Course code BIN301

BIN301 Genom- og stamtavle-basert prediksjon av genetisk verdi

Emnet kan ha endringer på grunn av koronarestriksjoner. Se Canvas og StudentWeb for info.

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2021 - 2022.

Emneansvarlige: Gunnar Klemetsdal
Medvirkende: Jørgen Ødegård, Morten Lillemo, Theodorus Hendrikus Elisabeth Meuwissen
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for biovitenskap
Frekvens: Årleg
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Begrensning antall plasser:
50
Undervises i periode:
Emnet startar i haustparallellen. Emnet har undervisning/vurdering i haustparallellen.
Første gang: Studieår 2020-2021
Emnets innhold:
Bruk av genominformasjon og stamtavledata til prediksjon av genetisk verdi med bruk av blanda-(faste og tilfeldige forklaringsvariable)-modell-teori. Modellering av miljøeffektar og genotype*miljø-effektar. Prediksjon av fleire eigenskapar. Prediksjon av enten-eller-eigenskapar. Nøyaktighet og misvisning når ein predikerer genetiske verdiar. Introduksjon til estimering av varianskomponentar for tilfeldige variablar. Eksempel frå planteforedling og husdyravl.
Læringsutbytte:

Studentane får eit overblikk over aktuell status for prediksjon av genetisk verdi for husdyr- og plante-populasjonar, og bruken av det i avls- og foredlings-program.

Etter å ha tatt emnet skal studentane kunna predikera genetiske verdiar, og dermed òg fenotypar, basert på genom- og stamtavle-informasjon (SNP- og G-BLUP, og stamtavle-basert BLUP). Studentane kan vurdera om der er meir informasjon i innavla linjer, linjekryssingar, eller utavla individ; og korleis ein finn nøyaktighet og misvisning i spesielle tilfelle. Studentane vil kunna handtera genotype*miljø-samspel, enten-eller-eigenskapar, fleir-eigenskaps-modellar, og prediksjonar når få gen dominerer i tillegg til mange gen med små effektar for eigenskapen. Studentane vil kunna predikera genetiske verdiar på MSc- og PhD-nivå, og ha kunnskap om korleis slike prediksjonar blir brukt.

Læringsaktiviteter:
Førelesingar og datalab-øvingar. Problem-basert læring kombinert med dataprogrambruk. Presentasjon av predikerte genetiske verdiar frå eit eige valt datasett.
Læringsstøtte:
Lærarveiledning i samband med øvingar og førelesingar.
Pensum:
Førelesingsnotat og utvalde artiklar. Øvingar, notat, dataprogram, og anna materiale vil bli gjort tilgjengeleg på heimesida til emnet.
Forutsatte forkunnskaper:

STAT200 Regresjon, eller liknande kurs i statistiske lineærmodellar.

Generell avl (HFA200, or AQB200) og tilsvarande i planteforedling, eller liknande emne.

Anbefalte forkunnskaper:
Matrise- og vektor-handtering (lineær algebra). Kunnskap om MS Excel og bruk av R eller annan programmering.
Obligatorisk aktivitet:
Presentasjon av eiga semesteroppgåve for dei andre studentane, og deltaking på slike presentasjonar. 
Vurderingsordning:
Innlevert individuell semesteroppgåve med A-F vurdering av sensor og lærar.
Sensor:
Ekstern sensor evaluerer semesteroppgåva.
Merknader:
Dette er ei større revidering av HFA301 slik det har vore undervist opp til 2019. Genominfo har mykje meir vekt enn før, og planteforedling er inkludert.
Normert arbeidsmengde:
250 timar inkludert sjølvstudium, øvingsoppgåver og deltaking og presentasjon i kollokviar / førelesingar.
Overlapp:

HFA301

5 stp reduksjon om en har HFA301 fra før.

Undervisningstid:
Kollokvium/førelesing: 2 timar per veke. Datalab/øvingar: 2 timar per veke.
Eksamensdetaljer: Semesteroppgave: A - E / Ikke bestått