Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DOĞA BİLİMİNE GİRİŞCPE4121040Güz Dönemi3+036
Ders Programı

Salı 14:40-15:30

Salı 15:40-16:30

Salı 16:40-17:30

Cuma 14:40-15:30

Cuma 15:40-16:30

Cuma 16:40-17:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Arzu Burçak ŞENKAL
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, biyolojik dizilerin analizinde kullanılan temel biyoinformatik algoritmalarını ve hesaplamalı yöntemleri tanıtmak ve öğrencilerin bu yöntemleri biyolojik veri analizi problemlerinde kullanabilmelerini sağlamaktır.
Dersin İçeriğiBu ders; Biyoinformatiğe giriş ve biyolojik diziler ,Biyoinformatik problemlerine genel bakış ,Genom montaj süreci ve dizileme teknolojileri ,De Bruijn grafikleri ve Euler yolları ,Çiftli dizi hizalama algoritmaları ve dinamik programlama ,Dizi hizalama türleri: global hizalama ve lokal hizalama ,Hizalamaların istatistiksel anlamlılığı, FASTA ve BLAST algoritmaları ,Arasınav,Suffix tree ve suffix array veri yapıları ,Profil modelleri ve pozisyona özgü skor matrisleri (PSSM) ,Hidden Markov modelleri ,Hidden Markov modellerinin devamı ,Filogenetik ağaçların temelleri ,UPGMA algoritması ,Neighbor Joining (NJ) yöntemi ,Final Sınavı; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Biyoinformatik problemlerinin çözümünde kullanılan temel hesaplamalı yaklaşımları ve algoritmaları açıklar.
Biyolojik diziler için kullanılan çiftli ve çoklu dizi hizalama yöntemlerini karşılaştırır.
Genom montajı ve örüntü arama problemlerinde kullanılan veri yapıları ve algoritmaları (ör. suffix tree, suffix array) açıklar.
Biyolojik dizilerin analizinde kullanılan olasılıksal modelleri (ör. profil modelleri ve Hidden Markov modelleri) yorumlar.
Biyolojik diziler arasındaki evrimsel ilişkileri incelemek için kullanılan filogenetik ağaç oluşturma yöntemlerini uygular.
Biyoinformatik veri analizi sonuçlarını biyolojik problemler bağlamında yorumlar.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Biyoinformatiğe giriş ve biyolojik diziler
2Biyoinformatik problemlerine genel bakış
3Genom montaj süreci ve dizileme teknolojileri
4De Bruijn grafikleri ve Euler yolları
5Çiftli dizi hizalama algoritmaları ve dinamik programlama
6Dizi hizalama türleri: global hizalama ve lokal hizalama
7Hizalamaların istatistiksel anlamlılığı, FASTA ve BLAST algoritmaları
8Arasınav
9Suffix tree ve suffix array veri yapıları
10Profil modelleri ve pozisyona özgü skor matrisleri (PSSM)
11Hidden Markov modelleri
12Hidden Markov modellerinin devamı
13Filogenetik ağaçların temelleri
14UPGMA algoritması
15Neighbor Joining (NJ) yöntemi
16Final Sınavı
Kaynak
Introduction to Bioinformatics. By Arthur M. Lesk, Oxford University Press. An Introduction to Bioinformatics Algorithms. By Neil C. Jones and Pavel A. Pevzner. MIT Press.
C.A. Orengo, D.T. Jones and J.M.Thornton, Bioinformatics: Genes, Proteins and Computers, Roultledge, 2003. A. M. Lesk, Introduction to Bioinformatics, Oxford University Press, 2002. Durbin, R., Eddy, S. R., Krogh, A., & Mitchison, G. (1998). Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. Cambridge University Press. Compeau, P., & Pevzner, P. (2024). Bioinformatics Algorithms: An Active Learning Approach (3rd ed.). Active Learning Publishers

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen ve mühendislik bilgilerini karmaşık mühendislik problemlerinin modellenmesi ve çözümünde uygular.
X
2
Karmaşık mühendislik problemlerini uygun analiz ve modelleme yöntemleriyle çözer.
X
3
Karmaşık sistem, süreç ve ürünleri gerçekçi kısıtlar altında modern tasarım yöntemleriyle tasarlar.
X
4
Mühendislik problemlerine yönelik modern teknik ve araçları etkin biçimde kullanır.
X
5
Mühendislik problemlerine ilişkin deneysel verileri analiz eder.
X
6
Disiplin içi ve çok disiplinli takımlarda bireysel sorumluluk bilinciyle etkin çalışır.
7
Türkçe ve en az bir yabancı dilde etkili sözlü ve yazılı iletişim kurar.
X
8
Yaşam boyu öğrenme yaklaşımıyla mesleki bilgi ve becerilerini geliştirir.
X
9
Mesleki ve etik sorumluluklarını ilgili ilkeler çerçevesinde değerlendirir.
X
10
Proje, risk ve değişim yönetimi süreçlerini girişimcilik ve sürdürülebilirlik ilkeleri çerçevesinde değerlendirir.
11
Mühendislik uygulamalarının toplumsal, çevresel, güvenlik ve hukuksal etkilerini değerlendirir.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat)0
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30)0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
DOĞA BİLİMİNE GİRİŞCPE4121040Güz Dönemi3+036
Ders Programı

Salı 14:40-15:30

Salı 15:40-16:30

Salı 16:40-17:30

Cuma 14:40-15:30

Cuma 15:40-16:30

Cuma 16:40-17:30

Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüPrograma Bağlı Seçmeli
Dersin Koordinatörü
Dersi VerenlerDr.Öğr.Üye. Arzu Burçak ŞENKAL
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, biyolojik dizilerin analizinde kullanılan temel biyoinformatik algoritmalarını ve hesaplamalı yöntemleri tanıtmak ve öğrencilerin bu yöntemleri biyolojik veri analizi problemlerinde kullanabilmelerini sağlamaktır.
Dersin İçeriğiBu ders; Biyoinformatiğe giriş ve biyolojik diziler ,Biyoinformatik problemlerine genel bakış ,Genom montaj süreci ve dizileme teknolojileri ,De Bruijn grafikleri ve Euler yolları ,Çiftli dizi hizalama algoritmaları ve dinamik programlama ,Dizi hizalama türleri: global hizalama ve lokal hizalama ,Hizalamaların istatistiksel anlamlılığı, FASTA ve BLAST algoritmaları ,Arasınav,Suffix tree ve suffix array veri yapıları ,Profil modelleri ve pozisyona özgü skor matrisleri (PSSM) ,Hidden Markov modelleri ,Hidden Markov modellerinin devamı ,Filogenetik ağaçların temelleri ,UPGMA algoritması ,Neighbor Joining (NJ) yöntemi ,Final Sınavı; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
Biyoinformatik problemlerinin çözümünde kullanılan temel hesaplamalı yaklaşımları ve algoritmaları açıklar.
Biyolojik diziler için kullanılan çiftli ve çoklu dizi hizalama yöntemlerini karşılaştırır.
Genom montajı ve örüntü arama problemlerinde kullanılan veri yapıları ve algoritmaları (ör. suffix tree, suffix array) açıklar.
Biyolojik dizilerin analizinde kullanılan olasılıksal modelleri (ör. profil modelleri ve Hidden Markov modelleri) yorumlar.
Biyolojik diziler arasındaki evrimsel ilişkileri incelemek için kullanılan filogenetik ağaç oluşturma yöntemlerini uygular.
Biyoinformatik veri analizi sonuçlarını biyolojik problemler bağlamında yorumlar.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Biyoinformatiğe giriş ve biyolojik diziler
2Biyoinformatik problemlerine genel bakış
3Genom montaj süreci ve dizileme teknolojileri
4De Bruijn grafikleri ve Euler yolları
5Çiftli dizi hizalama algoritmaları ve dinamik programlama
6Dizi hizalama türleri: global hizalama ve lokal hizalama
7Hizalamaların istatistiksel anlamlılığı, FASTA ve BLAST algoritmaları
8Arasınav
9Suffix tree ve suffix array veri yapıları
10Profil modelleri ve pozisyona özgü skor matrisleri (PSSM)
11Hidden Markov modelleri
12Hidden Markov modellerinin devamı
13Filogenetik ağaçların temelleri
14UPGMA algoritması
15Neighbor Joining (NJ) yöntemi
16Final Sınavı
Kaynak
Introduction to Bioinformatics. By Arthur M. Lesk, Oxford University Press. An Introduction to Bioinformatics Algorithms. By Neil C. Jones and Pavel A. Pevzner. MIT Press.
C.A. Orengo, D.T. Jones and J.M.Thornton, Bioinformatics: Genes, Proteins and Computers, Roultledge, 2003. A. M. Lesk, Introduction to Bioinformatics, Oxford University Press, 2002. Durbin, R., Eddy, S. R., Krogh, A., & Mitchison, G. (1998). Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. Cambridge University Press. Compeau, P., & Pevzner, P. (2024). Bioinformatics Algorithms: An Active Learning Approach (3rd ed.). Active Learning Publishers

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen ve mühendislik bilgilerini karmaşık mühendislik problemlerinin modellenmesi ve çözümünde uygular.
X
2
Karmaşık mühendislik problemlerini uygun analiz ve modelleme yöntemleriyle çözer.
X
3
Karmaşık sistem, süreç ve ürünleri gerçekçi kısıtlar altında modern tasarım yöntemleriyle tasarlar.
X
4
Mühendislik problemlerine yönelik modern teknik ve araçları etkin biçimde kullanır.
X
5
Mühendislik problemlerine ilişkin deneysel verileri analiz eder.
X
6
Disiplin içi ve çok disiplinli takımlarda bireysel sorumluluk bilinciyle etkin çalışır.
7
Türkçe ve en az bir yabancı dilde etkili sözlü ve yazılı iletişim kurar.
X
8
Yaşam boyu öğrenme yaklaşımıyla mesleki bilgi ve becerilerini geliştirir.
X
9
Mesleki ve etik sorumluluklarını ilgili ilkeler çerçevesinde değerlendirir.
X
10
Proje, risk ve değişim yönetimi süreçlerini girişimcilik ve sürdürülebilirlik ilkeleri çerçevesinde değerlendirir.
11
Mühendislik uygulamalarının toplumsal, çevresel, güvenlik ve hukuksal etkilerini değerlendirir.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu