Během kurzu plní studenti každý samostatně úkoly v e-learningu, které doplňují učivo právě probrané lekce. Tyto úkoly lze absolvovat pouze v týdnu, kdy probíhá výuka, na pozdě odevzdané úkoly nebude brán zřetel. K těmto úkolům dostávají zpětnou vazbu a získávají body do závěrečného hodnocení. Získání zápočtu je podmíněno vypracováním závěrečné práce ve dvojicích. Za závěrečnou práci lze získat maximálně 70 bodů, za doplňující úkoly až 50 bodů. Pro získání zápočtu klasifikovaného jako A je zapotřebí 90 bodů. Účast na cvičeních není povinná, cvičení lze absolvovat online formou výuky, je však nutné dodržovat všechny termíny odevzdávání.

During the course, students individually complete assignments in the e-learning system that complement the material covered in each lesson. These assignments can only be completed during the week when the corresponding lesson takes place; late submissions will not be accepted. Students receive feedback on these assignments and earn points toward their final grade. Passing the course is conditional on completing a final project in pairs. The final project can earn a maximum of 70 points, while the supplementary assignments can earn up to 50 points. To achieve a final grade of A, a total of 90 points is required. Attendance at classes is not mandatory; the exercises can be completed through online instruction. However, all submission deadlines must be strictly followed.

Doporučená:

• Cvrčková, Fatima. Úvod do praktické bioinformatiky. Praha: Academia, 2006, 148 s. s. ISBN 80-200-1360-1.
• Green, Michael R., Sambrook, Joseph. Molecular cloning, a laboratory manual. Cold Spring Harbor, N.Y.: Cold Spring Harbor Laboratory Press, 2012, s. ISBN 978-1-936113-41-5.

Recommended:

• Cvrčková, Fatima. Úvod do praktické bioinformatiky. Praha: Academia, 2006, 148 s. s. ISBN 80-200-1360-1.

Předmět je vyučován formou workshopu v počítačové učebně. Studenti jsou nejprve seznámeni se základy učiva a poté si sami zkoušejí použití programů nebo nástrojů. Po ukončení lekce je studentům zadáno jeden nebo více úkolů, které mohou samostatně vypracovat. Po odevzdání úkolů dostávají studenti zpětnou vazbu a některé úkoly mohou vypracovat ještě jednou. Průběžné hodnocení přispívá k aktivnímu zapojení studentů do výuky. Závěrečnou práci studenti vypracují ve skupinách (1- až 2-členných) a odevzdají vyučujícím zodpovědným za konkrétní úlohu. Vyučující poskytují studentům zpětnou vazbu během nebo po odevzdání práce a studenti tak získají další znalosti v průběhu hodnocení.

The course is taught in a workshop format in a computer lab. Students are first introduced to the basics of the material, after which they independently practice using the programs or tools. At the end of each lesson, students are assigned one or more tasks, which they complete individually. After submitting their assignments, students receive feedback, and some tasks may be revised and resubmitted. Continuous assessment encourages active student participation in the course.

The final project is completed in groups (consisting of 1 or 2 students) and submitted to the instructors responsible for the specific assignment. Instructors provide students with feedback during or after the submission of the final project, allowing students to further develop their knowledge during the evaluation process.

Klasifikovaný zápočet.

Předpokladem k získání zápočtu je vypracování závěrečné práce. Pro získání lepší známky než C je nutné vypracovat také několik samostatných úloh v průběhu semestru.

Graded Credit.

To obtain credit, students must complete a final project. To achieve a grade higher than C, it is also necessary to complete several individual assignments during the semester.

1. Bioinformatika, platformy pro získávání informací a vzájemná propojení databází.

2. Databáze a programy pro analýzy sekvencí nukleových kyselin.

3. Predikce funkce genu, promotoru a regulačních elementů.

4. Návrh a praktické aspekty provedení PCR.

5. Centrální dogma naruby - strategie izolace kódující sekvence.

6. Proteomické servery a databáze. Nástroje pro porovnání sekvencí proteinů.

7. Předpověď modifikací proteinů in silico a experimentální ověření predikce.

8. Sekundární struktura a hydrofobní profil proteinu. Predikce a experimentální ověření.

9. Kvartérní struktura proteinu a oligomerizační stav. Predikce a experimentální ověření.

10. Membránové proteiny. Určení topologie proteinu v biologické membráně, povrchové vlastnosti proteinů a detergentů.

11. Nativní stav proteinu. Lokalizace a interakce proteinů v buňce.

12. Genové ontologie. Zpracování dat z proteomických experimentů.

1. Bioinformatics, platforms for information retrieval, and interconnection of databases.

2. Databases and programs for nucleic acid sequence analysis.

3. Gene function prediction, promoter and regulatory element analysis.

4. Design and practical aspects of PCR.

5. Central dogma reversed – strategies for isolating coding sequences.

6. Proteomics servers and databases. Tools for protein sequence comparison.

7. In silico prediction of protein modifications and experimental validation of predictions.

8. Secondary structure and hydrophobic profile of proteins. Prediction and experimental validation.

9. Quaternary protein structure and oligomerization state. Prediction and experimental validation.

10. Membrane proteins. Determination of protein topology in biological membranes, surface properties of proteins and detergents.

11. Native protein state. Localization and interaction of proteins within the cell.

12. Gene ontology. Data processing from proteomics experiments.

https://www.ncbi.nlm.nih.gov/

https://www.ebi.ac.uk/services

https://www.expasy.org/

https://www.uniprot.org/

https://bio.tools/

Přednášky v elektronické podobě zveřejněné na e-learning.vscht.cz

https://www.ncbi.nlm.nih.gov/

https://www.ebi.ac.uk/services

https://www.expasy.org/

https://www.uniprot.org/

https://bio.tools/

Lectures are available (in czech language) at e-learning.vscht.cz

Studenti budou umět:

Využívat volně přístupné bioinformatické nástroje a databáze nukleových kyselin a proteinů.

Samostatně navrhnout strategii analýzy sekvencí a kriticky zhodnotit výsledky získané in silico a navrhnout cesty experimentálního potvrzení správnosti predikcí in silico.

S využitím výsledků analýz nukleotidových a proteinových sekvencí navrhnout schůdné řešení molekulárně-biologického experimentu.

Students will be able to:

Use publicly accessible bioinformatics tools and nucleotide and protein databases.

Independently design a strategy to analyze the sequence data, critically interpret the outcome of analyses and propose an experimental approach to prove the in silico predictions correct.

Taking advantage from bioinformatic analyses of nucleotide and protein sequences, propose complex, feasible solution for a successful molecular biology experiment.

Znalost vybraných kapitol speciálních předmětů Molekulová genetika a Genové inženýrství - PCR, centrální dogma genetiky, klonování a transgenoze.

Knowledge of selected chapters from the specialized courses Molecular Genetics and Genetic Engineering — PCR, the central dogma of genetics, cloning, and transgenesis.