Om dette emnet

  • Moderne sekvenseringsteknologi, shotgun og amplicon-sekvensering.
  • Assemblering og annotering av prokaryote genomer og metagenomer.
  • Komparativ genomikk og metagenomikk.
  • Analyse av data fra mikrobielle samfunn.
  • Bruk av tungregne-ressurser.

Kompetanse i bioinformatikk kan brukes for bidra til alle bærekraftsmål som innvolerer biologi (helse, mat, natur).

Dette lærer du

KUNNSKAPER:

  • Skal kjenne til en rekke relevante bioinformatiske verktøy som benyttes innen mikrobiell genomikk, samt ideene bak de vanligste algoritmene knyttet til disse.
  • Bli kjent med et UNIX regne-cluster og enkel bruk av shell-scripting.
  • Kjenne til noen vanlige statistiske metoder for metagenomstudier og anvende disse på reelle data gjennom bruk av R og R-pakker.

FERDIGHETER:

  • Studentene skal kunne anvende elementer av temaene over til å løse problemer i prosjektoppgaver i emnet.
  • Lage enkle script i shell og R og kjøre tyngre analyser på et UNIX regne-cluster.
  • Studentene skal kunne presentere fagaktuelt materiale, både muntlig og skriftlig.

GENERELL KOMPETANSE:

  • Kunne sette seg inn i framtidens pipelines for (meta)genomstudier.
  • Praktisk programmeringskompetanse rettet mot analyse av bio-data.

  • Læringsaktiviteter

    • Emnet baserer seg på en digital plattform bestående av skriftlig materiale i form av en serie markdown-dokumenter og en rekke filmer (screencast).
    • All fysisk undervisning foregår gjennom ukentlige øvingstimer, som brukes til diskusjon og oppklaring rundt oppgaver, samt enkle forelesninger over temaer det ønskes utdypning av.
    • Det avsettes også tid til muntlig presentasjon av prosjekter.

  • Læringsstøtte

    Aktiv bruk av Canvas.

  • Pensum

    Vil bli spesifisert ved emnets oppstart.

  • Forutsatte forkunnskaper

    • Introduksjon til bioinformatikk (BIN210)
      • Litt kjennskap til moderne sekvensering
      • Grunnleggende om sekvens-sammenstillinger, parvise, multiple, databasesøk (BLAST)
      • Grunnleggende om fylogeni
    • Introduksjon til statistikk (STAT100)
      • Kjennskap til stokastiske variable og parametre
      • Grunnleggende sannsynlighets-regning, betingede sannsynligheter
    • Introduksjon til programmering (STIN100)
      • Kjenne datatypene numeric, character, logical, factor
      • Kjenne datastrukturene vector (array), matrise, tabell (tibble/data.frame), liste
      • Kjenne til konsepter som løkker og funksjoner/metoder

    Emnet krever ingen avansert koding, men vi har heller ingen tid til generell opplæring i koding. All koding vil foregå i R eller shell (bash).

  • Anbefalte forkunnskaper

    Programmering, samt statistikk utover introduksjonsnivå.

  • Vurderingsordning, hjelpemiddel og eksamen

    Mappevurdering. Det blir gitt flere prosjektoppgaver, og alle prosjekter må være bestått for at emnet skal være bestått.

    Mappevurdering Karakterregel: Bestått/ Ikke bestått

  • Om bruk av KI

    K3: Vi oppfordrer til å bruke AI som et verktøy for å støtte egen læring - som en diskusjons-partner, til forbedring av språk eller å foreslå R-kode. Men alt innlevert arbeid må være et produkt av eget arbeid og egen forståelse. Direkte kopiering av AI-generert innhold uten betydelig personlig bidrag, redigering, kommentering eller diskusjon er ikke tillatt. Hvis du bruker AI skal det oppgis eksakt hvilken AI som ble brukt og til hva den ble brukt.

    Her finner du KI-kategoriene beskrevet.

  • Sensorordning

    • Intern sensur.
    • Ekstern sensor godkjenner opplegg for vurdering.

  • Merknader

    Studenter må ha egen laptop til øvinger.

  • Undervisningstider

    6 timer med aktiv undervisning per uke. Dette er en blanding av forelesninger, "hands-on"-øvinger og oppgaveløsning i grupper

  • Fortrinnsrett

    M-BIAS, M-BIOTEK, M-KB, M-GS

  • Opptakskrav

    Realfag