Kursplan för Kunskapsbaserade system inom bioinformatik

Knowledge-Based Systems in Bioinformatics

Det finns en senare version av kursplanen.

Kursplan

  • 5 högskolepoäng
  • Kurskod: 1MB416
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Teknik A1N, Bioinformatik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2010-03-16
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2012-04-27
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2012
  • Behörighet: 120 hp inklusive Bioinformatisk metodik, Sannolikhet och statistik, Programmeringsteknik II och Databasteknik I.
  • Ansvarig institution: Institutionen för biologisk grundutbildning

Mål

Kursen syftar till att ge kunskap och förståelse för hur logik-baserade metoder kan användas för att stödja konstruktion av kunskapsbaserade system inom livsvetenskaperna med utgång i stora mängder av data såsom t.ex. genexpressions-, molekylära interaktions-, annotationsdata och kombinationer av kliniska och genomiska data. Kursen skall skapa 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 information - och beslutssystem, rough sets samt regelsystem
  • använda andra metoder för maskininlärning såsom klustring och beslutsträd, samt sätta dessa i relation till regelbaserade metoder
  • tillämpa kunskaper inom regelsystem och Monte Carlo-baserade egenskapsselektion för att formulera och lösa klassifikationsproblem inom livsvetenskaperna

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, ligandreceptor bindningar, drogresistens, prediktering av proteinfunktion från struktur och modellering med hjälp av kliniska och genomiska data. Föreläsningarna varvas med datorlaborationer med verkliga och syntetiska data. Ontologier. Pubmed. Maskininlärning: klustring, rough sets och beslutsträd, Monte Carlo-baserad egenskapsselektion, 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).

Litteratur

Litteraturlista

Gäller från: HT 2012

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

Utvalda forskningspublikationer