Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

Dr. Antal Péter egyetemi docens, Méréstechnika és Információs Rendszerek Tanszék

Bolgár Bence, Méréstechnika és Információs Rendszerek Tanszék

Gézsi András, Méréstechnika és Információs Rendszerek Tanszék

Hullám Gábor, Méréstechnika és Információs Rendszerek Tanszék

Sárközy Péter, Méréstechnika és Információs Rendszerek Tanszék

Valószínűségszámítás

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

A molekuláris biológia méréstechnikai fejlődése nagy adattömegeket, majd a hipotézismentes kutatási paradigma megjelenését hozta el az orvosbiológiába. A tárgy a bioinformatika informatikai, statisztikai és számítási aspektusait mutatja be a következő feladatokon keresztül, amelyek kulcsfontosságúak az egészségügyben és a gyógyszeriparban: döntéstámogatás orvosi diagnosztikában és terápiaválasztásban, genetikai és genomikai adatok mérése és integrált elemzése, hatóanyag-célpont predikciós módszerek.

Az ismertetni kívánt főbb adatmérnöki fogalmak és módszerek a következőek:

1.      Statisztikai következtetési paradigmák. Többszörös hipotézistesztelés problematikája. Feldúsulás elemzési módszerek.

2.      Dimenzió csökkentő eljárások, különös tekintettel háttértudást (ontológiákat) kihasználó eljárások.

3.      Klaszterezési módszerek, különös tekintettel a több hasonlósági mátrixot kezelni képes módszerek.

4.      Nagy dimenzionalitást és több heterogén reprezentációt kezelő predikciós módszerek, mint például a több kerneles tanulási módszerek.

5.      Hálózattudomány, molekuláris interakciók hálózatának strukturális tulajdonságai és hálózati diffúziós módszerek.

6.      Valószínűségi gráfos modellek, következtetési és tanulási algoritmusaik.

7.      Oksági következtetési paradigmák.

8.      Szövegbányászati módszerek a bionformatikában.

9.      Gráfadatbázisok és szemantikus technológiák (gyógyszertudásbázisok, gén-ontológiák, betegség kódrendszerek).

Az elméleti ismereteket a következő valós kutatás-fejlesztés területeken mutatjuk be:

1.      Biomarker alapú tumordiagnosztika.

2.      Gyakori betegségek (allergia, asztma, depresszió, szenvedélybetegségek) genetikai háttere.

3.      Betegségek együtteseinek és hálózatának vizsgálata.

4.      Az egészséges öregedés jellemzőinek és genetikai hátterének a vizsgálata több faj felhasználásával.

5.      Hatóanyag-célpont predikció.

6.      Mellékhatás és új indikációk predikciója gyógyszerek és gyógyszerkombinációk esetén.

1.      Orvosi döntéstámogatás az onkológiában: döntési hálózatok felhasználása diagnosztikában és terápiaválasztásban.

2.      Genetikai méréstechnika: genotipizálás, szekvenálás, adattisztítás, pótlás, variánsok hívása.

3.      Teljes genomi szélességű polimorfizmus adatok statisztikai elemzése a pszichiátriában: adatelőkészítés, egy és többváltozós predikciós módszerek, feldúsulási elemzések, hálózati elemzési módszerek.

4.      Teljes genom szekvenálási adatok elemzése az öregedéskutatásban: ritka variánsok kezelésének specialitásai.

5.      Teljes genomi szélességű génexpressziós adatok statisztikai elemzése az immunológiában: hálózati módszerek.

6.      Betegségek és gének hálózatának elemzése: hálózattudomány az orvosbiológiában és gyógyszerkutatásokban.

7.      A mindennapi életvitel átfogó adatainak, benne a beteg által jelentett és viselhető érzékelők által gyűjtött adatoknak az elemzése: idősori adatok elemzése.

8.      Oksági következtetések az öregedéskutatásban génkiütési kísérletek felhasználásával.

9.      Biomarker elemzési módszerek.

10.  Tervezett információbegyűjtés és kísérlettervezés.

11.  Szövegbányászati módszerek a bionformatikában.

12.  Szemantikus technológiák szerepe a bio- és kemoinformatikában.

13.  A gyógyszerkutatás fázisai, hatóanyag-célpont predikciós módszerek.

14.  Ajánlórendszerek a bioinformatikában és gyógyszerkutatásban.

Előadás

A tárgy elméleti része előadás formájában kerül leadásra. Önálló munkára a házi feladat által kerül sor.

Szorgalmi időszakban: Házi feladat sikeres elkészítése és leadása a félév végéig.

Vizsgaidőszakban: Szóbeli vizsga. A vizsgára bocsátás feltétele az elfogadott házi feladat.

Osztályozás: A vizsga osztályzata a szóbeli vizsgán megszerzett jegy.

A házi feladat bemutatása a pótlási héten még lehetséges különeljárási díj ellenében.

Igény esetén, megbeszélés alapján.

Antal Péter - Arany Ádám - Bolgár Bence - Gézsi András - Hajós Gergely - Hullám Gábor - Marx Péter - Millinghoffer András - Poppe László - Sárközy Péter: Bioinformatika: Molekuláris méréstechnikától az orvosi döntéstámogatásig,
ISBN-13 978-963-2791-80-7, Typotex, 2014