生物信息学数据分析综合实践-课程教学大纲

ADDINCNKISM.UserStyle《生物信息学数据分析综合实践》课程教学大纲（实践课程）一、课程基本信息课程号1223S09078开课单位生命科学学院课程名称（中文）生物信息学数据分析综合实践（英文）ComprehensivePracticeofBioinformaticsDataAnalysis课程性质选修考核类型考查课程学分3课程学时3周课程类别专业拓展课适用专业（类）生物信息学二、课程描述及目标（一）课程简介《生物信息学数据分析综合实践》课程是本专业（类）的一门专业拓展课程，旨在培养学生全面的生物医学数据科学研究与开发能力。本课程主要是对前面三年生物信息学本科专业学习的总结，强调学生对核酸、蛋白质序列的分析算法、结构和功能注释方法的认识与实现，同时还对组学数据分析中常用的统计学、信息学、机器学习和数据挖掘进行全面总结，并结合学科发展的前沿，对出现的新技术与新方法进行深入的分析与探索。（二）教学目标课程目标1：掌握生物信息学中常用的数据分析工具，并熟练运用进行生物医学数据分析。课程目标2：掌握生物信息学各个领域的核心算法，用掌握的计算机语言实现。课程目标3：能根据提出的生物学问题开发算法，并加以实现，有效解决问题。课程目标4：了解学科各个领域最新的发展动向，对学科的发展趋势有所认识。三、课程目标对毕业要求的支撑关系毕业要求指标点课程目标1-1：****课程目标12-3：****课程目标23-1：****课程目标33-3：****课程目标4四、教学方式与方法1．实习作业法。参加一定的项目，掌握一定的技能与有关的直接知识，综合运用所学知识。2．学生间分组，降低个体学习的难度，对于编程能力强的同学，教师要鼓励其在分组内或分组之间充分发挥特长，将学生的个体差异转变为教学资源，调动学生的积极性和创造性思维。小组人数控制在4-5人，学生的表现记入期末成绩。五、实践内容、基本要求与学时分配序号实践内容基本要求学时方式对应课程目标1生物信息学中的高性能计算掌握并行计算的分类，加以实现。掌握并行集群构建的方法，MPI并行编程的实现，CPU编程实现，了解云平台3讲授课程目标12基因组序列分析方法掌握比较基因组分析的各种策略；对于motif发现的各种算法有深入的认识。完成比较基因组学分析，预测基因组中的各种组件3讲授课程目标23组学数据分析与统计能运用各种工具和假发统计学分析工具，结合各种算法，对组学数据进行挖掘。了解各种二代测序技术的关键要点以及数据处理方法；掌握各种短续列比对，拼接等不同策略6讲授课程目标24统计遗传学分析掌握统计遗传分析从实验设计到样本收集和数据分析的手段。多种基于家系和基于人群的分析方法与人群的分析方法的评估；全基因组关联分析；6讲授课程目标35二代测序数据的分析各种二代测序平台数据的处理和分析，尤其是各种数据格式的解读和深入挖掘.了解各种二代测序技术的关键要点与数据处理方法；掌握各种短序列比对8实训课程目标36生物医药数据分析中的数据挖掘掌握数据挖掘的各种方法，能在不同的计算平台灵活运用这些方法进行数据分析。深度中测序数据解读并找到各种突变；RNAseq数据的法分析发现差异表达基因；原基因组数据的解读与分析；表观基因组数据的分析8实训课程目标27生物复杂网络的建模与分析基于各种组学数据重构静态与动态网络，并次啊用网络发现某些生物学过程的关键与作用模式；基因调控网络、蛋白相互作用网络、代谢以及其应用6实训课程目标48结合学科前沿可选项目开发独立从事生物信息学的研究与开发的能力。结合学科最高水平与自己的研究思路，开展项目研究3实训课程目标4合计43六、实践成果呈现要求要求实验结果以实验报告的形式递交，实验报告内容应包括实验目的、原理、步骤、数据处理、结果分析等。七、学业评价和课程考核（一）考核类型：考试☑考查（二）考核方式：☑实践报告实践作品项目汇报其它：（三）成绩评定：考核依据建议分值（百分比）考核/评价细则对应课程目标过程考核70出勤表现10%考勤情况，课堂表现、学习态度等课程目标1实验操作能力30%学习小组考核课程目标2数据分析能力30%学习小组考核课程目标3文献阅读能力30%学习小组考核课程目标4期末考核30课程论文课程目标1-4八、课程目标达成评价课程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。课程目标达成度毕业要求指标点达成度九、教材与教学参考书（一）教材1.《生物信息学分析与实践：MATLAB生物信息学工具箱应用》，刘伟孙志强杨森，电子工业出版社，2018（二）教学参考书1