|| 英語(English)
学習支援計画書(シラバス) 検索システム
バイオ・化学専攻
対象課程 科目名 単位数 科目コード 開講時期 授業科目区分
博士前期課程(修士課程)
基礎バイオ情報特論
Bioinformatics
2 2772-01 2021年度
前学期
関係科目
担当教員名
授業科目の学習教育目標
キーワード 学習教育目標
1.配列解析 2.分子シミュレーション 3.機械学習 4.バイオデータの操作 1.バイオ系分野における様々な問題を、モデルを構築し、これをシミュレーションと実験 によって得られた知識に基づいて検証し理解する能力を身につける。統計的解析手法を身に つける。 2.生物情報の流れを理解し、統計学的解析による理論モデル等に関して、総合的な知識を 身につける。 3.英語で自分の研究に関する議論ができるようになる。
授業の概要および学習上の助言
バイオインフォマティクスの重要な事項について 〇配列解析の原理について必要な数学(確率論)的アプローチを学ぶ。 〇分子シミュレーションの原理に必要な物理的アプローチを学ぶ。 〇バイオデータを扱うために必要な機械学習や統計学的アプローチを学ぶ。 また上記を可能とするためのプログラミングについて学ぶ 【最重要事項(よく読んでください!!)】 データ解析→バイオ情報基礎→アドバンストバイオ情報に続く科目となっています。特にアドバンストバイオ情報を合格して いない場合、かなりの時間を予習復習(数学や物理、プログラミングの演習です!)に費やすことになります。そのことを理 解した上で選択してください。合格していない場合は、比較的時間のある修士1年での取得をおすすめします(ただし、単位 取得できない場合がありますので注意すること。できれば上記科目を4年生で受講してください)。
教科書および参考書・リザーブドブック
各授業時に資料を配布する(予定)
履修に必要な予備知識や技能
【よく読んでください!!】 大学卒業程度の英語力(英語で出版されたバイオインフォマティクスの専門書や論文を読むだけの力で十分です)。情報系学 科3年生程度の数学とプログラミング能力。生命系学科卒業程度の生物学に関する知識。工学系学科3年生程度の物理学に関 する能力。(ある程度の数学・物理・プログラミングの能力を必要とします)
学生が達成すべき行動目標
No.
セントラルドグマにおける生物情報の流れが理解できる。
生物情報の統計的解析手法について理解できる。
理論モデルのコンピューターシミュレーションの原理について理解できる。
実験データの統計的解析を行うことができる。
達成度評価
評価方法 試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 0 30 40 20 0 0 10 100
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験
クイズ
小テスト
すべての授業において演習を行う(授業中)。
レポート 特定課題に関するレポートの作成を行う。
成果発表
(口頭・実技)
作成したレポートについて、他の学生について説明を行う。
作品
ポートフォリオ
その他 レポート、成果発表について特筆すべき点がある場合は、適宜加点を行う。
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
各評価項目で、80%程度の達成率。 各評価項目で60%程度の達成率。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分
ガイダンス バイオインフォマティクス システム生物学 構造生物学 配列解析 演習(1) 自己点検授業(1) 演習(1)の解きなおし 次回授業内容の予習 60 60
配列解析(1) 確率モデルについて 演習(2) 自己点検授業(2) 演習(2)の解きなおし 次回授業内容の予習 60 60
配列解析(2) 確率モデルとベイズ推定 演習(3) 自己点検授業(3) 演習(3)の解きなおし 次回授業内容の予習 60 60
配列解析(3) スコアリングマトリックス(1) 演習(4) 自己点検授業(4) 演習(4)の解きなおし 次回授業内容の予習 60 60
配列解析(4) スコアリングマトリックス(2) 演習(5) 自己点検授業(5) 演習(5)の解きなおし 次回授業内容の予習 60 60
配列解析(5) プロファイルアライメント 演習(6) 自己点検授業(6) 演習(6)の解きなおし 次回授業内容の予習 60 60
配列解析(6) 配列解析のためのアルゴリズム(1) BLAST 演習(7) 自己点検授業(7) 演習(7)の解きなおし 次回授業内容の予習 60 60
配列解析(7) 配列解析のためのアルゴリズム(2) プログラミング 演習(8) 自己点検授業(8) 演習(8)の解きなおし 次回授業内容の予習 60 60
配列解析(8) ニューラルネット、Deep Learning 演習(9) 自己点検授業(9) 演習(9)の解きなおし 次回授業内容の予習 60 60
10 配列解析(9) ニューラルネット、Deep Learning プログラミング 演習(10) 自己点検授業(10) 演習(10)の解きなおし 次回授業内容の予習 60 60
11 分子シミュレーション(1) 動力学計算の原理(ニュートン力学) 演習(11) 自己点検授業(11) 演習(11)の解きなおし 次回授業内容の予習 60 60
12 分子シミュレーション(2) 動力学計算の原理(生体分子への応用) 演習(12) 自己点検授業(12) 演習(12)の解きなおし 次回授業内容の予習 60 60
13 分子シミュレーション(3) 生体分子のシミュレーション(1) 演習(13) 自己点検授業(13) 演習(13)の解きなおし 次回授業内容の予習 60 60
14 バイオデータの統計学(1) バイオ系実験に必要な統計学について学ぶ。 (含:プログラミング) 演習(14) 自己点検授業(14) 演習(14)の解きなおし 次回授業内容の予習 60 60
15 バイオデータの統計学(1) バイオ系実験に必要な統計学について学ぶ。 (含:プログラミング) 演習(15) 自己点検授業(15) 演習(15)の解きなおし 次回授業内容の予習 60 60