Allmänt

Kursen ges som fristående kurs. Kursen är Internetbaserad och kräver tillgång till dator med Internetuppkoppling.Kursen ersätter och motsvarar 3FF777 Tillämpad farmaceutisk bioinformatik, 5.0 högskolepoäng.

Behörighetskrav

150 hp i kemi, biologi, biokemi, farmaci, medicin eller odontologi samt genomgången kurs i Farmaceutisk bioinformatik 3FF575, alternativt Farmaceutisk bioinformatik 3FF275.

Mål

Efter fullgjord kurs skall studenten:

• Kunna redogöra för prediktiv kemobioinformatisk modellering och hur den kan användas för att lösa problem inom läkemedelsområdet och biovetenskaperna.
• Kunna redogöra för principerna för övervakade och oövervakade metoder såsom PCA, PLS, SVM, SOM, random forest, k-NN, neurala nätverk.
• Visa fördjupad förståelse för rörande kemiska deskriptorer för proteiner, peptider och organiska molekyler samt kunna generera sådana deskriptorer genom användning av kemobioinformatiska verktyg.
• Visa fördjupad kunskap om klusteranalys och experimentell design samt hur de kan användas för att lösa kemobioinformatiska problem inom läkemedelsområdet.
• Visa kunskap om hur prediktiv kemobioinformatisk modellering kan utföras med program såsom R, libSVM, Weka och Bioclipse samt självständigt kunna lösa uppgifter med dessa program.
• Självständigt kunna bygga enklare QSAR och proteokemometriska modeller, validera och tolka dem samt kunna applicera modellerna för att lösa problem inom biovetenskaperna och läkemedelsområdet.

Innehåll

Kursen ger en översikt över statistiska modelleringsmetoder med applikationer inom läkemedelsområdet, biovetenskap och farmakologi och fokuserar på praktiska övningar där man löser problem med de olika metoderna.

Kursen omfattar specifikt:

1. Introduktion till statistisk modellering inom farmaceutisk bioinformatik.
2. Fördjupad genomgång av QSAR och proteokemometri samt deskriptorer för proteiner, peptider och organiska molekyler.
3. Genomgång av övervakade och oövervakade metoder för statistisk modellering/analys såsom PCA, PLS, SVM, SOM, random forest, k-NN, neurala nätverk.
4. Genomgång av klusteranalys och experimentell design och metoder/verktyg härför.
5. Genomgång av programvara för statistisk modellering såsom R, libSVM, Weka och Bioclipse.
6. Praktiska övningar i att beräkna deskriptorer för protein och peptidsekvenser samt organiska molekyler.
7. Praktiska övningar i klusteranalys och experimentell design.
8. Praktiska övningar i användning av PCA, PLS, SVM, SOM, random forest, K-NN och neurala nätverk.
9. Praktiska övningar i att bygga QSAR och proteokemometriska modeller.

Undervisning

Kursen ges i sin helhet på distans via Internet och tillgång till dator med Internetuppkoppling är obligatoriskt. Arbetet sker individuellt genom självstudier av veckovisa webbaserade föreläsningar och datorövningar på studentens egen dator. Föreläsningarna varvas med interaktiva frågor och uppgifter som studenten löser och läraren rättar. Kommunikation mellan student och lärarer sker via webb och email där studenten har möjlighet att ställa frågor. Obligatoriska moment är inlämningsuppgifter, vilka inlämnas via webbplatsen och/eller email. Kursen ges på engelska på halvtid (50%) och över en åttaveckorsperiod, eller i mån av att lärarresurser så tillåter i för den enskilda studenten individuell takt i motsvarande omfattning.

Examination

Prov sker vid kursens slut via webben. För godkänd kurs krävs förutom godkänt prov, godkänt resultat på obligatoriska moment. Möjlighet att komplettera icke godkända obligatoriska moment kan beredas genom att kontakta kursledaren och ges i mån av tillgängliga lärarresurser, företrädesvis vid nästa kurstillfälle. Ett omprov anordnas för varje kurstillfälle. Därefter sker omprov i anslutning till efterföljande kursers provtillfällen.