Kurz bioinformatiky

Lekce 1 • Formáty souborů v bioinformatice

Vysvětluje formáty FASTA, FASTQ, GenBank, PDB a GFF a jejich případy použití. Připravuje studenty na práci se soubory surových dat v následujících kapitolách.

Lekce 2 • Biomolekulární datové typy

Představuje nukleotidové sekvence, aminokyselinové sekvence a strukturní souřadnice jako samostatné datové třídy. Propojuje datový typ s vhodnými analytickými nástroji.

Lekce 3 • Vysvětlení centrálního dogmatu

Pokrývá tok informací od DNA přes RNA k proteinu a jeho výjimky. Ukotvuje všechny navazující bioinformatické koncepty v realitě molekulární biologie.

Lekce 1 • Heuristické metody prohledávání databází

Představuje heuristiky BLAST a FASTA pro rychlé prohledávání databází. Studenti se učí konfigurovat vyhledávání a vyhodnocovat statistickou významnost.

Lekce 2 • Vícenásobné zarovnávání sekvencí

Pokrývá progresivní, iterační a konzistenční metody MSA. Studenti vyhodnocují kvalitu zarovnání a připravují zarovnání pro navazující analýzy.

Lekce 3 • Vizualizace a interpretace zarovnání

Učí nástroje pro vykreslování a anotování zarovnání pro biologický vhled. Převádí výpočetní výstup na biologické závěry.

Lekce 4 • Skórovací matice a penalizace za mezery

Vysvětluje substituční matice a modely penalizace za mezery, které jsou základem skórování zarovnání. Propojuje matematické volby s biologickou interpretovatelností.

Lekce 1 • Kontrola kvality surových čtení

Pokrývá metriky kvality, ořezávání adaptérů a filtrování čtení pro sekvenační data. Zajišťuje čistý vstup pro sestavení a navazující analýzy.

Lekce 2 • Technologie sekvenování nové generace

Porovnává platformy pro krátké a dlouhé čtení a jejich chybové profily. Podporuje výběr technologie pro konkrétní genomické projekty.

Lekce 3 • Strategie sestavování genomu

Vysvětluje přístupy sestavování overlap-layout-consensus a de Bruijnovým grafem. Studenti vybírají strategie sestavení na základě typu dat a složitosti genomu.

Lekce 4 • Základy anotace genomu

Pokrývá pipeline pro strukturní a funkční anotaci sestavených genomů. Propojuje surové sestavení s biologicky interpretovatelnými genovými modely.

Lekce 1 • Mapování čtení a kvantifikace

Vysvětluje zarovnávání zohledňující sestřih a pseudoalignment pro kvantifikaci transkriptů. Studenti generují matice počtů ze surových RNA-seq čtení.

Lekce 2 • Experimentální design RNA-seq

Pokrývá replikaci, randomizaci a kontrolu zavádějících faktorů v RNA-seq studiích. Správný design zabraňuje analytickým artefaktům v datech o expresi.

Lekce 3 • Analýza funkčního obohacení

Učí metody genové ontologie a obohacení drah pro interpretaci výsledků exprese. Propojuje seznamy genů s biologickými procesy a molekulárními funkcemi.

Lekce 4 • Normalizační metody

Porovnává normalizační strategie RPKM, TPM a založené na počtech. Správná normalizace umožňuje platná srovnání exprese mezi vzorky.

Lekce 1 • Analýza dat z hmotnostní spektrometrie

Představuje identifikaci peptidů, kvantifikaci proteinů a detekci posttranslačních modifikací z MS dat. Propojuje proteomická data s biologickým vhledem.

Lekce 2 • Porovnávání a klasifikace struktur

Pokrývá strukturní zarovnávání, výpočet RMSD a klasifikaci proteinových foldů. Studenti určují strukturní vztahy přesahující sekvenční podobnost.

Lekce 3 • Predikce proteinové struktury

Vysvětluje homologní modelování, threading a metody predikce struktury pomocí hlubokého učení. Studenti generují a vyhodnocují predikované proteinové modely.

Lekce 4 • Základy molekulárního dokování

Pokrývá principy dokování ligand-receptor, skórovací funkce a interpretaci výsledků. Studenti výpočetně hodnotí interakce protein-ligand.

Lekce 1 • Struktura a diverzita populace

Pokrývá analýzu hlavních komponent, modelování příměsi a statistiky populační diferenciace. Studenti charakterizují genetickou diverzitu napříč populacemi.

Lekce 2 • Anotace a prioritizace variant

Představuje funkční anotaci, predikci patogenity a strategie prioritizace variant. Propojuje surové varianty s biologickou a klinickou relevancí.

Lekce 3 • Filtrování variant a kontrola kvality

Pokrývá tvrdé filtrování, rekalibraci skóre kvality variant a filtry na úrovni genotypu. Odstraňuje falešně pozitivní nálezy před biologickou interpretací.

Lekce 4 • Metody volání variant

Vysvětluje algoritmy pro volání SNP, indelů a strukturních variant a jejich předpoklady. Studenti aplikují vhodné volající nástroje pro zárodečné a somatické kontexty.

Lekce 1 • Detekce komunit a modulů

Pokrývá shlukovací algoritmy pro identifikaci funkčních modulů v biologických sítích. Studenti propojují síťové moduly s biologickými drahami a procesy.

Lekce 2 • Sítě protein-proteinových interakcí

Vysvětluje zdroje PPI dat, skórování spolehlivosti a konstrukci sítí. Studenti budují a filtrují interakční sítě pro navazující analýzu.

Lekce 3 • Predikce funkcí založená na síti

Učí princip viny na základě asociace a šíření v síti pro predikci genové funkce. Studenti využívají topologii sítě k odvození neznámých funkcí genů.

Lekce 4 • Topologie sítě a metriky

Pokrývá distribuci stupňů, shlukovací koeficient a míry centrality. Studenti identifikují huby, úzká hrdla a modulární struktury v sítích.

Lekce 1 • Biologická interpretace a reportování

Pokrývá syntézu na úrovni drah, generování hypotéz a vědeckou komunikaci multi-omických nálezů. Studenti převádějí výpočetní výsledky na využitelné biologické závěry.

Lekce 2 • Strojové učení v multi-omice

Představuje učení s učitelem a bez učitele pro objevování biomarkerů a klasifikaci vzorků. Studenti aplikují regularizované modely na vysoce-dimenzionální omická data.

Lekce 3 • Redukce dimenzionality pro multi-omiku

Pokrývá PCA, UMAP a multi-omickou faktorovou analýzu pro vysoce-dimenzionální data. Studenti snižují složitost při zachování biologicky smysluplné variability.

Lekce 4 • Harmonizace multi-omických dat

Pokrývá párování vzorků, korekci dávkového efektu a normalizaci dat napříč omickými vrstvami. Harmonizovaná data jsou předpokladem pro platnou integraci.