A tantárgy az alábbi témakörök ismeretére épít:
valószínűségszámítás, matematikaistatisztika, lineáris algebra, kombinatorika
A tantárgy szerepe a képzés céljának megvalósításában:
a matematikus alapképzés (BSc) "B" szakirányának kötelező tárgya
A tantárgy részletes tematikája magyarul és angolul:
Statisztikai bevezető: A likelihood függvény, ML becslés, Bayes statisztika, az EM algoritmus. Sztochasztikus generatív nyelvtanok: Rejtett
Markov-modellek, sztochasztikus reguláris és környezetfüggetlen nyelvtanok. Algoritmusok nyelvtanokon: Forward-backward, Viterbi, Inside- outside, CYK, Baum-Welch tréning, poszterior valószínűségek számolása. Biológiai alkalmazások: mintázatfelismerés biológiai szekvenciákban, protein másodlagos térszerkezet-predikció, RNS térszerkezet-predikció. Szubsztitúciók időfolytonos Markov-modellekkel történő leírása. Klasszikus nukleinsav és aminosav szubsztitúciós modellek. Statisztikus szekvenciaillesztés: Beszúrás-törlés (indel) modellek. Indel modellek,
mint többszörös rejtett Markov-modellek. Evolúciós fák. A Kingman koaleszcens. A Markov-lánc Monte-Carlo (MCMC) módszer alapjai. Evolúciós
fák vizsgálata Bayesian MCMC-vel. Genomátrendeződések vizsgálata.
Követelmények szorgalmi időszakban:
Követelmények vizsgaidőszakban:
Konzultációs lehetőségek:
Jegyzet, tankönyv, felhasználható irodalom:
Durbin-Eddy-Krogh-Mitchison: Biological sequence analysis. Cambridge University Press. 1998
Lunter, G.A., Drummond, A., Miklós, I., & Hein, J.: Statistical aligment: recent progress, new
Miklós István: Bioinformatikai algoritmusok. In: Iványi Antal (szerkesztő): Informatikai algoritmusok, Eötvös Kiadó, Bp.
Nyomtatóbarát változat
