Bioinformatika

Az 1990-es évek technikai áttörései alapvető változást hoztak a biológiai/orvosi kutatások számára. Egyrészt a genom programokhoz kötődően egyre több organizmus teljes genetikai szekvenciája vált és válik ismertté, másrészt a “gén-chip”-ek segítségével nagyszámú (“összes”) gén aktivitásának egyidejű megfigyelése is lehetővé vált. A biológiai adatok mennyiségének és dimenzióinak rendkívül gyors növekedése kikényszerítette, hogy az adatok elemzése elosztottan, az internet segítségével megy végbe, elosztott adat és tudásbázisok, szolgáltatások százainak a segítségével. Az egységesen “bioinformatikának” nevezett terület az adatelemzésnek, a tudásmérnökségnek, a mesterséges intelligencia kutatásoknak, a számítógépes nyelvészetnek és az informatikának is húzóágazata, trend teremtője lett. Ez különösen igaz az ezek integrálását jelentő “intelligens rendszerek” kutatására és fejlesztésére. A tárgy a bioinformatika statisztikai, algoritmikai, információtechnológiai és tudásreprezentációs aspektusait mutatja be, egyrészt az alapvető ismeretek átadását, másrészt egyes aktuális kutatási témák bemutatását célozva. Bevezetésként a biológiában végbe ment paradigmaváltást ismertetjük (genomika, proteomika szemlélet), illetve az ezeket lehetővé tevő szekvencia adatok és génkifejeződés adatok (génchip adatok) természetét. Ezt követően a szekvenciák illesztéséhez, kereséséhez és elemzéséhéz kapcsolódó módszereket, illetve alapvető gén és fehérje predikciós módszereket ismertetünk. A génkifejeződés adatok elemzésénél különféle kluszterező módszereket mutatunk be, illetve részletesen bemutatjuk a valószínűségi gráf modellek (Bayes és Markov hálók) felhasználását. Az ‘adatbányászati’ módszerek mellett bemutatunk ‘szövegbányászat’-i módszereket is, illetve ezek kapcsolódását a statisztikai adatelemzéshez. Végül betekintést adunk biológiai adat és tudásbázisokba, internetes szolgáltatásokba és integrálásukba.

: Előadás

Biological Sequence Analysis : Probabilistic Models of Proteins and Nucleic Acids by Richard Durbin (Author), Sean R. Eddy (Author), Anders Krogh (Author), Graeme Mitchison (Author); Statistical Methods in Bioinformatics: An Introduction by Gregory R. Grant, Warren J. Ewens; Bioinformatics: Sequence and Genome Analysis by David W. Mount; DNA Microarrays and Gene Expression : From Experiments to Data Analysis and Modeling by Pierre Baldi (Author), G. Wesley Hatfield (Author), Wesley G. Hatfield; Bioinformatics: The Machine Learning Approach, Second Edition (Adaptive Computation and Machine Learning) by Pierre Baldi, Soren Brunak, Sren Brunak; Bioinformatics: Databases and Systems by Stanley Letovsky (Editor); Modern Information Retrieval by R. Baeza-Yates, Berthier Ribeiro-Neto, Ricardo Baeza-Yates; Learning in Graphical Models (Adaptive Computation and Machine Learning) by Michael Irwin Jordan (Editor); Graphical Models (Oxford Statistical Science Series, 17) by Steffen L. Lauritzen

Valószínűségszámítás, Algoritmusok elmélete, Adatbázisok, Mesterséges intelligencia

Követelmények: a. A szorgalmi időszakban: Házi feladat, egy adott problémához kapcsolódó cikk, cikkek elolvasása és írásbeli beszámoló vagy algoritmus készítése. A feladat átvétele 8. hét végéig lehetséges, leadása vagy bemutatása a 13.hét végéig kötelező. A félévi aláírás és a vizsgára bocsátás feltétele a házi feladat helyes megoldása. b. A vizsgaidőszakban: Írásbeli és szóbeli vizsga. Pontozás: a pontszám 1/3 része házi feladatból, 1/3 része az írásbeliből és 1/3 része szóbeliből áll össze. Elővizsga: Igény szerint. Pótlási lehetőségek: A házi feladatot a vizsgaidőszak első három hetében lehet pótolni.

Ajánlott az intelligens szakirányok hallgatói számára