该课程的目标是向学生介绍生物信息学(计算生物学)领域,并展示如何在该领域运用机器学习技术。对于之前没有生物学知识的学生,课程旨在提供分子生物学的基本介绍作为生物信息学的背景。课程的重点将放在经典的生物信息学应用程序上,尤其是那些充分利用模式识别和机器学习方法的应用程序,以及最近的生物信息学领域,包括高通量 - 组技术和基因表达分析。
对现代分子生物学和基因组学有基本知识。
了解不同机器学习技术在生物信息学中的优势和缺点,并能够通过正确的基准测试技术评估不同方法的相对优点。
理解如何使用理论方法来建模和分析复杂的生物系统。
成功完成课程后,学生将能够:
1. 对现代分子生物学和基因组学有基本知识。
2. 了解不同机器学习技术在生物信息学中的优势和缺点,以及如何通过正确的基准测试技术评估不同方法的相对优点。
3. 了解如何使用理论方法来建模和分析复杂的生物系统。
第1部分:
- 基本细胞化学简介
- 细胞结构和功能
- 遗传物质
- 重组DNA技术
- 基因组学和结构基因组学
第2部分:
- 生物数据库
- 基因预测
- 检测遥远的同源性
- 蛋白质结构预测
第3部分:
- 高通量 - 组技术和数据源
- 转录组学
- 转录组学数据中数据标准介绍
- 分析转录组学数据中的计算技术和机器学习
为了有资格选择该课程作为可选或选修课,学生必须:
- 在正式可用的课程和学习年度中注册;
- 熟悉神经网络、支持向量机和隐藏的马尔可夫模型等技术的原理;
- 能够使用标准机器学习框架(例如MATLAB)对机器学习应用程序进行编程。
如需了解有关UCL-生物信息学课程辅导以及其他英国课程辅导的详细信息,请随时咨询DR.D留学生辅导机构。