BIN301 Genom- og stamtavle-basert prediksjon av genetisk verdi
English course information
Søk etter andre emner
Velg annet år
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)
(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
Undervises hvor?: Campus Ås
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: Bokstavkarakterer