bedømmelse af rapport(er)
Projektarbejde og skriftlig eksamen. Karakteren er baseret på en helhedsvurdering af begge delprøver
Skriftlig eksamen: 2 timer
Alle hjælpemidler - med adgang til internettet :

Åbent internet. Brug af Chatbots er ikke tilladt

7-trins skala , intern bedømmelse
36625 og 27625
22175
22101.22111.22113.22163 , eller lignende. Være i stand til at skrive simple programmer og scripts i et Unix miljø for at løse bioinformatiske opgaver på struktureret vis, f.eks. i forbindelse med projektarbejde.
Minimum 10 Maksimum: 75
Morten Nielsen , Lyngby Campus, Bygning 204, Tlf. (+45) 4525 2425 , morni@dtu.dk
Carolina Barra Quaglia , Lyngby Campus, Bygning 204, Tlf. (+45) 4525 2477 , carolet@dtu.dk
22 Institut for Sundhedsteknologi
I studieplanlæggeren
Overordnede kursusmål
At give de studerende et overblik over og en dybdegående forståelse af bioinformatiske maskinlæringsalgoritmer. Gøre den studerende i stand til at evaluere hvilke algoritmer, der er bedst egnede til at besvare et givent biologisk spørgsmål, og dernæst udvikle og implementere forudsigelsesværktøjer med sådanne algoritmer til at beskrive komplekse biologiske problemer relateret til f.eks. immunsystemet, vaccineudvikling, genkendelse af sygdomsgener, proteinstruktur og -funktion, posttranslationelle modificeringer m.m.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • forstå detaljerne i de mest brugte algoritmer i bioinformatik.
  • udvikle computerprogrammer, der implementerer disse algoritmer.
  • vælge den algoritme, der er bedst egnet til at beskrive et givent biologisk problem.
  • forstå konceptet dataredundans og homologi-reduktion.
  • udvikle bioinformatiske forudsigelsesalgoritmer, der kan beskrive et givent biologisk problem.
  • være i stand til at implementere og udvikle forudsigelsesværktøjer ved at bruge følgende algoritmer: Dynamisk programmering, Sekvens-klyngedannelse, Vægtmatricer, Kunstige neurale netværk og Skjulte Markov modeller.
  • designe et projekt hvor et biologisk problem er analyseret ved brug af en eller flere maskinlæringsalgoritmer.
  • implementere, dokumentere og præsentere et kursusprojekt.
Kursusindhold
Kurset dækker de mest brugte algoritmer i bioinformatik. Vægten vil blive lagt på den præcise matematiske implementering af algoritmerne i form af computerprogrammer. I løbet af kurset vil forskellige biologiske problemer blive introduceret og analyseret med det formål at belyse styrker og svagheder ved de forskellige algoritmer. Følgende emner bliver dækket i kurset:

Dynamisk programmering: Needleman-Wunsch, Smith-Waterman, og alignment heuristics
Dataredundans og homologi-reduktion: Hobohm og andre klyngealgoritmer
Vægtmatricer: Sekvensvægtning, pseudo count-korrektion for lavt antal, Gibbs-sampling, og Psi-Blast
Skjulte Markov Modeller: Modelkonstruktion, Viterbi-dekodning, posterior dekodning, og Baum-Welsh HMM læring
Kunstige neurale netværk: Arkitekturer og sekvenskodning, feed-forward algoritme, tilbagespredning og dybe neurale netværk

Kurset består af forelæsninger, diskussioner og computerøvelser, hvor de studerende bliver introduceret til de forskellige algoritmer, deres implementation, og brug i analysen af biologiske problemer. Kurset afsluttes med et gruppeprojekt, hvor en eller flere af algoritmerne introduceret på kurset anvendes til at analysere et biologisk problem. Projektet skal dokumenteres med en rapport skrevet som en videnskabelig artikel.
Sidst opdateret
02. maj, 2024