Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Aproximadamente. 25 horas para concluir
Inglês
Legendas: francês, português (europeu), russo, inglês, espanhol

Ge gao 高 歌, Ph.D.
Professor Assistente, Principal Investigador
Centro de Bioinformática, Escola de Ciência da Vida
Liping Wei 魏丽萍, Ph.D.
Professor, diretor
Centro de Bioinformática, Escola de Vida SciencesSyllabus – O que você aprenderá com este curso
Introdução e história da bioinformática
Bem -vindo à “Bioinformática: Introdução e Métodos! Após a conclusão deste módulo, você poderá: familiarizar -se com os conceitos essenciais de bioinformática; explorar a história desta área jovem; Experimente a rapidez com que a bioinformática está crescendo. Nossos materiais suplementares fornecerão uma melhor compreensão das palestras do curso através de que não são necessárias em testes ou exames
Alinhamento de sequência
Após a conclusão deste módulo, você poderá: descrever algoritmos de alinhamento de sequência baseados em programação dinâmica; diferenciar entre o algoritmo de Needleman-Wunsch para o alinhamento global e o algoritmo Smith-Waterman para o alinhamento local; Examine os princípios por trás do cálculo da complexidade do gap e da complexidade do tempo, que é crucial para você aplicar ferramentas bioinformáticas atuais em sua pesquisa; Experimente a descoberta do algoritmo Smith-Waterman com o próprio Dr. Michael Waterman.
Sequence Banco de dados Pesquisa
Após a conclusão deste módulo, você poderá: Familiarizar -se com a pesquisa de banco de dados de sequência e os bancos de dados mais comuns; Explore o algorit por trás da explosão e a avaliação dos resultados da explosão; Parâmetros de explosão de Ajdust Base em seu próprio projeto de pesquisa.
Modelo de Markov
Após a conclusão deste módulo, você poderá: reconhecer as transições do estado, os modelos Markov Chain e Markov; Crie um modelo oculto de Markov sozinho; Faça predições em um problema biológico real com o modelo oculto de Markov.
Sequenciamento de Próxima Geração (NGS): Mapeamento de leituras do remexoamento e chamado de variantes genéticas
Após a conclusão deste módulo, você poderá: descrever os recursos do NGS; Associar os resultados do NGS que você obtém aos métodos de mapeamento e modelos de leituras para chamadas de variantes; Examine oleodutos na análise de dados do NGS; Experimente como os dados reais do NGS foram analisados ​​usando ferramentas bioinformáticas. Este módulo é necessário antes de entrar no módulo 8.
Previsão funcional de variantes genéticas
Após a conclusão deste módulo, você poderá: descrever o que é previsão variante e como realizar previsões variantes; Bancos de dados de variantes associados com seus próprios projetos de pesquisa depois de obter uma lista de variantes; Reconheça diferentes princípios por trás das ferramentas de previsão e saiba como usar ferramentas como SIFT, Polyphen e Sapted, de acordo com o seu problema científico ganho.
Exame de médio prazo
A descrição vai aqui
Sequenciação da próxima geração: análise do transcriptoma e RNA-seq
Após a conclusão deste módulo, você poderá: descrever como os dados do transcriptoma foram gerados; dominar o algoritmo usado na análise do transcriptoma; Explore como os dados de RNA-seq foram analisados. Este módulo é necessário antes de entrar no módulo 9.
Previsão e análise do RNA não codificante
Após a conclusão deste módulo, você poderá: analisar RNAs não codificantes a partir de dados do transcriptoma; Identifique o RNA não codificante longo (lncRNA) dos dados do NGS e preveja suas funções.
Ontologia e identificação de vias moleculares
Após a conclusão deste módulo, você poderá: definir ontologia e ontologia genética, explorar bancos de dados da via KEGG; examinar anotações em ontologia de genes; Identifique os caminhos com Kobas e aplique o pipeline no estudo de adição de medicamentos.
Bioinformatics Database e Recursos de Software
Após a conclusão deste módulo, você poderá descrever os recursos bioinformáticos mais importantes, incluindo bancos de dados e ferramentas de software; explorar recursos centralizados como NCBI, EBI, navegador do genoma UCSC e muitos recursos individuais; Associe todos os seus problemas bioinformáticos a certos recursos para se referir.
Origem de novos genes
Após a conclusão deste módulo de estudo de caso, você poderá: experimentar como aplicar dados, métodos e análises bioinformáticos para estudar um problema importante na biologia evolutiva; Examine como detectar e estudar a originação, evolução e função dos novos genes específicos de espécies; Crie árvores filogenéticas com seus próprios dados (não necessários) com o Dr. Manyuan Long, um pioneiro de renome mundial e especialista em novos genes da Universidade de Chicago.
Análise da função da evolução da DNA metiltransferase
Após a conclusão deste módulo de estudo de caso, você poderá: experimentar como usar métodos bioinformáticos para estudar a função e a evolução das metilases do DNA; Compartilhe com o Dr. Gang Pei, presidente da Universidade Tongji e membro da Academia Chinesa de Ciência, as experiências em pesquisa científica e pensamento sobre o MOOC.
Exame final
A descrição vai aqui