K-INFO
HU
EN
Login

Algorithmic Aspects of Bioinformatics

Algoritmikus kérdések a bioinformatikában
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Subject name (Hungarian, English)
Algoritmikus kérdések a bioinformatikában
Algorithmic Aspects of Bioinformatics
Subject code BMEVISZD303
Subject type
Training Level
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 2 0 0
type (linked/independent)
Assessment type vizsga
Credits 3
Subject coordinator
DR. Csima Judit
position: egyetemi docens
Responsible department
Számítástudományi és Információelméleti Tanszék
Faculty Villamosmérnöki és Informatikai Kar
Subject website
Primary curriculum type
Direct prerequisites – Strong prerequisite none
Direct prerequisites – Weak prerequisite none
Direct prerequisites – Parallel prerequisite none
Direct prerequisites – Milestone prerequisite none
Direct prerequisites – Exclusion none

Objectives

Programme

1. hét: Molekuláris biológiai alapok; Mintaillesztés véges automatával;

2. hét: Boyer-Moore algoritmus; véges automata használata a preprocesszálás során;   

3. hét: Szuffix-fák, szuffix-tömbök,

4. hét: Dinamikus programozási algoritmusok szekvenciaillesztésre globális és lokális verzióban, általánosított büntetőfüggvények,

5. hét: A többszörös illesztés algoritmikus bonyolultsága, közelítő algoritmusok a többszörös illesztésre;

6. hét: Fizikai feltérképezés: restrikciós enzimeket használó módszerek, a kapcsolódó algoritmikus problémák bonyolultsága, visszalépéses algoritmus a "partial digest" esetben;

7. hét: Hibridizációt használó módszer a fizikai feltérképezésre, hibridizációs mátrix, PQ-fák;

8. hét: Legrövidebb szuperszó probléma, bonyolultsága, közelítő algoritmusok;

9. hét: Genomok átrendeződése, matematikai modellek, előjeles és előjel nélküli permutációk rendezése;

10. hét: Szintenikus távolság meghatározása, Evolúciós fák meghatározása metrikus és ultrametrikus távolságon alapuló módszerekkel, Evolúciós fa meghatározása bináris tulajdonságok alapján;

11. hét: Haplotípus-meghatározás; a kapcsolódó algoritmikus probléma bonyolultsága;

12. hét: Fehérje-interakciós hálózatok vizsgálata, súlyozott k-hosszú utak keresése;

13. hét: RNS másodlagos szerkezetének előrejelzése, dinamikus programozási algoritmusok, sztochasztikus CF nyelvtanok;

14. hét: Molekulák térszerkezetét is figyelembe vevő mintaillesztési feladat, ennek bonyolultsága;

 


A tárgy a bioinformatika algoritmikus világába nyújt bevezetést. A tárgy célja, hogy a hallgatók megismerjék a bioinformatika különböző területein jelentkező elméleti problémákat és matematikai modelleket. A félév során számos ilyen problémát vizsgálunk algoritmikus szempontból: áttekintjük az irodalomban szereplő alapvető algoritmusokat, közelítő algoritmusokat és bonyolultsági eredményeket. A tárgy elsajátításához biológiai előismeretek nem szükségesek.

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

Előadás és házi feladatok

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Algoritmusok bonyolultsága, P, NP, NP-teljesség, Karp-redukció, közelítő algoritmusok, dinamikus programozás, véges automaták.
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Algoritmusok bonyolultsága, P, NP, NP-teljesség, Karp-redukció, közelítő algoritmusok, dinamikus programozás, véges automaták.
General rules
Követelmények: a. A szorgalmi időszakban: részvétel az órákon, a házi feladat beadása b. A vizsgaidőszakban: szóbeli vizsga           c. Elővizsga: lehetséges Pótlási lehetőségek:  A tanulmányi és vizsgaszabályzatnak megfelelően. A házi feladat pótlólag beadható a pótlási hét végéig.
Assessment methods
In-term assessments

No detailed assessments provided.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses

Not provided.

Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements
Requirements valid from:
Requirements valid until:
Curriculum placement

No curriculum placements recorded for this subject version.