ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ Ι

Εισαγωγή: ορισμός και Ιστορία της Βιοπληροφορικής. Υποδιαιρέσεις. Είδη των δεδομένων στη Βιοπληροφορική. Βάσεις δεδομένων: βάσεις δεδομένων βιβλιογραφίας, αλληλουχιών πρωτεϊνών και DNA, δομών, διπλωμάτων και οικογενειών, εξειδικευμένες βάσεις δεδομένων, εργαλεία ανάλυσης της πληροφορίας που είναι αποθηκευμένη στις βάσεις δεδομένων – Entrez, SRS. Στοίχιση ακολουθιών: Μέθοδοι εύρεσης ομοιοτήτων σε αλληλουχίες, ομολογία και ομοιότητα αλληλουχιών και η σημασία τους, αλγόριθμοι δυναμικού προγραμματισμού, ολική στοίχιση – Global Alignment – αλγόριθμος των Needleman και Wunch, τοπική στοίχιση – Local Alignment – αλγόριθμος των Smith και Waterman, υπολογισμός της στατιστικής σημαντικότητας της στοίχισης, πίνακες ομοιότητας και η σημασία τους, ποινές για τα κενά, ευριστικές μέθοδοι για αναζήτηση ομοιοτήτων σε βάσεις δεδομένων BLAST, FASTA. Πολλαπλή στοίχιση αλληλουχιών: Πολυδιάστατοι αλγόριθμοι δυναμικού προγραμματισμού, ευριστικές μέθοδοι πολλαπλής στοίχισης ακολουθιών – CLUSTAL, DIALIGN, T-Coffee, κλπ – φυλογενετικά δένδρα και πολλαπλές στοιχίσεις. Αλγόριθμοι πρόγνωσης στηριζόμενοι στην ακολουθία πρωτεϊνών και DNA: Πρόγνωση δευτεροταγούς δομής πρωτεϊνών και RNA, πρόγνωση διαμεμβρανικών τμημάτων πρωτεϊνών και προσανατολισμού τους, εύρεση πιθανών γονιδίων σε ακολουθίες DNA, Hidden Markov Models και Νευρωνικά Δίκτυα στη Βιοπληροφορική. Oι αλγόριθμοι forward και backward, αποκωδικοποίηση (αλγόριθμοι Viterbi, Nbest, Posterior, Posterior - Viterbi, OAPD), εκτίμηση παραμέτρων με τους αλγόριθμους Baum - Welch και Gradient Descent, ειδικές τροποποιήσεις του Hidden Markov Model για βιολογικά δεδομένα (Class HMM, αλγόριθμοι για σημασμένες ακολουθίες, αλγόριθμοι ενσωμάτωσης πειραματικής πληροφορίας, profile Hidden Markov Models)

Βιοπληροφορική και Λειτουργική Γονιδιωματική, Jonathan Pevsner, ΑΚΑΔΗΜΑΪΚΕΣ ΕΚΔΟΣΕΙΣ, ISBN: 978-618-5135-17-1

Βιοπληροφορική, OVELLETE F. - BAXEVANIS A., ΠΑΡΙΣΙΑΝΟΥ ΑΝΩΝΥΜΗ ΕΚΔΟΤΙΚΗ ΕΙΣΑΓΩΓΙΚΗ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΙΑ ΕΠΙΣΤΗΜΟΝΙΚΩΝ ΒΙΒΛΙΩΝ, 2012, ΑΘΗΝΑ

Μπάγκος, Π., 2015. Βιοπληροφορική. [ηλεκτρ. βιβλ.] Αθήνα:Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών. Διαθέσιμο στο: http://hdl.handle.net/11419/5016

Πρόσθετο Υλικό

1. Shawn T. O’Neil. A Primer for Computational Biology https://open.oregonstate.education/computationalbiology/
2. Jens Stoye et al. Algorithms for Phylogenetic Reconstructions http://profs.scienze.univr.it/~liptak/ALBioinfo/files/PhylogenetikSkript2009.pdf
3. Jens Stoye et al. Sequence Analysis http://profs.scienze.univr.it/~liptak/ALBioinfo/files/sequence_analysis.pdf
4. Sabu M. Thampi. Introduction to Bioinformatics https://arxiv.org/abs/0911.4230
5. David A. Hendrix. Applied Bioinformatics https://open.oregonstate.education/appliedbioinformatics/
6. Computational Biology - Genomes, Networks, and Evolution (Kellis et al.) https://bio.libretexts.org/Bookshelves/Computational_Biology/Book%3A_Computational_Biology_-_Genomes_Networks_and_Evolution_(Kellis_et_al.)
7. Keith Bradnam & Ian Korf. Unix and Perl Primer for Biologists http://korflab.ucdavis.edu/Unix_and_Perl/current.pdf
8. Martin Jones. Python for Biologists http://userpages.fu-berlin.de/digga/p4b.pdf
9. Learning To Program With Perl https://www.bioinformatics.babraham.ac.uk/training/Perl%20Introduction.pdf
10. Avril Coghlan . A Little Book of R For Bioinformatics https://buildmedia.readthedocs.org/media/pdf/a-little-book-of-r-for-bioinformatics/latest/a-little-book-of-r-for-bioinformatics.pdf

Δεν απαιτούνται συγκεκριμένες πρωθύστερες γνώσεις επί του εν λόγω γνωστικού αντικειμένου 

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα πρέπει να είναι ικανοί:

• Να αναγνωρίζουν και να διακρίνουν τα βασικά βιολογικά φαινόμενα, στα οποία εμπλέκεται η βιοπληροφορική
• Να επιλύουν προβλήματα που έχουν να κάνουν με αναζητήσεις σε βάσεις βιολογικών δεδομένων
• Να χρησιμοποιούν τα βασικά εργαλεία στοίχισης, πολλαπλής στοίχισης και πρόγνωσης

1) Η παρακολούθηση και η ολοκλήρωση των εργαστηριακών ασκήσεων είναι υποχρεωτική. Λόγω των ειδικών συνθηκών και της διεξαγωγής 2 ασκήσεων σε κάθε εργαστήριο, η δυνατότητα απουσίας σε ένα από τα τέσσερα εργαστήρια θα επιτραπεί και θα θεωρείται δικαιολογημένη μόνο για σοβαρούς κυρίως ιατρικούς λόγους και σε αυτές τις περιπτώσεις απαιτείται η προσκόμιση της αντίστοιχης βεβαίωσης. Σε τέτοιες περιπτώσεις προβλέπεται και επαναληπτική εργαστηριακή άσκηση (υπάρχει στο πρόγραμμα)

2) Η βαθμολογία των εργασιών αυτών θα προσμετράται στον τελικό βαθμό κατά 30% μόνο κατά το έτος άσκησης (για σας, το έτος 2025-26). Αν κάποιος δεν παραδώσει εργασία μέσα στις προθεσμίες, τότε ο βαθμός του κατά το έτος της άσκησης θα βγαίνει με άριστα το 7. Αν κάποιος φοιτητής δεν καταφέρει να πάρει προβιβάσιμο βαθμό στις 2 εξεταστικές (Ιανουάριο, Σεπτέμβριο), αλλά έχει ολοκληρώσει επιτυχώς τις ασκήσεις, τότε τις επόμενες χρονιές θα πρέπει να εξεταστεί μόνο στο μάθημα και ο τελικός βαθμός θα προκύψει από την βαθμολογία της γραπτής εξέτασης που θα λάβει.

3) Οι φοιτητές παλαιότερων ετών που έχουν ολοκληρώσει τις εργαστηριακές ασκήσεις χωρίς απουσίες δεν χρειάζεται να δηλώσουν συμμετοχή εκ νέου στις ασκήσεις (και ούτε να ασκηθούν εκ νέου). Ο βαθμός τους θα προκύψει όπως στο (2) ανωτέρω, από την γραπτή εξέταση.

4) Όσοι φοιτητές παλαιότερων ετών έχουν απορίες και δεν θυμούνται αν έχουν ολοκληρώσει όντως τις εργαστηριακές ασκήσεις, μπορούν να επικοινωνήσουν με την κα Μαργαρίτα Θεοδωροπούλου (margarita.th@gmail.com) για τα έτη μέχρι το 2021-2022 και με την κα Θεοδοσία Χαρίτου (sissycha87@gmail.com) για τα έτη (2022-20223 και μετά) για να κάνουν τον έλεγχο.