ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ Ι

Το μάθημα εισάγει τους φοιτητές στις βασικές έννοιες και μεθόδους της Βιοπληροφορικής. Τα κυριότερα θέματα που μελετώνται είναι: Διαχείριση βιολογικών βάσεων δεδομένων, ανάλυση ακολουθιών DNA και πρωτεϊνών, στοίχιση ακολουθιών, κατασκευή φυλογενετικών δένδρων, εκμάθηση υπολογιστικών εργαλείων Βιοπληροφορικής, τεχνητά νευρωνικά δίκτυα, Hidden Markov Models (HMMs).

Στόχοι Μαθήματος

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα πρέπει να είναι ικανοί: Να αναγνωρίζουν και να διακρίνουν τα βασικά βιολογικά φαινόμενα, στα οποία εμπλέκεται η βιοπληροφορική Να επιλύουν προβλήματα που έχουν να κάνουν με αναζητήσεις σε βάσεις βιολογικών δεδομένων Να χρησιμοποιούν τα βασικά εργαλεία στοίχισης, πολλαπλής στοίχισης και πρόγνωσης

Προαπαιτούμενες Γνώσεις

Δεν απαιτούνται συγκεκριμένες πρωθύστερες γνώσεις επί του εν λόγω γνωστικού αντικειμένου 

Περιεχόμενα

Εισαγωγή: ορισμός της Βιοπληροφορικής. Υποδιαιρέσεις. Είδη των δεδομένων στη Βιοπληροφορική. Βάσεις δεδομένων: βάσεις δεδομένων βιβλιογραφίας, ακολουθιών πρωτεϊνών και DNA, δομών, διπλωμάτων και οικογενειών, εξειδικευμένες βάσεις δεδομένων, εργαλεία ανάλυσης της πληροφορίας που είναι αποθηκευμένη στις βάσεις δεδομένων – Entrez, SRS. Στοίχιση ακολουθιών: Μέθοδοι εύρεσης ομοιοτήτων σε ακολουθίες, ομολογία και ομοιότητα ακολουθιών και η σημασία τους, αλγόριθμοι δυναμικού προγραμματισμού, ολική στοίχιση – Global Alignment – αλγόριθμος των Needleman και Wunch, τοπική στοίχιση – Local Alignment – αλγόριθμος των Smith και Waterman, υπολογισμός της στατιστικής σημαντικότητας της στοίχισης, u960 πίνακες ομοιότητας και η σημασία τους, ποινές για τα κενά, ευριστικές μέθοδοι για αναζήτηση ομοιοτήτων σε βάσεις δεδομένων BLAST, FASTA κλπ. Πολλαπλή στοίχιση ακολουθιών: Πολυδιάστατοι αλγόριθμοι δυναμικού προγραμματισμού, ευριστικές μέθοδοι πολλαπλής στοίχισης ακολουθιών – CLUSTAL, DIALIGN, MULTALIN κλπ – φυλογενετικά δένδρα και πολλαπλές στοιχίσεις. Αλγόριθμοι πρόγνωσης στηριζόμενοι στην ακολουθία πρωτεϊνών και DNA: Πρόγνωση δευτεροταγούς δομής πρωτεϊνών και RNA, πρόγνωση διαμεμβρανικών τμημάτων πρωτεϊνών και προσανατολισμού τους, εύρεση πιθανών γονιδίων σε ακολουθίες DNA, πολλαπλές στοιχίσεις ακολουθιών με χρήση Hidden Markov Models, κατάταξη ακολουθιών σε οικογένειες. Δομική Βιοπληροφορική: Αναπαράσταση βιολογικών δομών, αναγνώριση πρωτεϊνικού διπλώματος, προσαρμογή και υπέρθεση δομών στο χώρο, συγκριτική προτυποποίηση με βάση την ομολογία.