Opis predmeta
– Algoritmi za analizo zaporedij, iskanje podzaporedij, iskanje motivov.
– Določanje zaporedja genomov, algoritmi na grafih.
– Primerjava zaporedij, dinamično programiranje.
– Algoritmi za filogenetsko analizo.
– Skriti markovski modeli, analiza strukture genoma.
– Analiza genskih izrazov, razvrščanje v skupine, klasifikacija, analiza obogatenosti genskih skupin.
– Rekonstrukcija in analiza genskih mrež.
– Vizualizacija podatkov.
Predmet učimo na programih
Cilji in kompetence
Študentje se bodo pri predmetu naučili implementirati vrsto algoritmov, ki jih lahko uporabimo na področju bioinformatike in sistemske biologije. Znali bodo razbrati, na kater tip biološki vprašanj lahko odgovorimo z razvojem in uporabo računskih pristopov.
Metode poučevanja in učenja
Praktične vaje, domače naloge, seminar, konzultacije. Reševanje problemov na učnih spletnih straneh http://rosalind.info in http://stepic.org.
Predvideni študijski rezultati
Študentje se bodo seznanili z glavnimi razredi algoritmov, ki so uporabljajo na področju bioinformatike in lahko z njimi analiziramo zaporedja, grafe in podatke o meritvah iz molekularne biologije. Na praktičnih primerih analize velike množice podatkov bodo spoznali probleme pri razvoju teh algoritmov, ki so vezani na hitrost izvajanja in uporabo spomina. Izpopolnili bodo svoje predznanje programiranja in v praksi uporabili predznanja s področja verjetnosti in statisike.
Temeljni viri in literatura
– Durbin R, Eddy SR, Krogh A, Mitchison G (1998) Biological sequence analysis: probabilistic models of proteins and nucleic acids, Cambridge University Press.
– Jones NC, Pevzner PA (2004) An introduction to bioinformatics algorithms, The MIT Press.
– Pavel A. Pevzner, Phillip Compeau (2018) Bioinformatics Algorithms: An Active Learning Approach , Active Learning Publishers.
Ostalo: revijalni članki s področja, tekoča periodika in druga učna gradiva.