Students will be able to:

Understand the principles behind the most important bioinformatics algorithms.

Recreate known algorithms in Python and develop new ones.

Use existing bioinformatics tools for their own work.

Studenti budou umět:

Rozumět principu nejdůležitějších algoritmů používaných v bioinformatice.

Naprogramovat základní bioinformatické algoritmy pomocí jazyka Python.

Používat běžně dostupné nástroje k řešení uvedených bioinformatických problémů.

R: Compeau, Phillip; Pevzner, Pavel: "Bioinformatics Algorithms: An Active Learning Approach"

R: Jones, Neil C.; Pevzner, Pavel A.: "An Introduction to Bioinformatics Algorithms"

A: Antao, Tiago: "Bioinformatics with Python Cookbook"

A: Stevens, Tim J.; Boucher, Wayne: "Python Programming for Biology: Bioinformatics and Beyond"

A: Haddock, Steven H.D.; Dunn, Casey W.: "Practical Computing for Biologists"

A: Bassi, Sebastian: "Python for Bioinformatics"

Z: Compeau, Phillip; Pevzner, Pavel: "Bioinformatics Algorithms: An Active Learning Approach"

Z: Jones, Neil C.; Pevzner, Pavel A.: "An Introduction to Bioinformatics Algorithms"

D: Antao, Tiago: "Bioinformatics with Python Cookbook"

D: Stevens, Tim J.; Boucher, Wayne: "Python Programming for Biology: Bioinformatics and Beyond"

D: Haddock, Steven H.D.; Dunn, Casey W.: "Practical Computing for Biologists"

D: Bassi, Sebastian: "Python for Bioinformatics"

The course dedicated web pages.

Webové stránky předmětu.

Podmínkou udělení klasifikovaného zápočtu je úspěšné naprogramování vybraných variant některých bioinformatických algoritmů.

Solving NP-complete problems.

Markov chains.

Monte Carlo method.

Protein folding prediction.

Machine learning.

Gene regulatory networks.

Řešení NP-úplných problémů.

Metoda Monte Carlo.

Markovovy řetězce.

Predikce sbalování bílkovin.

Strojové učení.

Genové regulační sítě.

Successfully finished course "Laboratory Project I".

Absolvování předmětu "Laboratorní projekt I".