Basics of Bioinformatics - Plan Szkolenia

Podstawowe koncepcje & Architektura danych biologicznych

• Główne domeny bioinformatyki: genomika, transkryptomika, proteomika i biologia strukturalna
• Formaty i standardy danych: FASTA, GenBank, EMBL, PDB, FASTQ i metadane tabelaryczne
• Ekosystemy baz danych: scentralizowane repozytoria, dostęp przez API i strategie integracji danych
• Myślenie algorytmiczne w biologii: jak modele obliczeniowe reprezentują molekuły biologiczne i interakcje
• Praktyczne laboratorium: Nawigacja po bazach danych, konwersja formatów i ćwiczenia z ekstrakcji metadanych z quizami na żywo

Wyrównania sekwencji & Mapowanie homologii

• Zasady wyrównania sekwencji: globalne vs. lokalne, macierze substytucji (BLOSUM, PAM) i kary za przerwy
• Przepływy pracy wielokrotnego wyrównania sekwencji: Clustal Omega, MUSCLE i strategie wyrównania progresywnego
• Wyrównywanie i wizualizacja wyników: Jalview, ocena wyrównania, analiza konserwacji i identyfikacja motywów
• Praktyczne laboratorium: Wyrównywanie sekwencji kodujących i niekodujących, interpretacja wzorców konserwacji i walidacja jakości wyrównania

BLAST & Jego zastosowania

• Mechanika algorytmu BLAST: metoda seed-and-extend, heurystyczne wyszukiwanie i istotność statystyczna (wartość E, wynik bitowy)
• Warianty BLAST: nukleotydowy, białkowy, tblastn, megablast i PSI-BLAST do iteracyjnego odkrywania
• Interpretacja wyników BLAST: identyfikacja homologów, wnioskowanie o funkcji i mapowanie na domeny funkcjonalne
• Praktyczne laboratorium: Przeprowadzanie ukierunkowanych wyszukiwań BLAST, filtrowanie wyników, ekstrakcja adnotacji funkcjonalnych i quizy walidacyjne

Narzędzia translacji & Analiza kodonów

• Translacja kodu genetycznego: znajdowanie ORF, rozpoznawanie kodonów start/stop i wykrywanie ramek
• Bias użycia kodonów, zawartość GC i implikacje stabilności mRNA dla systemów ekspresyjnych
• Optymalizacja translacji: indeksy adaptacji kodonów, unikanie miejsc restrykcyjnych i zasady projektowania genów syntetycznych
• Praktyczne laboratorium: Predykcja ORF, analiza biasu kodonów i ćwiczenia z optymalizacji translacji z walidacją wyrównania

Projektowanie starterów & Planowanie eksperymentów

• Podstawy projektowania starterów: długość, Tm, GC clamp, unikanie dimerów/pętli i ograniczenia rozmiaru ampliconu
• Metryki oceny starterów: ocena specyficzności, screening reakcji krzyżowych i predykcja struktury drugorzędowej
• Przepływy pracy w oprogramowaniu: Primer3, OligoAnalyzer i walidacja in silico PCR na genomach referencyjnych
• Praktyczne laboratorium: Projektowanie ukierunkowanych starterów dla danego genu, ocena metryk wydajności i rozwiązywanie typowych problemów projektowych

Predykcja epitopów & Przepływy pracy w immunoinformatyce

• Rodzaje epitopów: liniowe vs. konformacyjne, epitopy komórek B vs. T i predykcja wiązania MHC
• Algorytmy predykcyjne: NetMHC, BepiPred, integracja narzędzi IEDB i interpretacja wyników
• Przełożenie predykcji na walidację eksperymentalną: synteza peptydów, testy wiązania i procesy rozwoju przeciwciał
• Praktyczne laboratorium: Przesyłanie sekwencji do serwerów predykcji epitopów, filtrowanie wyników o wysokiej pewności i mapowanie klastrów epitopów na domeny białkowe

Predykcja struktury drugorzędowej & Dynamika fałdowania

• Poziomy struktury białek i zasady fałdowania: wiązania wodorowe, kolaps hydrofobowy i formowanie się β-kart/α-helis
• Metodologie predykcji: Chou-Fasman, GOR, predyktory oparte na sieciach neuronowych i modelowanie bez szablonów
• Interpretacja wyników: oceny pewności, elastyczność na poziomie regionów i mapowanie domen funkcjonalnych
• Praktyczne laboratorium: Uruchamianie predyktorów struktury na docelowych białkach, wizualizacja elementów struktury drugorzędowej i korelacja predykcji z danymi eksperymentalnymi

Analiza filogenetyczna & Wnioski ewolucyjne

• Zasady konstrukcji drzew: metody oparte na odległości, maksymalna parsymonia, maksymalne prawdopodobieństwo i metody bayesowskie
• Przepływy pracy od wyrównania do drzewa: maskowanie, przycinanie, modele substytucji i bootstrapping dla oceny pewności
• Wizualizacja i adnotacja drzew: zakorzenienie, interpretacja kladów, wybór outgroup i mapowanie cech funkcjonalnych
• Praktyczne laboratorium: Budowanie drzewa filogenetycznego z wyrównanych sekwencji, ocena wsparcia bootstrap i adnotowanie kladów metadanymi biologicznymi

Zintegrowane przepływy pracy, rozwiązywanie problemów & Zastosowanie końcowe

• Projektowanie pipeline'ów: łączenie narzędzi, zarządzanie zależnościami i automatyzacja powtarzalnych zadań bioinformatycznych
• Typowe pułapki: dryf wersji baz danych, błędna konfiguracja parametrów, nadmierne dopasowanie predykcji i błędy w krzyżowym odwoływaniu się
• Ocena algorytmów: rozpoznawanie ograniczeń narzędzi, kiedy zmienić predyktory i walidacja wyników obliczeniowych na podstawie danych z laboratorium
• Projekt końcowy: Uczestnicy wybierają pytanie biologiczne, pobierają dane, uruchamiają ukierunkowaną analizę, interpretują wyniki i prezentują wnioski wraz z dokumentacją rozwiązywania problemów i uzasadnieniem wyboru narzędzi
• Otwarta recenzja, wzmocnienie koncepcji i dystrybucja zasobów do dalszego samodzielnego studiowania