• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2020/2021

Биоинформатика для высокопроизводительного секвенирования

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Анализ данных в биологии и медицине)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 2-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Преподаватели: Мазин Павел Владимирович
Прогр. обучения: Анализ данных в биологии и медицине
Язык: русский
Кредиты: 7
Контактные часы: 60

Программа дисциплины

Аннотация

Курс охватывает теоретические основы технологических процессов и алгоритмов, необходимых для анализа данных секвенирования нового поколения. Цели курса является формирование у слушателей знания об историческом развитии технологий секвенирования, знакомство с современными методами технологий секвенирования. Студенты научится определять оптимальные для решаемой задачи методы секвенирования, овладеют методами предварительной обработки данных, полученных в ходе высокопроизводительного секвенирования.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знакомство с основными методами секвенирования нового поколения
  • Освоение методов обработки результатов массового поколения
Планируемые результаты обучения

Планируемые результаты обучения

  • Знание основных типов данных секвенирования и задач в которых эти данные используются
  • Владение методами обработки данных массового секвенирования
  • Умение проводить базовый анализ данных высокопроизводительного секвенирования, а именно: оценка качества, картирование прочтений, аннотация и квантификация.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Экспериментальные методы массового секвенирования нового поколения
    Знакомство с экпериментальными методами массового секвенирования: типы исходного материяла, пробоподготовка, методы секвенирования (Illumina, SOLiD, Iontorrent, PacBio, Oxford Nanopore)
  • Транскриптомика
    Обработка данных секвенирования: фильтрация. Сборка геномов. Сборка транскриптомов
  • 3D-cтурктура хроматина
    Hi-C данные, лучшие практики для поиска взаимодействующих участков
  • Метагеномика
    биологическое обоснование, полные метагеномы, метагеномы по отдельным генам (16S rRNA), особенности сборки метагенов
  • Медицинская геномика
    поиск вариантов в популяциях. Однонуклеотидные замены и инделы. Патогенные варианты
  • Эпигенетика
    Обработка данных ChIP-seq, поиск пиков, анализ перепредставленных мотивом. ENCODE и другие доступные ресурсы
Элементы контроля

Элементы контроля

  • неблокирующий Домашняя работа 1
  • неблокирующий Домашняя работа 3
  • неблокирующий Домашняя работа 4
  • неблокирующий Домашняя работа 7
  • неблокирующий Домашняя работа 5
  • неблокирующий Домашняя работа 6
  • неблокирующий Домашняя работа 8
  • неблокирующий Домашняя работа 9
  • неблокирующий Домашняя работа 10
  • неблокирующий Домашняя работа 11
  • неблокирующий Домашняя работа 12
  • неблокирующий Домашняя работа 13
  • неблокирующий Домашняя работа 14
  • неблокирующий Домашняя работа 15
  • неблокирующий Домашняя работа 16
  • неблокирующий Домашняя работа 1
  • неблокирующий Домашняя работа 3
  • неблокирующий Домашняя работа 4
  • неблокирующий Домашняя работа 7
  • неблокирующий Домашняя работа 5
  • неблокирующий Домашняя работа 6
  • неблокирующий Домашняя работа 8
  • неблокирующий Домашняя работа 9
  • неблокирующий Домашняя работа 10
  • неблокирующий Домашняя работа 11
  • неблокирующий Домашняя работа 12
  • неблокирующий Домашняя работа 13
  • неблокирующий Домашняя работа 14
  • неблокирующий Домашняя работа 15
  • неблокирующий Домашняя работа 16
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.11 * Домашняя работа 1 + 0.12 * Домашняя работа 10 + 0.11 * Домашняя работа 3 + 0.11 * Домашняя работа 4 + 0.11 * Домашняя работа 5 + 0.11 * Домашняя работа 6 + 0.11 * Домашняя работа 7 + 0.11 * Домашняя работа 8 + 0.11 * Домашняя работа 9
Список литературы

Список литературы

Рекомендуемая основная литература

  • I. Bykova V., N. Shmakov A., D. Afonnikov A., A. Kochetov V., E. Khlestkina K., И. Быкова В., … Е. Хлесткина К. (2017). Achievements and prospects of applying high-throughput sequencing techniques to potato genetics and breeding ; Достижения и перспективы использования методов высокопроизводительного секвенирования в генетике и селекции картофеля. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.773163A7
  • Systematic evaluation of spliced alignment programs for RNA-seq data. (2018). Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EB285ADD
  • The new technologies of high-throughput single-cell RNA sequencing ; Новейшие технологии высокопроизводительного секвенирования транскриптома отдельных клеток. (2019). https://doi.org/10.1016/j.cell.2016.11.048.

Рекомендуемая дополнительная литература

  • L. Shagam I., V. Voinova Yu., Л. Шагам И., & В. Воинова Ю. (2016). High-performance sequencing in the diagnosis of monogenic diseases: Possibilities and limitations ; Возможности и ограничения высокопроизводительного секвенирования в диагностике моногенных заболеваний. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.B1EE2B3A
  • Кириченко, А. А., Свиридова, А. А., Лопатухин, А. Э., Мурзакова, А. В., Лаповок, И. А., Гоптарь, И. А., … Киреев, Д. Е. (2019). Корреляция результатов высокопроизводительного и классического методов секвенирования при анализе лекарственной устойчивости вируса иммунодефицита человека у пациентов на фоне неэффективной антиретровирусной терапии. Infectious Diseases / Infektzionnye Bolezni, 17(2), 12–19. https://doi.org/10.20953/1729-9225-2019-2-12-19