• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Методы вычислительной геномики

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Направление: 01.04.04. Прикладная математика
Когда читается: 1-й курс, 1, 2 модуль
Формат изучения: Full time
Преподаватели: Щур Владимир Львович
Прогр. обучения: Суперкомпьютерное моделирование в науке и инженерии
Язык: английский
Кредиты: 5

Course Syllabus

Abstract

The objectives of the discipline are to familiarize the masters' students with the conceptual foundations of genomics as a modern comprehensive fundamental discipline on the organization, structure and functioning of genomes; the ways of formation and evolution of proteomes, the formation of a common molecular worldview based on knowledge of the mechanisms for constructing genomes of different levels of complexity; mastering the skills of genoinformation analysis; familiarization with the universal principles of construction and functioning of genomes and proteomes.
Learning Objectives

Learning Objectives

  • Основной целью освоения дисциплины «Методы вычислительной геномики» являются ● ознакомление магистрантов с основными задачами и направлениями исследований геномики, а также математическими моделями и алгоритмами, использующимися в данной научной области; ● формирование научно-исследовательской культуры и понимания построения междисциплинарных исследований.
Expected Learning Outcomes

Expected Learning Outcomes

  • should know: Patterns of the organization of the genomes and proteomes of organisms of different groups; Basics of the functioning of genomes and proteomes The role of various genetic elements Basics of structural analysis of genomes Basics of proteomic analysis
  • should be able to: Assess the role of various elements of the genome in evolution; Apply knowledge of the structure, organization, levels of functioning, stability and polymorphism of genomes; Focus on problems solved at the level of knowledge of proteomes; Acquire skills in solving any general biological problems, based on new knowledge of genomes and proteomes.
  • must own: Fundamental knowledge of the structure and function of the genomes of organisms of a wide evolutionary series; Comparison Skills in Genomics Ideological and methodological criteria for understanding the structural subdivisions of the new science of structural genomics, proteomics and transcriptomics
Course Contents

Course Contents

  • Основные понятия и задачи геномики.
    Основные разделы геномики: GWAS, популяционная и эволюционная геномика, метагеномика, онкогеномика; что такое геном и его основные характеристики; секвенирование и генотипирование.
  • Скрытая марковская модель.
    Определение, алгоритмы Витерби, прямого и обратного хода, апостериорное декодирование, алгоритм Баум-Велша. Применение для анализа последовательностей.
  • Популяционные модели.
    Равновесие Харди-Вейнберга; модель Райта-Фишера; коалесцентная модель;
  • Методы для демографического анализа.
    Метод PSMC на основе коалесцентной модели и СММ.
  • Специальные структуры данных и алгоритмы в геномике.
    Предковый граф рекомбинаций. Преобразование Барроуза-Виллера и его обобщения.
Assessment Elements

Assessment Elements

  • non-blocking Экзамен 1
  • non-blocking Экзамен 2
  • non-blocking Домашнее заданиее
  • non-blocking Контрольно-измерительные материалы
Interim Assessment

Interim Assessment

  • Interim assessment (1 module)
    0.5 * Домашнее заданиее + 0.5 * Экзамен 1
  • Interim assessment (2 module)
    0.5 * Interim assessment (1 module) + 0.5 * Домашнее заданиее
Bibliography

Bibliography

Recommended Core Bibliography

  • Вероятность. Кн. 1: Вероятность - 1: Элементарная теория вероятностей. Математические основания. Предельные теоремы, Ширяев А. Н., 2004
  • Теория вероятностей и математическая статистика : учеб. пособие для вузов, Шведов А. С., 2005

Recommended Additional Bibliography

  • B. Kobrinskii A., & Б. Кобринский А. (2017). Personalized medicine: genome, e-health and intelligent systems. Part 1. Genomics and monitoring of clinical data ; Персонализированная медицина: геном, электронное здравоохранение и интеллектуальные системы. Часть 1. Геномика и мониторинг клинических данных. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.5670366E
  • Meyn, S. P., & Tweedie, R. L. (2009). Markov Chains and Stochastic Stability (Vol. 2nd ed). Cambridge: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=313161