Биоинформатика
О курсе
В курсе лекций рассматриваются уникальные особенности биологических данных, приводящие к оригинальным постановкам задач распознавания и классификации. Следует отметить, что практически для всех рассматриваемых в курсе задач пока еще не было предложено точных и математически обоснованных решений. В этом смысле курс представляет обширное поле деятельности для самостоятельной научной работы студентов. Формулируется система задач распознавания, отражающая структуру биологических систем и дающая основу для построения проблемно-ориентированных теорий. Рассматриваются основы формализма, разрабатываемого для решения задач биоинформатики и других плохо-формализованных задач из области перспективных биомедицинских исследований и сентимент-анализа. Данный формализм основан на теории универсальных и локальных ограничений в рамках алгебраического подхода к распознаванию. Уделяется внимание биомедицинским приложениям результатов интеллектуального анализа биологических данных.
Тематический план
- От клеточной биологии к задачам распознавания
- Биологические данные, объекты и подходы к формализации задач.
- Задачи 1D→1D: сравнение символьных последовательностей.
- Задачи 1Dднк. Задачи 1Dднк и 3Dднк. Задачи 1Dрнк, 2Dрнк, 3Dрнк.
- Рентгено-структурный анализ и ЯМР белков, задачи 3Dб→3Dб и 3Dб→2Dб.
- Разработка проблемно-ориентированной теории на примере задачи распознавания вторичной структуры.
- Задачи 1Dб→1Dб.
- Задачи 1Dб→Ф и 3D→Ф и задача аннотации генома.
- Анализ и синтез биологических сетей.
- Молекулярная фармакология и хемоинформатика.
- Биомедицинские и генетические исследования.
- Анализ текстов, использование баз данных.
- Био-логика и алгоритмы.
Самостоятельная работа
В ходе лекций будут объявляться практические задания. Студенты могут сами формулировать темы исследовательских задач. После выбора задачи, обсуждаются требования к работе.
Оценивание
До начала устного экзамена (отчет-презентация) необходимо сдать отчет об исследовательской работе (3-5 стр), проведенной по выбранной задаче.
Требуемые знания
Основыв машинного обучения.
