Tantárgy adatlapja
| Tantárgy neve: | Data Analysis in Molecular Diagnostics P-ITMED-0012 |
|---|---|
| Tárgyfelelős: | Ligeti Balázs |
| Tantárgy oktatója: | Ligeti Balázs |
| A tantárgy céljának rövid ismertetése: | A kurzus célja nem kizárólag az egyes szoftverek technikai használatának elsajátítása, hanem annak fejlesztése is, hogy a hallgatók képesek legyenek bioinformatikai problémákat értelmezni, megfelelő elemzési stratégiát választani, az elemzési lépéseket szakmailag indokolni, valamint az eredményeket biológiai és módszertani kontextusban értékelni. |
| Elsajátítandó elméleti ismeretanyag: | A kurzus célja alapos és gyakorlati ismereteket nyújtani a nagy adatmennyiségekkel dolgozó bioinformatikai területeken, különösen a nagyskálás szekvenálási adatok feldolgozásában. Ide tartozik a metagenomika, exom szekvenálás, RNA-seq stb. Algoritmusok és statisztikai módszerek új információk kinyerésére, pl. NGS algoritmusok. Korszerű adatreprezentációk és keretrendszerek. Komplex feldolgozási munkafolyamatok megértése és tervezése. Gépi tanulási módszerek a biológiában. Python adatelemzési platformok. Adatvizualizáció. |
| Elsajátítandó gyakorlati ismeretanyag: |
|
| A 2-4 legfontosabb kötelező irodalom felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN): | Csaba Ortutay, Zsuzsanna Ortutay: Molecular Data Analysis Using R. Wiley-Blackwell, 2017. ISBN: 9781119165026. Melanie Kappelmann-Fenzl (szerk): Next generation sequencing and data analysis. Springer, 2021. ISBN: 9783030624897. |
| A 2-4 legfontosabb ajánlott felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN): | Suparna Mitra (szerk): Metagenomic Data Analysis. Methods in Molecular Biology. volume 2649. Springer, 2023. ISBN: 9781071630716. Ion Măndoiu, Alexander Zelikovsky (szerk): Computational Methods for Next Generation Sequencing Data Analysis. Wiley, 2016. ISBN: 9781118169483. |
| Elmélet-gyakorlat aránya: | Elméleti óra óraszáma: 2 Gyakorlati óra és labor óra óraszáma: 2 + 0 |
| Az alkalmazott oktatási módszerek: | Projektfeladat csoportban történő megoldása |
| Az értékelés módja: | |
| Az értékelés kritériuma: | Az oktatás géptermi, gyakorlati és projektalapú formában valósul meg. A hallgatók valós vagy valós kutatási helyzeteket modellező szekvenálási adatokon dolgoznak. Az oktató által bemutatott eljárásokat a hallgatók önállóan, illetve kiscsoportos formában alkalmazzák, majd az eredményeket közösen értelmezik. A projektmunka a kurzus központi oktatási eleme. A hallgatók csoportokban dolgoznak bioinformatikai feladatokon, amelyek során gyakorolják a feladatmegosztást, a közös kódbázis kezelését, a verziókövetést, a dokumentációkészítést, a pipeline-ok integrációját és a felmerülő technikai vagy szakmai konfliktusok kezelését. |
| Miként járul hozzá a tantárgy a KKK-ban megjelölt kompetenciaelemek megszerzéséhez: | Bioinformatika mesterképzés: |
