čeština

5

Student je schopen:
- řešit algoritmy iteračně i rekurzivně
- vyhodnotit náročnost algoritmů
- realizovat algoritmy pro vyhledávání (hrubou silou, branch&bound algoritmus, greedy algoritmus)
- realizovat algoritmy zarovnání sekvencí využívající dynamické programování s rekurzí
- realizovat algoritmy pro učení skrytých markovových modelů a pro jejich použití

Jsou požadovány znalosti na úrovni bakalářského studia.

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Studenti musí získat minimálně 50 bodů ze 100 bodů v dílčích aktivitách:
1. půlsemestrální test (max. 30 bodů),
2. semestrální test (max. 30 bodů),
3. bodované programování (min. 20 bodů, max. 40 bodů).
Dílčí aktivity mají prověřit schopnosti studenta realizovat algoritmy ve vybraném programovém prostředí.

1. Základy algoritmizace úloh a náročnost algoritmů.
2. Typy algoritmů, rekurze a iterace.
3. Regulární výrazy.
4. Třídící algoritmy (greedy algoritmy).
5. Algoritmy pro restrikční mapování (exhaustive search).
6. Vyhledávání motivů (branch and bound algoritmy).
7. Dynamické programování s rekurzí.
8. Algoritmy pro de novo skládání genomu.
9. Markovovy modely v bioinformatice.
10. Sufixové stromy.

Cílem předmětu je seznámení a osvojení základních algoritmů pro analýzu sekvencí DNA a proteinů a jejich podrobný rozbor. Studenti jsou vedeni k samostatnému programování probíraných algoritmů v programovacím prostředí R.

Počítačová cvičení jsou povinná, řádně omluvené zmeškané cvičení lze po domluvě s vyučujícím nahradit individuálně.

Jones N.C., Pevzner P.A: An Introduction to Bioinformatics Algorithms. The MIT Press, 2004 (EN)
Moorhouse M, Barry P: Bioinformatics Biocomputing and Perl: An Introduction to Bioinformatics Computing Skills and Practice. Wiley; 1 edition, 2004. (EN)
Chao K.-M., Zhang L.: Sequence Comparison. Springer-Verlag, 2009 (EN)
Zaplatílek K, Doňar B: Matlab tvorba uživatelských aplikací, Technická literatura BEN, Praha 2004 (CS)

eLearning: aktuální otevřený kurz

39 hod., povinná

1. Seznámení s provozním řádem počítačové laboratoře a náplní cvičení.
2. Základy algoritmizace úloh.
3. Rekurzivní a iterační algoritmy, náročnost algoritmů.
4. Exhaustive Search: restrikční mapování.
5. Exhaustive Search: vyhledávání motivů.
6. Greedyho algoritmus: analýza genetických změn pomocí reverzí
7. Analýza genetických změn metodou Breakpoints.
8. Dynamické programování: obecný popis metody, globální zarovnávání.
9. Dynamické programování: lokální zarovnávání, optimální cesta.
10. Shluková analýza pro analýzu genomických dat (základní principy, aplikace).
11. Skryté Markovovy modely pro analýzu genomických dat (základní principy, aplikace).
12. Náhradní cvičení.
13. Závěrečný test.

eLearning: aktuální otevřený kurz