Kunskapsbaserade system inom bioinformatik
Kursplan, Avancerad nivå, 1MB416
- Kod
- 1MB416
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Bioinformatik A1N, Teknik A1N
- Betygsskala
- Med beröm godkänd (5), Icke utan beröm godkänd (4), Godkänd (3), Underkänd (U)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 6 februari 2026
- Ansvarig institution
- Institutionen för biologisk grundutbildning
Behörighetskrav
Alt 1. 120 hp inklusive Genomik och bioinformatik, Sannolikhet och statistik och Programmeringsteknik II. Alt 2. Introduktion till bioinformatik, Introduktion till programmering, beräkningsvetenskap och statistik och Programmering i Python. Alt 3. 30 hp matematik och 30 hp datavetenskap. Introduktion till bioinformatik och Skriptprogrammering. Alt 4. Genomgångna kurser Introduktion till bioinformatik, Programmeringsteknik I, Beräkningsvetenskap för naturvetenskapliga tillämpningar och Introduktion till statistik för livsvetenskaper. Alt 5. 25 hp matematik eller statistik och 30 hp datavetenskap. Genomgångna kurser Introduktion till bioinformatik och Introduktion till statistik för livsvetenskaper. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Mål
Kursen syftar till att ge förståelse för hur logik-baserade metoder kan användas för att stödja konstruktionen av kunskapsbaserade system inom livsvetenskaperna. Utgången i stora mängder data såsom t.ex. genuttrycks-, molekylära interaktions-, annotationsdata reflekterar dagens behov av effektiv datahantering . Kursen skapar en fördjupad förståelse för hur avancerade lärande system kan användas för att lösa bioinformatiska problem.
Efter godkänd kurs skall studenten kunna
- använda och beskriva definitioner och matematisk notation för informations- och beslutssystem, samt för regelsystem
- använda andra metoder inom maskininlärning såsom klustring och beslutsträd, samt relatera dessa till generella regelbaserade metoder
- tillämpa kunskaper inom regelsystem och slumpbaserade metoder för variabelurval för att formulera och lösa klassifikationsproblem inom livsvetenskaperna
Innehåll
Introduktion till booleska funktioner. Informations- och beslutsystem. Variabelselektion. Träning och validering av modeller. Statiska egenskaper hos modeller. Exempel på tillämpningar inom livsvetenskaperna inkluderar: klassificering med hjälp av uttrycksdata, prediktion av genfunktion från uttryckstidsprofiler och genomiska databaser, modellering av transkriptionsmekanismer, ligand-receptor-bindningar, drogresistens, prediktion av proteinfunktion från struktur och modellering med hjälp av kliniska och genomiska data. Ontologier. Maskininlärning: klustring, beslutsystem och regelbaserade metoder för hantering av osäkerhet och beslutsträd, randomiserad variabelselektion, statistisk modellgiltighet och signifikans.
Undervisning
Föreläsningar, datorövningar, projekt och inlämningsuppgifter.
Examination
Skriftligt prov vid kursens slut (3 hp). Inlämningsuppgifter (1 hp) och projekt (1 hp).
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.