Budapesti Műszaki és Gazdaságtudományi Egyetem
Természettudományi Kar		 Tantárgy Adatlap
Tantárgy kód BMETE95AM20
Tantárgy azonosító adatok
1. A tárgy címe Sztochasztikus modellek a bioinformatikában
2. A tárgy angol címe Stochastic Models in Bioinformatics
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 2 + 0 + 0 v Kredit 3
4. Ajánlott/kötelező előtanulmányi rend
vagy Tantárgy kód 1 Rövid cím 1 Tantárgy kód 2 Rövid cím 2 Tantárgy kód 3 Rövid cím 3
4.1 BMETE95AM06 Valszám2
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Sztochasztika Tanszék
7. A tantárgy felelős oktatója Dr. Tóth Bálint beosztása egyetemi tanár
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2008.11.21. Akkreditációs bizottság döntési időpontja 2009.02.02.
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
valószínűségszámítás, matematikaistatisztika, lineáris algebra, kombinatorika
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
a matematikus alapképzés (BSc) "B" szakirányának kötelező tárgya
11. A tárgy részletes tematikája
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.
12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban		 alkalmi házifeladatokZH vizsga-
időszakban		 vizsga
13. Pótlási lehetőségek
TVSZ szerint
14. Konzultációs lehetőségek
TVSZ szerint
15. 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.
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
28
16.2 Félévközi felkészülés órákra
28
16.3 Felkészülés zárthelyire
10
16.4 Zárthelyik megírása
2
16.5 Házi feladat elkészítése
10
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
0
16.8 Vizsgafelkészülés
12
16.9 Összesen
90
17. Ellenőrző adat Kredit * 30
90
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Dr. Miklós István
tudományos munkatárs
MTA Rényi Int.
A tanszékvezető
19. Neve aláírása
Dr. Tóth Bálint