Booleska metoder inom bioinformatik
Kursplan, Avancerad nivå, 1MB427
Kursen är avvecklad.
- Kod
- 1MB427
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Bioinformatik A1F, Biologi A1F, Datavetenskap A1F, Teknik A1F
- Betygsskala
- Med beröm godkänd (5), Icke utan beröm godkänd (4), Godkänd (3), Underkänd (U)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 30 augusti 2018
- Ansvarig institution
- Institutionen för biologisk grundutbildning
Behörighetskrav
Matematisk statistik, Programmeringsteknik II, Diskreta strukturer inom bioinformatik I, Datastrukturer eller Bioinformatik-startkurs.
Mål
Kursens syfte är att ge kunskaper i hur Booleska metoder kan användas för att stödja regelbaserad modellering inom livsvetenskaperna där stora mängder data analyseras, exempelvis genexpressions-, molekylära interaktions-, annotationsdata och kombinationer av kliniska och genomiska data. Kursen ska ge fördjupad förståelse för hur avancerade lärande system och kunskapssystem kan användas för att lösa bioinformatiska problem.
Efter godkänd kurs skall studenten kunna:
- förklara teorin bakom Booleska metoder, och kunna tillämpa metoderna för modellering, klassificering och utvärdering av modeller.
- tillämpa Booleska metoder på problem inom livsvetenskaperna, t.ex. inom genregering, funktionell genomik och molekylära interaktioner.
- identifiera problem som kan lösas med Booleska metoder.
- jämföra Booleska metoder med andra metoder för lärande system, för att hitta den lämpligaste metoden för olika tillämpningar.
Innehåll
Introduktion till booleska funktioner. Transformation och förenkling av booleska uttryck. Information, beslutsystem och rough sets. Egenskaper och dess syntes och urval. Träning och validering av modeller. Statiska egenskaper av modeller. Exempel av tillämpningar inom livsvetenskaperna inkluderar: klassificering med hjälp av expressionsdata, prediktering av genfunktion från expressionstidsprofiler och genomiska databaser, modellering av transkriptionsmekanismer, ligand-receptor bindningar, drogresistens, prediktering av proteinfunktion från struktur och modellering med hjälp av kliniska och genomiska data. Föreläsningar varvas med datorlaborationer med verkliga och syntetiska data.
Undervisning
Föreläsningar, lektioner, datalaborationer och handledning
Examination
Skriftlig tentamen 4,5 hp, projekt och laborationer 3 hp
För godkänd kurs fordras godkänt resultat på tentamen samt projekt och laborationer.
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.
Litteraturlista
Litteraturlista saknas.