Basic information
- Field of study
- Molecular and Cellular Biophysics
- Speciality
- -
- Organizational unit
- Faculty of Biochemistry, Biophysics and Biotechnology
- Study level
- second cycle
- Study form
- full-time degree programme
- Education profile
- General academic
- Mandatory
- elective
- Education cycle
- 2025/26
- Realization year
- 2025/26, 2026/27
- Subject code
- UJ.WBtBMKS.25.00849.25
- Lecture languages
- polish
- Disciplines
- Computer Sciences
- ISCED classification
- 0588 Interdisciplinary programmes involving broad field 05
- USOS code
- WBT-BINF2-1.1
|
Periods
Semester 1, Semester 3
|
Examination
graded credit
Activities and hours
Classes:
40
Lecture: 20 |
Number of ECTS points
5.0
|
Goals
| C1 | Zapoznanie studentów z zaawansowanymi zagadnieniami z zakresu bioinformatyki, w szczególności z: (1) obsługą potoków analitycznych w analizach bioinformatycznych, (2) programowaniem w języku Python w zakresie pozwalającym na pozyskiwanie, przetwarzanie oraz wizualizację wyników analizy danych biologicznych, (3) przebiegiem analizy danych z sekwencjonowania technikami wysokoprzepustowymi, (4) technikami nauczania maszynowego w zastosowaniach do analizy różnorodnych danych biologicznych, (5) modelowaniem, przewidywaniem i walidacją struktury białek i RNA, (6) analizą danych w metagneomice i transkryptomice oraz (7) wybranymi zagadnieniami bioinformatyki mikrobiomu. |
Subject's learning outcomes
| Code | Outcomes in terms of | Effects | Examination methods |
| Knowledge – Student knows and understands: | |||
| W1 | najważniejsze zagadnienia bioinformatyki sekwencji (metody porównywania sekwencji z dopasowaniem i bez dopasowania, przeszukiwanie baz danych sekwencji, ontologia genowa, molekularna analiza filogenetyczna) | BMK_K2_W07, BMK_K2_W08 | credit with grade, credit |
| W2 | zastosowanie programowania w języku Python w zakresie wystarczającym do pozyskiwania i przetwarzania różnorodnych danych biologicznych oraz wykorzystania klasycznych technik nauczania maszynowego w zastosowaniu do analizy takich danych | BMK_K2_W07, BMK_K2_W08 | credit with grade, credit |
| W3 | techniki przetwarzania i analizy danych z sekwencjonowania metodami wysokoprzepustowymi a także rolę tych metod w badaniach z zakresu transkryptomiki i metagenomiki oraz badań mikrobiomu | BMK_K2_W07, BMK_K2_W08 | credit with grade, credit |
| W4 | hierarchiczny opis struktury przestrzennej białek i RNA, a także metody wykorzystywane do wyznaczania i przewidywania takiej struktury oraz walidacji modeli komputerowych | BMK_K2_W07, BMK_K2_W08 | credit with grade, credit |
| Skills – Student can: | |||
| U1 | pozyskiwać i przetwarzać różnorodne dane biologiczne na potrzeby przewidywania struktury i funkcji białek i genów | BMK_K2_U06, BMK_K2_U09, BMK_K2_U10, BMK_K2_U12, BMK_K2_U15 | credit with grade, credit |
| U2 | przeprowadzić złożoną, wieloetapową analizę właściwych danych biologicznych z wykorzystaniem odpowiednich technik bioinformatycznych | BMK_K2_U06 | credit with grade, credit |
| U3 | zaprojektować i zaimplementować program komputerowy na potrzeby przeprowadzenia zaawansowanej analizy danych biologicznych | BMK_K2_U06, BMK_K2_U10, BMK_K2_U12 | credit with grade, credit |
| Social competences – Student is ready for: | |||
| K1 | samodzielnej i zespołowej pracy nad realizacją wskazanego zadania oraz zwięzłego przedstawienia uzyskanych rozwiązań | BMK_K2_K01 | credit |
| K2 | samodzielnego poszerzania i pogłębiania swojej wiedzy z zakresu zaawansowanych technik analizy danych biologicznych | BMK_K2_K04, BMK_K2_K06 | credit |
Calculation of ECTS points
| Activity form | Activity hours* | |
| Classes | 40 | |
| Lecture | 20 | |
| preparation for the exam | 20 | |
| preparation for exercises | 24 | |
| analysis of literature given by the teacher | 22 | |
| preparation for final test | 24 | |
| Student workload |
Hours
150
|
ECTS
5.0
|
* hour means 45 minutes
Study content
| No. | Course content | Subject's learning outcomes |
| 1. |
Wprowadzenie do prowadzenia obliczeń naukowych w języku Python. Tworzenie w środowisku programistycznym Jupyter skryptów automatyzujących sekwencyjne wykorzystanie różnych narzędzi bioinformatycznych i przetwarzanie wyników ich działania (tworzenie tzw. potoków analitycznych). Wykorzystanie klasycznych technik nauczania maszynowego w analizie danych biologicznych. |
W1, W2, U1, K1, K2 |
| 2. |
Metody wyznaczania struktury przestrzennej białek. Rola testów porównawczych CASP i metaserwerów predykcyjnych w stymulowaniu |
W1, W3, W4, U1, U2, K1, K2 |
| 3. |
Techniki przetwarzania i analizy danych z sekwencjonowania metodami wysokoprzepustowymi. Wykorzystanie potoków analitycznych na serwerze Galaxy w badaniach z zakresu transkryptomiki, metagenomiki oraz badań mikrobiomu. |
W1, W2, W3, W4, U1, U2, U3, K1, K2 |
| 4. |
Bioinformatyka RNA. Różnorodność strukturalna i funkcjonalna RNA. Metody modelowania struktury drugorzędowej RNA obejmujące algorytmy programowania dynamicznego, modele energii swobodnej, metody najbliższego sąsiedztwa, gramatyki bezkontekstowe, modele stochastyczne. |
W1, W4, U2, K1, K2 |
Course advanced
Teaching methods :
conversation lecture, lecture with multimedia presentation, case study, solving tasks, discussion, practicals, consultation
| Activities | Examination methods | Credit conditions |
|---|---|---|
| Classes | credit | Na punktowy wynik zaliczenia ćwiczeń składają się oceny za aktywny udział w zajęciach obejmujący rozwiązywanie indywidualnie lub zespołowo zadań problemowych oraz wynik testu praktycznego rozwiązywanego indywidualnie na koniec kursu. Aby zaliczyć ćwiczenia należy zdobyć 50% maksymalnej liczby punktów. Ocena punktowa z ćwiczeń jest uwzględniana przy wyznaczeniu oceny końcowej z kursu. |
| Lecture | credit with grade | Ocena z wykładu jest końcową oceną z całego kursu. Na ocenę za wykład składa się wynik testu pojedynczego wyboru z pytaniami dotyczącymi teoretycznych aspektów zagadnień omawianych na wykładach i ćwiczeniach oraz wynik zaliczenia ćwiczeń. Szczegółowe warunki zaliczenia (w tym: skala ocen) podawane są na pierwszym wykładzie. |
Entry requirements
Zaliczony kurs podstaw bioinformatyki w wymiarze co najmniej 3 ECTS oraz kurs z programowania w języku Python w wymiarze co najmniej 3 ECTS.
Literature
Obligatory- Bioinformatyka i ewolucja molekularna, Higgs i Attwood, PWN 2008
- Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska IPython. McKinney
- Python w uczeniu maszynowym, Mattew Kirk, Helion