Биоинформатика

Тайваньская международная программа для выпускников была создана с целью привлечения высококвалифицированных молодых исследователей как из дома, так и из-за рубежа, чтобы помочь ускорить развитие нескольких приграничных областей, которые имеют решающее значение для будущего развития науки и техники. Для повышения инновационного потенциала и академических стандартов исследований в этих и смежных областях были разработаны специальные программы для выпускников. В этом контексте аспирантура по «Биоинформатике» предназначена для того, чтобы предложить специальную подготовку и исследовательские возможности для кандидата наук. студенты заинтересованы в работе в этой области.
Программа TIGP по биоинформатике (BP) - это совместная программа, спонсируемая Academia Sinica (Институт информатики, Институт статистических наук и Институт биомедицинских наук), Национальным университетом Цин Хуа, Национальным университетом Чао Тунг и Национальным университетом Ян Мин. , Дополнительная поддержка преподавания будет доступна в других крупных исследовательских университетах Тайваня. В отличие от большинства программ по биоинформатике, предлагаемых в других университетах, в которых используются существующие курсы на различных факультетах, наши курсы специально предназначены для студентов BP и преподаются активными и опытными исследователями в области биоинформатики. Программа предоставляет междисциплинарные возможности для обучения и исследований, которые беспрепятственно интегрируют смежные области, так что студенты могут быть хорошо подготовлены к независимым исследованиям в этих новых, увлекательных областях биоинформатики. Мы сосредоточимся на изучении генетики и протеомики и сделаем упор на передачу данных, анализ данных, биологическую информацию и извлечение биологических признаков, управление знаниями с использованием передовых вычислительных методологий и компьютерных технологий.
Наши области исследований включают, но не ограничиваются следующим:

• Вычислительная биология. В этой области основное внимание уделяется разработке различных алгоритмов для анализа последовательностей, предсказания генов, картирования генов заболеваний, поиска мотивов и генных сетей.
• Управление биологическими знаниями. В этой области основное внимание уделяется интеграции различных гетерогенных баз данных, представлению биологических знаний, автоматизации экспериментов с конвейерами и созданию различных баз данных аннотаций. Кроме того, поиск биологической литературы также является важным компонентом.
• Биоинформатические приложения. В этой области основное внимание уделяется использованию существующих инструментов для анализа биологических последовательностей, данных микрочипов, протеомных данных и т. д. Статистический анализ и методы анализа данных будут использоваться для достижения цели «биомедицинских исследований на основе информации».
• Вычислительная структурная биология. В этой области основное внимание уделяется прогнозированию и классификации структуры белка, автоматической стыковке биомолекул и молекулярной динамике.

Основные курсы I (обязательно)

B1. Основы молекулярной биологии для биоинформатики (3 кредитных единицы)

● Молекулы, клетки и эволюция
● Химические основы
● Структура и функции белка
● Основные молекулярно-генетические механизмы
● Молекулярно-генетические методы
● гены, геномика и хромосомы
● Транскрипционный контроль экспрессии генов
● Посттранскрипционный генный контроль
● Сотовая энергетика
● Сигнальная трансдукция и G-белково-связанные рецепторы
● Сигнальные пути, которые контролируют экспрессию генов
● Эукариотический клеточный цикл
● рак

C1. Биологические вычисления I (3 кредитных единицы)

Этот курс предназначен для студентов, не имеющих предварительных знаний информатики, которые хотят применять вычислительные подходы к решению биологических проблем.

Цель состоит в том, чтобы дать студентам краткое введение в несколько тем, связанных с базовыми компьютерными науками и биологическими вычислениями. Ожидается, что студенты будут продуктивно использовать вычислительные техники после прохождения этого курса. В этом курсе рассматриваются следующие темы:

● Структура данных
● Алгоритмические методы
● Анализ алгоритмов

● Вычислительные алгоритмы
● Биоинформатические алгоритмы

S1. Основные статистические методы в биоинформатике (3 кредитных единицы) [Ранее C2]

● описательная статистика
● Вероятность
● Дискретное распределение

● Непрерывное распределение
● Оценка параметров, доверительный интервал
● Проверка гипотезы
● сравнительное исследование
● анализ категориальных данных
● корреляция, регрессия и дисперсионный анализ
● непараметрический анализ
● кластеризация
● классификация
● Анализ данных выживания

P1. Язык программирования - Python (2 кредитных единицы)

● Основные элементы Python

● Основные положения I: ветвление программ и входов
● Модули, файлы и структурированные типы
● Обработка исключений

● Введение в Biopython
● Объектно-ориентированное программирование: классы
● сравнительное исследование
● Панель инструментов анализа данных
● Веб-программирование

Основные курсы II (обязательно)

B2. Большие данные в биоинформатике - от анализа на основе данных до знаний (3 кредитных единицы)

● Получение последовательности генома и усиление; анализ
● проект генома человека
● Геномные вариации
● Базы данных по геномике & Приложения для биоинформатики (I)
● Базы данных по геномике & Приложения Биоинформатики (II)
● Введение в статистическую генетику
● Введение в эволюционную геномику
● ДНК-микрочипы: принципы и приложения (I)
● ДНК-микрочипы: принципы и приложения (II)
● Базы данных по биоинформатике, связанные с транскриптомом, и приложения
● Белковая информатика
● Структурная протеомика & дизайн наркотиков
● Белок-белковая сеть взаимодействия и базы данных
● Базы данных биохимических путей

C2. Продвинутые алгоритмы в вычислительной биологии (3 кредитных единицы)

В этом курсе мы рассмотрим следующее, но не ограничиваемся:
● алгоритмы анализа последовательности
● Машинное обучение
● Высокопроизводительный анализ данных

S2. Основные статистические методы в биоинформатике (3 кредитных единицы)

● Расширенный анализ данных омики
● Расширенный анализ данных секвенирования
● Оценки максимального правдоподобия и алгоритм EM
● Байесовские методы с цепями Монте-Карло Маркова
● расширенная регрессия и уменьшение размеров
● процедуры передискретизации и тесты перестановки
● Расширенная кластеризация, классификация и визуализация данных
● биомедицинский анализ изображений
● Статистика в области генетики человека
● Анализ сети биосистем

Элективный курс

Динамика в системах
Огромный прогресс в технологии и накоплении информации в настоящее время позволил нам изучать биологию с большими деталями во временном и пространственном разрешении, а также на молекулярном уровне. Понимание биологии на системном уровне стало возможным во многих случаях.

Динамический аспект этих исследований часто включает в себя математическую модель для описания и прогнозирования поведения системы. Построение, эволюция и предсказание этих биологических моделей тесно связаны с разделом математики - нелинейной динамикой. В этом курсе мы рассмотрим следующие темы:

● Центральная догма в области молекулярной биологии
● кинетика Михаэлиса-Ментена
● Приложения A и B (Alon)
● Бифуркационный анализ
● Двумерные потоки
● Колебания в биологии
● Шумы в биологии-введение

Требования

Стипендия

• После зачисления каждый студент TIGP будет получать ежемесячную стипендию в размере 34 000 новозеландских долларов (около 1133 долларов США) в течение первого года.