Доктор по биоинформатика

Въведение

Биоинформатиката е интердисциплинарна наука в интерфейсите на биологичните, информационните и изчислителните науки, използва изчисления за по-добро разбиране на биологията. Биоинформатиката включва анализ на биологични данни, по-специално ДНК, РНК и протеинови последователности. Полето на биоинформатиката е изпитало експлозивен растеж от средата на 90-те години на миналия век, задвижван главно от проекта за човешкия геном и от бързия напредък в технологията за секвениране на ДНК. Съвременните и нови технологии произвеждат биологични набори от данни с все по-голяма резолюция, които разкриват не само геномни последователности, но и изобилие от РНК и протеини, взаимодействията помежду си, тяхната субцелекулна локализация и идентичността и изобилието на други биологични молекули. Това изисква разработването и прилагането на сложни изчислителни методи. Биоинформатиката използва изчислителни подходи за анализиране на моделите в биологичните данни и за създаване на сложни модели на биологична активност, включително опити за изясняване на функциите на гените и техните взаимодействия в генетичните Pathways . Широко разпространени социални ползи се очакват от използването на богатството от нови знания относно генетичните механизми на живота и свързаните с тях процеси.

Анализите в биоинформатиката се фокусират главно върху три типа големи масиви от данни, налични в молекулярната биология: макромолекулни структури, геномни последователности и резултати от функционални геномни експерименти (напр. Данни за експресията). Допълнителната информация включва текста на научните статии и "данни за връзката" от метаболитните Pathways , таксономичните дървета и мрежите за взаимодействие протеин-протеин. Биоинформатиката използва широк спектър от изчислителни техники, включващи последователност и структурно подравняване, дизайн на база данни и извличане на данни, макромолекулна геометрия, филогенетично дърво, прогнозиране на протеинова структура и функция, генно откриване и клъстериране на данни за изразяване. Акцентът е върху подходите, включващи различни изчислителни методи и хетерогенни източници на данни.

Основната цел на докторската програма по биоинформатика в международния кампус на Киш е да обучи следващото поколение компютърни биолози за кариера в академичните среди, индустрията и правителството.

Докторантура

Дисциплината "Биоинформатика" изисква завършване на 32 кредита, набор от основни курсове (9 кредита), семинар (1 кредит) и 8 кредита от избираеми дисциплини и докторска дисертация (18 кредита). Основният акцент на програмата е върху успешното завършване на оригинален и независим изследователски проект, написан и защитен като дисертация.

Изчерпателен изпит

Комплексен изпит трябва да се вземе най-много в края на четвъртия семестър и се изисква преди студентът да защити предложението за докторантура. Студентите ще имат два шанса да преминат докторския изпит. Ако студентите получат оценка за "незадоволително" при първия им опитен изпит, студентът може да повтори квалификатора веднъж. Вторият провал ще доведе до прекратяване на програмата. Изчерпателният изпит има за цел да гарантира, че студентът ще започне рано да придобива опит в областта на научните изследвания; тя също така гарантира, че студентът има потенциал да провежда научни изследвания на докторско ниво.

ПРЕДЛОЖЕНИЕ ЗА ПРЕПОДАВАТЕЛИ

Предложението за докторантура трябва да съдържа конкретни цели, научноизследователски проекти и методи и предложение за работа и времева рамка. Освен това предложението трябва да съдържа и библиография и, като прикачени файлове, всички публикации / допълнителни материали. Студентът трябва да защити предложението си за теза на своя комитет в устния изпит.

ТЕЗА

Студентът трябва да избере съветник по дисертации (и един или двама съ-съветници, ако е необходимо) в рамките на първата година от докторантурата, одобрена от факултетния комитет. През втората година комисия по тезата, предложена от съветника заедно с предложението за докторантура, трябва да бъде предадена за одобрение. Дипломната комисия трябва да се състои от минимум пет членове на факултета. Двама членове на комисията по теми трябва да бъдат от другите университети на ниво доцент. Не по-късно от края на 5-ти семестър, студентът трябва да представи и защити писмено докторантура.

НАУЧНИ ИЗСЛЕДВАНИЯ

Очаква се студентът да се срещне с неговата / нейната теза комисия най-малко веднъж годишно, за да прегледа напредъка в научните изследвания. В началото на всяка университетска календарна година всеки студент и съветник на студентите трябва да представят оценка за напредъка на студентите, като очертават постиженията и плановете през изминалата година за текущата година. Дипломната комисия разглежда тези резюмета и изпраща на студента писмо, обобщаващо техния статус в програмата. Учениците, които не успяват да постигнат задоволителен напредък, се очаква да коригират всички недостатъци и да преминат към следващия етап в рамките на една година. Ако не го направите, това ще доведе до отпадане от програмата.

Докторска дисертация

В рамките на 4 години след влизането си в докторската програма студентът се очаква да завърши изследването на тезата; студентът трябва да има резултатите от изследването, които са приети или публикувани в списания с рецензии. При представяне на писмена дисертация и обществена защита и одобрение от комисията студентът получава дипломна степен. Защитата ще се състои от (1) представяне на дисертацията от завършил студент, (2) разпит от широката аудитория и (3) разпит от затворен тип от дисертационния комитет. Студентът ще бъде информиран за резултата от изпита при завършване на трите части на защитата на дисертацията. Всички членове на комисията трябва да подпишат заключителния доклад на докторската комисия и окончателната версия на дисертацията.

За дипломирането трябва да се поддържа минимална СОП от 16 над 20 години.

Курсове за изравняване (не се прилагат към степента)

Докторатът по биоинформатика придобива магистърска степен по сродни области. Въпреки това, студентите, притежаващи други магистърски степени освен, ще трябва да завършат няколко от следните курсове за изравняване, които са предназначени да осигурят фон за докторски дисциплини. Тези курсове за изравняване не се отчитат за завършване на докторантура по биоинформатика.

Курсове за изравняване: Необходими са най-много 3 курса; 6 кредита

Основни курсове: 4 курса са необходими; 10 кредита

Избираеми дисциплини: 4 задължителни курса, 8 кредита

Описание на курса

Разширена биоинформатика

Съдържание на учебната дисциплина:

Въведение в биоинформатиката, Въведение в молекулярната биология, Биологични бази данни, Обработка на биологични последователности с MATLAB, Хомология на последователностите, Подравняване на протеини, Подравняване на множество последователности, Инструменти за изравняване, Биолингвистични методи, Модели на последователност, Базирани методи, базирани на символи методи: песимион, вероятностни методи: максимална вероятност, микрочипове, Matlab

Алгоритми в биоинформатиката

Съдържание на учебната дисциплина:

Въведение в молекулярната биология, сходство на секвенцията, присвояване на дървета, подреждане на генома, търсене на база данни, подреждане на множество последователности, реконструкция на филогенети, сравняване на филогенети, преподреждане на генома, откриване на мотив, прогнозиране на вторичната структура на РНК, секвениране на пептиди, генетика на населението

Структурна биоинформатика

Съдържание на учебната дисциплина:

Ограничаване на молекулното моделиране, Определяне на биоинформатиката и структурата, Основи на протеиновата структура, Търсене и вземане на проби в структурните, Методи за търсене, Анализ и намаляване на данните, Молекулярна визуализация

Компютърна геномика

Съдържание на учебната дисциплина:

Въведение, концепции за генетична епидемиология, интеграция на анализа на връзката и последователни данни от следващо поколение, QTL картографиране на молекулярни черти за изследване на човешки комплексни заболявания, възобновен интерес към хаплотип от генетичен маркер до генно прогнозиране, аналитични подходи за данни от екзома последователност, анализ на редки варианти в несвързани индивиди, генно дублиране и функционални последствия, от GWAS до следващо поколение секвениране на човешки комплексни заболявания Влияние върху транслационната медицина и терапевтиката

Метаболитно моделиране

Съдържание на учебната дисциплина:

Инженерни синтетични метаболити от метаболитно моделиране до рационално проектиране на биосинтетични устройства, Изграждане на синтетични стероли, които изчислително да отключват тайните на еволюцията? , Характеристики на транспорт на захароза чрез специфична захароза ScrY, изучавана от симулации на молекулярна динамика, Бързо решаване на скритата електростатика на биомолекули, Модерен дизайн на биохимични микрореактори, Подкрепяща биологията на нишестето с in vitro изследвания върху въглехидратните активни ензими и биосинтетичните гликоматериали, и транспортиране в синтетични везикули, метаболомични стандарти и метаболитно моделиране за синтетична биология в растенията, Предсказванията са в съответствие с експерименталните доказателства? , Оптимизация на конструираната продукция на прекурсора на глюкокафанин дихомеметионин в Nicotiana benthamiana, синтетични пептиди като протеинови мимики, синтетични протеинови скелета, основани на пептидни мотиви и сродни конектори за подобряване на метаболитната производителност, инженеринг на метаболитните Pathways чрез изкуствени ензимни канали

Моделиране в системната биология

Съдържание на учебната дисциплина:

Биологически основи, Основи на математическото моделиране, Модел на калибриране и експериментален дизайн, Моделиране на клетъчни процеси, Ензимна конверсия, Полимеризационни процеси, Сигнална трансдукция и генетично регулирани системи, Анализ на модули и мотиви, Общи методи за анализ на модела, Аспекти на теорията на контрола, Мотиви в клетъчни мрежи, анализ на клетъчни мрежи, метаболитно инженерство, топологични характеристики

Разширено извличане на данни

Съдържание на учебната дисциплина:

Въведение в извличането на данни в биоинформатиката, оценяване на йерархичните профили и приложенията в биоинформатиката Методи и практики на комбиниране на системи за множествено отчитане, визуализация на ДНК последователности, Протеомика с масспектрометрия, Ефективен и здрав анализ на големи филогенетични масиви от данни, Алгоритмични аспекти на протеиново резбоване, Формулировки за хетерогенни геномни данни, техники за клъстериране без параметри за анализ на генна експресия, съвместна дискриминационна селекция на ген за молекулярна класификация на рака, система за анализ на хаплотип за откриване на гени от общи заболявания, Bayesian framework за подобряване на точността на клетъчните протеини

Машинно обучение

Съдържание на учебната дисциплина:

Защо се интересуваме от машинно обучение, статистика за машинно обучение и анализи на данни, разпознаване на модели, невронни мрежи и дълбоко учене, учебни клъстери и препоръки, научаване на действия, къде да отидем от тук?

Компютърно подпомаган дизайн на лекарства

Съдържание на учебната дисциплина:

Квантови механични и молекулярни механични подходи, преходни метални системи, моделиране на протеинови протеинови взаимодействия чрез твърдо тяло, моделиране на базата на QM, текущо състояние и бъдеще