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"

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.

The course dedicated web pages.

Webové stránky předmětu.

Successfully finished course "Laboratory Project I".

Absolvování předmětu "Laboratorní projekt I".