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: 2018-10-30
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2019
  • Behörighet: Alt 1. 120 hp inklusive Genomik och bioinformatik, Sannolikhet och statistik och Programmeringsteknik II.
    Alt 2. 120 hp inklusive Introduktion till bioinformatik, Introduktion till programmering, beräkningsvetenskap och statistik och Programmering i Python.
    Alt 3. 120 hp inklusive 30 hp matematik och 30 hp datavetenskap. Introduktion till bioinformatik och Skriptprogrammering.
  • Ansvarig institution: Institutionen för biologisk grundutbildning

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 information - och beslutssystem, rough sets samt regelsystem
  • använda andra metoder för maskininlärning såsom klustring och beslutsträd, samt sätta dessa i relation till rough sets
  • tillämpa kunskaper inom regelsystem och Monte Carlo-baserad selektion 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 hos modeller. Exempel på tillämpningar inom livsvetenskaperna inkluderar: klassificering med hjälp av uttrycksdata, prediktion av genfunktion från uttryckstidsprofiler och genomiska databaser, modellering av transkriptionsmekanismer, ligandreceptor bindningar, drogresistens, prediktion av proteinfunktion från struktur och modellering med hjälp av kliniska och genomiska data. Föreläsningarna varvas med datorlaborationer med verkliga och syntetiska data. Ontologier. Maskininlärning: klustring, rough sets och beslutsträd, Monte Carlo-baserad selektion, 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 2019

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

Utvalda forskningspublikationer

J. Komorowski, Learning Rule-Based Models - The Rough Set Approach, In: Anders Brahme, editor-in-chief. Comprehensive Biomedical Physics, Vol 6, Amsterdam: Elsevier; 2014. p. 19-39. Tillgängligt on Science Direct http://www.sciencedirect.com/science/referenceworks/9780444536334 och som kursmaterial.

Urval av vetenskapliga artiklar.

Manualer för ROSETTA och MCFS lärande system.