Bioinformatika az egészségügyben

Alapadatok

vimim204
Mesterképzés (MSc)Egészségügyi mérnök szakEgészségügyi mérnöki közös tárgyak

Tárgyfelelős

A munkatárs fényképe
docens
Szoba: E423
Tel.:
+36 1 463-4394
Email: antal (*) mit * bme * hu

Oktatók

A munkatárs fényképe
docens
Szoba: E423
Tel.:
+36 1 463-4394
Email: antal (*) mit * bme * hu

Hirdetmények

Tartalom átvétel

Bemutatás

Az október 14-i óra helyszíne az IE412-re változott! Az 1990-es évek technikai áttörései alapvető változást hoztak a biológiai és orvosi kutatások számára. Egyrészt a genom programokhoz kötődően egyre több organizmus teljes genetikai szekvenciája vált és válik ismertté, másrészt a „gén-chip”-ek segítségével nagyszámú („összes”) gén aktivitásának egyidejű megfigyelése is lehetővé vált. A biológiai adatok mennyiségének és dimenzióinak több nagységrendbeli hirtelen megnövekedése egy tudománytörténeti fordulópontot jelent a biológia és biomedicinák számára, amit jelez egy új tudományágnak a bioninformatikának a létrejötte is. Az egységesen „bioinformatikának” nevezett terület a statisztikai adatelemzésnek, a tudásmérnökségnek, a mesterséges intelligencia kutatásoknak, a számítógépes nyelvészetnek és az informatikának is húzóágazata, trend teremtője lett. Ez különösen igaz az ezek integrálását jelentő „intelligens rendszerek” kutatására és fejlesztésére, mivel a biológiai adatok elemzése tipikusan elosztottan, az internet segítségével megy végbe, elosztott adat és tudásbázisok, szolgáltatások százainak a segítségével.. A tárgy a bioinformatika statisztikai, algoritmikai, információtechnológiai és tudásreprezentációs aspektusait mutatja be, egyrészt az alapvető ismeretek átadását, másrészt egyes aktuális kutatási témák bemutatását célozva. Bevezetésként a biológiában végbe ment paradigmaváltást ismertetjük (genomika, proteomika szemlélet), illetve az ezeket lehetővé tevő szekvencia adatok és génkifejeződés adatok (génchip adatok) természetét. Ezt követően a szekvenciák illesztéséhez, kereséséhez és elemzéséhéz kapcsolódó módszereket, illetve alapvető gén és fehérje predikciós módszereket ismertetünk. A génkifejeződés adatok elemzésénél különféle kluszterező módszereket mutatunk be, illetve részletesen bemutatjuk a valószínűségi gráf modellek (Bayes és Markov hálók) felhasználását. Az ‘adatbányászati’ módszerek mellett bemutatunk ‘szövegbányászat’-i módszereket is, illetve ezek kapcsolódását a statisztikai adatelemzéshez. Végül betekintést adunk biológiai adat és tudásbázisokba, internetes szolgáltatásokba és integrálásukba.