Informacje podstawowe
- Kierunek studiów
- Biofizyka molekularna i komórkowa
- Ścieżka
- -
- Jednostka organizacyjna
- Wydział Biochemii, Biofizyki i Biotechnologii
- Poziom kształcenia
- drugiego stopnia
- Forma studiów
- studia stacjonarne
- Profil studiów
- ogólnoakademicki
- Obligatoryjność
- fakultatywny
- Cykl kształcenia
- 2025/26
- Rok realizacji
- 2025/26, 2026/27
- Kod przedmiotu
- UJ.WBtBMKS.25.00849.25
- Języki wykładowe
- polski
- Dyscypliny
- Informatyka
- Klasyfikacja ISCED
- 0588 Interdyscyplinarne programy i kwalifikacje obejmujące nauki przyrodnicze, matematykę i statystykę
- Kod USOS
- WBT-BINF2-1.1
|
Okresy
Semestr 1, Semestr 3
|
Forma weryfikacji uzyskanych efektów uczenia się
zaliczenie na ocenę
Forma prowadzenia i godziny zajęć
ćwiczenia:
40
wykład: 20 |
Liczba punktów ECTS
5.0
|
Cele kształcenia dla przedmiotu
| 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. |
Efekty uczenia się dla przedmiotu
| Kod | Efekty w zakresie | Kierunkowe efekty uczenia się | Metody weryfikacji |
| Wiedzy – Student zna i rozumie: | |||
| 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 | zaliczenie na ocenę, zaliczenie |
| 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 | zaliczenie na ocenę, zaliczenie |
| 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 | zaliczenie na ocenę, zaliczenie |
| 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 | zaliczenie na ocenę, zaliczenie |
| Umiejętności – Student potrafi: | |||
| 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 | zaliczenie na ocenę, zaliczenie |
| U2 | przeprowadzić złożoną, wieloetapową analizę właściwych danych biologicznych z wykorzystaniem odpowiednich technik bioinformatycznych | BMK_K2_U06 | zaliczenie na ocenę, zaliczenie |
| U3 | zaprojektować i zaimplementować program komputerowy na potrzeby przeprowadzenia zaawansowanej analizy danych biologicznych | BMK_K2_U06, BMK_K2_U10, BMK_K2_U12 | zaliczenie na ocenę, zaliczenie |
| Kompetencji społecznych – Student jest gotów do: | |||
| K1 | samodzielnej i zespołowej pracy nad realizacją wskazanego zadania oraz zwięzłego przedstawienia uzyskanych rozwiązań | BMK_K2_K01 | zaliczenie |
| K2 | samodzielnego poszerzania i pogłębiania swojej wiedzy z zakresu zaawansowanych technik analizy danych biologicznych | BMK_K2_K04, BMK_K2_K06 | zaliczenie |
Bilans punktów ECTS
| Forma aktywności studenta | Średnia liczba godzin* przeznaczonych na zrealizowane rodzaje zajęć | |
| ćwiczenia | 40 | |
| wykład | 20 | |
| przygotowanie do egzaminu | 20 | |
| przygotowanie do ćwiczeń | 24 | |
| studiowanie literatury wskazanej przez prowadzącego zajęcia | 22 | |
| przygotowanie do testu zaliczeniowego | 24 | |
| Łączny nakład pracy studenta |
Liczba godzin
150
|
ECTS
5.0
|
* godzina (lekcyjna) oznacza 45 minut
Treści programowe
| Lp. | Treści programowe | Efekty uczenia się dla przedmiotu |
| 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 |
Informacje rozszerzone
Metody nauczania :
wykład konwersatoryjny, wykład z prezentacją multimedialną, analiza przypadków, rozwiązywanie zadań, dyskusja, ćwiczenia przedmiotowe, konsultacje
| Rodzaj zajęć | Formy zaliczenia | Warunki zaliczenia przedmiotu |
|---|---|---|
| ćwiczenia | zaliczenie | 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. |
| wykład | zaliczenie na ocenę | 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. |
Wymagania wstępne i dodatkowe
Zaliczony kurs podstaw bioinformatyki w wymiarze co najmniej 3 ECTS oraz kurs z programowania w języku Python w wymiarze co najmniej 3 ECTS.
Literatura
Obowiązkowa- 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