Введение в биоинформатику
Специальность: Прикладная математика и информатика, Программная инженерия, и Фундаментальная информатика и информационные технологии
Преподаватель: Жаберева А.С. Юсипов И.И.
Предметом рассмотрения настоящего курса являются современные проблемы биоинформатики и вычислительно-математические методы и подходы к их решению.
Данный курс является базовым и призван дать обзор математических, статистических и информатических основ геномики, протеомики и популяционной динамики живых систем.
Задачей дисциплины является знакомство студентов со следующими разделами биоинформатики:
• Вычислительная и алгоритмическая геномика;
• Вычислительная и алгоритмическая протеомика;
• Популяционная динамика живых систем.
Изучение перечисленных тем достигается наличием в настоящем курсе набора разделов, в частности освещающих:
1. Цели и задачи биоинформатики. Подходы и области применения. Общая характеристика живой клетки.
2. Строение и свойства белков. Алгоритмические и программные инструменты анализа свойств белков. Сравнение последовательностей. Поиск по сходству в базах данных. Функции белков. Белок-белковые взаимодействия.
3. Строение и свойства ДНК и РНК. Молекулярная эволюция. Вычислительная геномика. Метаболические пути. Компьютерное конструирование новых лекарств.
4. Высокопроизводительные широкомасштабные методы исследования. OMICS технологии. Масс-спектрометрия.
5. Коллективная динамика сложных нелинейных систем. Синтетические генные сети. Статистика популяционного состава.
В результате освоения дисциплины обучающийся должен:
Знать:
• Основы организации и функционирования живых систем на клеточном уровне
• Основные задачи биоинформатики, алгоритмические и вычислительные методы их решения (анализ и предсказание структуры и свойств белков, молекулярная эволюция и вычислительная геномика, нелинейная динамика сложных систем);
• Основные подходы разработки последовательных и параллельных программ для задач биоинформатики.
Уметь:
• Объяснять биологическую постановку задач биоинформатики.
• Устанавливать и объяснять связь между биологической и алгоритмической постановкой задачи.
• Применять изученные алгоритмы для решения задач биоинформатики.
• Применять общие схемы разработки программ для реализаций собственных алгоритмов.
• Анализировать сложность вычислений и возможность распараллеливания разрабатываемых алгоритмов.
• Интерпретировать результаты вычислительного решения задачи в биологических терминах
Владеть:
• основами алгоритмических методов биоинформатики и разработки их программных реализаций.
Содержание
1. Основные задачи биоинформатики.
1.1. Определение, цели и задачи биоинформатики. Подходы и области применения.
2. Общая характеристика живой клетки.
2.1. Строение живой клетки.
2.2. Типы биомолекул, основные компоненты, функции.
3. Биологические базы данных и компьютерные инструменты анализа биомолекул.
3.1 Основы структур баз данных (записи, поля, объекты), классификация баз по способу заполнения (автоматические, архивные, курируемые).
3.2 Основные базы данных: GenBank, EMBL, SwissProt, TrEMBL, PIR, PDB. Базы данных белковых семейств (SCOP, Prosite, ProDom, PFAM, InterPro).
3.3. Программы предсказания физико-химических свойств биомолекул. Анализ трехмерных структур белков - база данных PDB и инструменты визуализации 3D структур белков.
4. Молекулярная эволюция: основные понятия и вычислительные подходы.
4.1. Принципы и алгоритмы сравнения последовательностей.
4.2. Поиск по сходству — алгоритмы и статистическая оценка значимости.
4.3. Филогенетическое дерево как математический объект. Методы и алгоритмы построения филогенетических деревьев.
5. Компьютерная поддержка медико-биологического эксперимента.
5.1. Высокопроизводительные широкомасштабные методы исследования. Понятие OMICS технологий.
5.2. Вычислительный анализ и интерпретация экспериментальных данных на примере масс-спектромертического подхода.
6. Коллективная динамика нелинейных сложных систем.
6.1. Коллективные динамические явления: синхронизация, конкуренция, структурообразование
6.2. Синтетические генные сети: принципы построения, экспериментальная реализация, математические модели, синхронизация, конкуренция.
6.3. Статистика популяционного состава: характеристика экспериментальных данных, статистические методы анализа нерепрезентативных выборок, непараметрические и параметрические методы.
Литература
а) основная литература:
1. An Introduction to Bioinformatics Algorithms. Neil C. Jones, Pavel A. Pevzner. MIT Press. 2004.
2. Computational Molecular Biology: An Algorithmic Approach. Pavel A. Pevzner. MIT Press. 2000.
3. Алексеев В.Е., Таланов В.А. Графы. Модели вычислений. Структуры данных: Учебник. – Нижний Новгород: Изд-во ННГУ, 2005. 307 с.
4. Игнасимуту С., Основы биоинформатики. - М.-Ижевск: НИЦ "Регуляторная и хаотическая динамика", Институт компьютерных исследований, 2007. - 320 стр.
б) дополнительная литература:
5. Johnes N., Pevzner P., An introduction to bioinformatics algorithms. – MIT Press, 2004. – 454 p.
6. Гергель В.П. Высокопроизводительные вычисления для многоядерных многопроцессорных систем. Учебное пособие – Нижний Новгород; Изд-во ННГУ им. Н.И.Лобачевского, 2010.
7. Algorithms on Strings, Trees and Sequences: Computer Science and Computational Biology. Daniel M. Gusfield. Cambridge University Press, 1997.
8. Томас Х. Кормен, Чарльз И. Лейзерсон, Рональд Л. Ривест, Клиффорд Штайн. Алгоритмы: построение и анализ, 3-е издание // Introduction to Algorithms, Third Edition. — М.: «Вильямс», 2013. — 1328 с.
в) программное обеспечение и Интернет-ресурсы
1. Курс «Алгоритмы биоинформатики» Н.И.Вяххи: https://www.lektorium.tv/course/22933
2. http://www.fbb.msu.ru/ - факультет биоинженерии и биоинформатики МГУ
3. http://bioinf.spbau.ru/about - лаборатория Алгоритмической биологии, Санкт-Петербургский академический университет РАН.
4. http://www.bionet.nsc.ru/kib/?page_id=28 - кафедра информационной биологии, НГУ
5. http://biodynamics.ucsd.edu/ - лаборатория Биодинамики Университета Калифорнии в Сан Диего.
6. http://bioinformatics.ru/ - российский портал по биоинформатике
Отчетность
- Семестр 5: Зач