ΒΙΟ-101.1

Εισαγωγή στα μαθηματικά - Γραμμική άλγεβρα 

Y

3

Σύντομη περιγραφή:

Πίνακες, διανύσματα (  • Διανύσματα και πράξεις διανυσμάτων,  • Πίνακες και πράξεις πινάκων, 

  • Γραμμικοί συνδυασμοί διανυσμάτων,  • Αντιστρέψιμοι πίνακες)

Γραμμικά συστήματα (  • Απαλοιφή Gauss,   • Πλήρης λύση m x n συστήματος,   • Τάξη πίνακα, 

  • Ανάλυση LDU)

Ορίζουσα (  • Ορισμός, ιδιότητες,  • Υπολογισμός ορίζουσας,  • Προσαρτημένος (adjoint) πίνακας, αντίστροφος,  • Κανόνας του Cramer,   • Εμβαδό, όγκος)

Διανυσματικοί χώροι (  • Υπόχωροι, κριτήριο υποχώρου,   • Παραγωγή υπόχωρου,   • Γραμμική ανεξαρτησία,   • Βάση, διάσταση,   • Μηδενόχωρος, χώρος στηλών πίνακα)

Γραμμικές απεικονίσεις (  • Ορισμός, ιδιότητες,  • Πράξεις γραμμικών απεικονίσεων,  • Πυρήνας, εικόνα

  • Πίνακας γραμμικής απεικόνισης,  • Σύνθεση γραμμικών απεικονίσεων)

Ιδιοτιμές, Ιδιοδιανύσματα (  • Ορισμός, ιδιότητες,  • Χαρακτηριστικό πολυώνυμο,  • Ιδιόχωροι,

  • Αλγεβρική και γεωμετρική πολλαπλότητα,   • Διαγωνιοποίηση πίνακα)

Ορθογωνιότητα (  • Εσωτερικό γινόμενο,  • Προβολή,  • Ορθογωνιοποίηση Gram-Schmidt,   • Ανάλυση QR)

ΒΙΟ-101.2

Θεωρία πιθανοτήτων και Στατιστική

Y

6

Σύντομη περιγραφή:

Θεωρία Πιθανοτήτων. Γεγονότα και Χώρος γεγονότων; Βασικά στοιχεία Συνδυαστικής Πράξεις, νόμοι Πιθανοτήτων και ανεξαρτησία γεγονότων; Γενετικά γενεαλογικά δένδρα και πιθανότητες; Ανισορροπία σύνδεσης (linkage disequilibrium) και πιθανότητες; Ισορροπία κατά HW και πιθανότητες; Δεσμευμένη πιθανότητα, ο νόμος της ολικής πιθανότητας, ο κανόνας του Baye’s;  Ευαισθησία/Ειδικότητα κλινικών τεστ Βιοδείκτες και πιθανότητες; Τυχαίες μεταβλητές και (διακριτές) Κατανομές Πιθανοτήτων, Αναμενόμενη/Μέση τιμή τυχαίων μεταβλητών; Από-κοινού τυχαίες μεταβλητές, Συνδιακύμανση και Συσχέτιση τυχαίων μεταβλητών; Στοιχεία γραφοθεωρίας και Βιολογικά Δίκτυα. Πιθανοθεωρητική μοντελοποίηση στην αντιμετώπιση Βιολογικών και Ιατρικών προβλημάτων.

Στατιστική. Γραφικές αναπαραστάσεις δεδομένων; Τυχαίες μεταβλητές και (συνεχείς) κατανομές; Τύποι δειγματοληψίας και σχεδιασμού; Εκτίμηση μέσω maximum likelihood; Έλεγχος υποθέσεων και Διαστήματα Εμπιστοσύνης (για μέσα και αναλογίες); Σφάλματα τύπου Ι/ΙΙ και p-τιμές.; Έλεγχος υποθέσεων μέσω υπολογιστικών τεχνικών (bootstrap και permutation); Συσχετίσεις για συνεχείς μεταβλητές (συντελεστές Pearson και Spearman), συσχέτιση κατηγορικών μεταβλητών (Chi-squared τεστ ανεξαρτησίας); Γραμμική παρεμβολή (linear regression); Μέθοδοι ψευδούς ανακάλυψης στον έλεγχο πολλαπλών υποθέσεων.

ΒΙO-102.1

Βάσεις δεδομένων μεγάλου όγκου βιοϊατρικού περιεχομένου

Y

3

Σύντομη περιγραφή:

Αναλυτική αρουσίαση βάσεων δεδομένων βιολογικών δεδομένων με έμφαση στην δυνατότητα αναζήτησης και μεταφόρτωσης σετ σχετικών δεδομένων καθώς και περιγραφή της δομής τους. Ιδιαίτερη αναφορά στο οικοσύστημα βάσεων δεδομένων του NCBI και την γλώσσα αναζήτησης Entrez, της Ensembl και της Ensembl genomes, του UCSC, της ENCODE και των KEGG, STRING , STITCH καθώς και των API τους και των τρόπο για μαζική ανάκτηση δεδομένων (πχ Biomart)

ΒΙO-102.2

Εισαγωγή στο Linux

Υ

3

Σύντομη περιγραφή:

Κατά τη διάρκεια του μαθήματος οι φοιτητές θα μάθουν:

• Το γραφικό περιβάλλον του Linux

• Η γραμμή εντολών και οι κυριότερες εντολές με στόχο τόσο την διαχείρηση του μηχανήματος όσο και την καθημερινή χρήση σε βιοπληροφορικά προβλήματα

• Εκτέλεση προγραμμάτων για βιοπληροφορικές αναλύσεις, τόσο προγράμματα που έχουν οι ίδιοι υλοποιήσει όσο και προγραμμάτων που βρίσκουμε στο github ή σεά λλες βάσεις

• Αντιμετώπιση προβλημάτων βιοπληροφορικής φύσης

• Φυλογένεση, blast, ng

COMP-101

Βασικές αρχές Κυτταρικής και Μοριακής Βιολογίας

Y

6

Σύντομη περιγραφή:

Στα πλαίσια αυτού του  μαθήματος οι φοιτητές/τριες του μεταπτυχιακού προγράμματος Βιοπληροφορικής διδάσκονται τις βασικές αρχές της κυτταρικής και μοριακής βιολογίας και σύγχρονες μεθοδολογικές προσεγγίσεις για την ανάλυση λειτουργικών δομών και οργανιδίων του κυττάρου. Απώτερος στόχος του μαθήματος είναι να συμβάλλει στην κατανόηση των βασικών μηχανισμών που διέπουν τη δομή και λειτουργία του κυττάρου. 

Χημική σύσταση των κυττάρων – Μακρομόρια, Δομή DNA και χρωματίνης, Αντιγραφή και επιδιόρθωση DNA, Μεταγραφή – Μετάφραση, Ανάλυση του DNA και του γονιδιώματος, Γενετική μηχανική - Δημιουργία διαγονιδιακών ζώων, Γονιδιωματική και μεταγραφομική (Genomics-transcriptomics), Πρωτεΐνες: Δομή και λειτουργία/ Εργαλεία ανάλυσης πρωτεϊνικής δομής και λειτουργίας, Κυτταρική βιολογία: Κυτταρικά οργανίδια- Κυτταρικός κύκλος 

COMP-102.1

Εισαγωγή στη Γενετική

Y

6

Σύντομη περιγραφή: 

Η χρωματοσωμική βάση της κληρονομικότητας. Δομή και λειτουργία χρωματοσωμάτων & γονιδίων.
Διαδικτυακά εργαλεία: Pubmed/OMIM. Μονογονιδιακή Κληρονόμηση. Εργαλεία Μοριακής Γενετικής. Γενετική ποικιλία, πολυμορφισμός και μεταλλαγή.  

Το ανθρώπινο γονιδίωμα: Χαρτογράφηση, ανάλυση
σύνδεσης, προσδιορισμός αλληλουχίας. Γενετικά αποτυπώματα και ιατροδικαστική.
Γενετική του καρκίνου. Ασκήσεις Γενετικής.

COMP-102.2

Εισαγωγή στην Εξελικτική Βιολογία

Y

3

Σύντομη περιγραφή: 

Το μάθημα περιλαμβάνει μια εισαγωγή στις βασικές έννοιες τις εξελικτικής βιολογίας όπως στους μηχανισμούς της εξέλιξης των πληθυσμών, την εξέλιξη των γονιδιωμάτων, την ειδογένεση, τη φυλετική επιλογή και την αναπτυξιακή εξελικτική βιολογία.

BC-201

Εισαγωγή στον προγραμματισμό με Python  

Y

5

Σύντομη περιγραφή:

Το μάθημα είναι μία εισαγωγή στον προγραμματισμό μέσω της γλώσσας python. Επικεντρώνεται στη διδασκαλία της γλώσσας, στην υιοθέτηση σωστών προγραμματιστικών πρακτικών και εισάγει στη ανάλυση μεγάλων δεδομένων.

BC-202

Εισαγωγή στην R για Βιοπληροφορική

Y

6

Σύντομη περιγραφή:

Το μάθημα “εισαγωγή στην R για βιοπληροφορικη “ στοχεύει στην εξοικείωση των φοιτητών με την γλώσσα προγραμματισμού R για την ανάλυση γενετικών δεδομένων. Συγκεκριμένα στην ανάλυση τόσο αλληλουχιων DNA και RNA όσο και στην ανάλυση ποσοτικων δεδομένων όπως τιμών έκφρασης γονιδίων

BC-203

Μέθοδοι για ανάλυση βιοϊατρικών δεδομένων

Y

6

Σύντομη περιγραφή:

Μέθοδοι Ανάλυσης Δεδομένων στη Βιοπληροφορική με χρήση μηχανικής μάθησης. Δεδομένα σε πολλές διαστάσεις. Ανάλυση και οπτικοποίηση τους με μεθόδους μείωσης διαστάσεων (dimensionality reduction). Principal Component Analysis (PCA) .Kernel Methods και Kernel PCA 

Ομαδοποίηση/Κατηγοριοποίηση δεδομένων -  clustering algorithms. Η μέθοδος K-means και K-medoids

Μοντέλα Πιθανοτήτων (Probabilistic models): probabilistic PCA and Gaussian Mixture Models. Εύρεση μεταβλητών της μέγιστης πιθανοφάνειας με χρήση του EM αλγορίθμου. 

Εργασίες με αληθινά δεδομένα και χρήση των αλγορίθμων.

BC-204

Ανάλυση δεδομένων τεχνολογιών omics

Υ

6

Σύντομη περιγραφή :

Συγκριτική παρουσίαση τεχνικών αλληλούχισης DNA. Ποιοτικός έλεγχος παραγώμενων αναγνωσμάτων. Τεχνικές συναρμολόγησης γονιδιωμάτων (προκαρυωτικών και ευκαρυωτικών οργανισμών). Μεταγραφωματική ανάλυση (RNA-Seq) . ChIP-Seq, δομή χρωματίνης.Επιγενετικές τροποποιήσεις.

BC-205

Αλγόριθμοι στη Βιοπληροφορική

Y

7

Σύντομη περιγραφή:

Το μάθημα διαρθρώνεται σε 10 θεματικές ενότητες που καλύπτουν 13 εκπαιδευτικές εβδομάδες και οι οποίες είναι οι εξής:
1. Εισαγωγή στους Αλγορίθμους. Είδη αλγορίθμων, Πολυπλοκότητα, Επανάληψη και Αναδρομή.
2. Ανάλυση Βιολογικών Αλληλουχιών. Αλγόριθμοι Ανάλυσης Σύστασης Αλληλουχιών. Τεχνικές hashing.
3. Μοτίβα Αλληλουχιών Ι. Προσδιορισμός και Εντοπισμός Μοτίβων. Εντροπία Shannon.
4. Μοτίβα Αλληλουχιών ΙΙ. Ανακάλυψη Νέων Μοτίβων. Αλγόριθμος Gibbs Sampling.
5. Στοίχιση Αλληλουχιών. Ζευγαρωτή Στοίχιση. Αλγόριθμοι Needlemann-Wunsch και Smith Waterman. Tεχνικές Δυναμικού Προγραμματισμού
6. Ταχείες Αναζητήσης Ομοιότητας Αλληλουχιών. Αλγόριθμοι String Matching (KMP, BM). Αλγόριθμοι FASTA, BLAST.
7. Αλγόριθμοι Ανάλυσης Δεδομένων Αλληλούχισης Νέας Γενιάς (NGS). Suffix Trees και Burrows-Wheeler Transform.
8. Ανάλυση Δεδομένων Γονιδιωματικών Συντεταγμένων. Bedtools.
9. Βιολογικά Δίκτυα. Εισαγωγή και Βασικές Τοπολογικές και Στατιστικές Ιδιότητες Δικτύων.
10. Αλγόριθμοι Ανάλυσης Δικτύων και Εφαρμογές σε Βιολογικά Δίκτυα. Αλγόριθμοι DFS/BFS. Αλγόριθμος Dijkstra. Τεχνικές Ομαδοποίησης Δικτύων.

BC-301 

Βιοπληροφορική για μικροβιωματικές μελέτες βασισμένες σε δεδομένα αμπλικονίων.

Ε

5

Σύντομη περιγραφή:

Εισαγωγή στην μικροβιωματική. 

Εφαρμογές βιοπληροφορικής στην μικροβιωματική.

Ανατομία μιας μελέτης μικροβιώματος βασισμένης στα αμπλικόνια.

Βήματα για την επεξεργασία πρωτογενών δεδομένων μελετών μικροβιώματος.

Ανάπτυξη προγραμματιστικών ροών για την επεξεργασία πρωτογενών δεδομένων. 

Αρχές μικροβιακής οικολογίας και ερωτήματα σχετικά με μελέτες μικροβιώματος.

Εργαλεία για την ανάλυση και οπτικοποίηση μικροβιωματικών δεδομένων.  

BC-302 

Ειδικά θέματα Στατιστικής ΙΙ

Ε

5

Σύντομη περιγραφή:

Το μάθημα ξεκινά με μία εισαγωγή στη στατιστική, βασικούς ορισμούς όπως τι είναι μια τυχαία μεταβλητή, τι είναι κατανομή και συνεχίζει με εκτίμηση παραμέτρων μέσω μέγιστης πιθανοφάνειας. Εν συνεχεία παρουσιάζονται έλεγχοι υποθέσεων (ασυμπτωτικές και υπολογιστικά ακριβές τεχνικές) και διαστήματα εμπιστοσύνης. Ακολουθεί η συσχέτιση μεταξύ δύο τυχαίων μεταβλητών, η τεχνική της παλινδρόμησης (γραμμικής, εύρωστης γραμμικής και μη γραμμικής), καθώς και ο έλεγχος ανάλυσης διακύμανσης. Στο μεγαλύτερο μέρος του μαθήματος γίνεται χρήση της στατιστικής γλώσσας R.

BC-303 

Γονιδιωματική και εξέλιξη (Μέθοδοι και εξέλιξη γονιδιωμάτων)

E

5

Σύντομη περιγραφή:

Εισαγωγή στην εποχή της γονιδιωματικής με πλήρη περιγραφή των βιοπληροφορικών προσεγγίσεων για την κατασκευή γονιδιωμάτων αναφοράς, τον χαρακτηρισμό των γονιδίων τους, τη μελέτη της φυλογενετικής τους σχέσης με χρήση ολόκληρου του γονιδιώματος, την σύγκριση της συνταινίας τους και την κατανόηση της εξέλιξης τους με βάση την εξελικτική πορεία κάθε ομάδας. 

BC-304

Λειτουργική Πρωτεϊνωματική και Βιολογία Συστημάτων

E

5

Σύντομη περιγραφή:

Το μάθημα έχει ως βασικό μαθησιακό στόχο την εισαγωγή στους μεταπτυχιακούς φοιτητές στις βασικές αρχές της λειτουργικής πρωτεϊνωματικής ανάλυσης και της βιολογίας συστημάτων καθώς και στην εξοικείωσή τους στις βασικές μεθόδους που χρησιμοποιούνται με έμφαση στα εργαλεία βιοπληροφορικής ανάλυσης. Τα δύο αυτά πεδία αιχμής της σύγχρονης έρευνας στις βιολογικές και βιοιατρικές επιστήμες, εξελίσσονται διαρκώς προσπαθώντας να κατανοήσουν με λεπτομέρια και ακρίβεια την λειτουργία πολύπλοκων βιολογικών συστημάτων που απαιτείται για την ανάπτυξη εφαρμογών σε διαφορετικά πεδία αιχμής σε όλες τις Επιστήμες Ζωής (Βιοχημεία, Βιολογία, Ιατρική, Φαρμακευτική, Κτηνιατρική), αλλά και σε άλλες επιστήμες, όπως Χημεία, Αρχαιολογία, Οικολογία, Περιβαλλοντική Χημεία, Δασολογία, Αγροδιατροφή κ.α.. Στο πλαίσιο του μαθήματος θα περιγραφούν όλες οι τρέχουσες μεθοδολογίες (wet and dry lab, in silico) λειτουργικής πρωτεϊνωματικής ανάλυσης και της βιολογίας συστημάτων με παραδείγματα εφαρμογών σε διαφορετικά επιστημονικά πεδία. Οι μεταπτυχιακοί φοιτητές θα έχουν την δυνατότητα να δουν με λεπτομέρια τα σύγχρονα βιοπληροφορικά εργαλεία και τις βάσεις δεδομένων που είναι διαθέσιμα και θα εκπαιδευτούν στην χρήση τους μέσα από συγκεκριμένα παραδείγματα. Η αξιολόγηση των φοιτητών θα γίνει με μικρές εργασίες ανά θεματική ενότητα (4 μικρές εργασίες) και μία τελική εργασία την οποία θα παρουσιάσουν στο τέλος του μαθήματος. Για την καλύτερη εκπαίδευση των φοιτητών θα δωθούν σημειώσεις, παρουσιάσεις, βιβλιογραφία και σύνδεσμοι στο διαδίκτυο με εκπαιδευτικό οπτικοακουστικό υλικό.

BC-305

Απαντήσεις σε βιολογικά ερωτήματα με την χρήση σύγχρονων μεθόδων αλληλούχισης DNA: Από τον πάγκο του εργαστηρίου στην ανάλυση των δεδομένων

E

5

Σύντομη περιγραφή:

Το μάθημα περιλαμβάνει θεματικές ενότητες: 1) Γενετική ανάλυση και απάντηση κλινικών ερωτημάτων με – GWAS – Exome Sequencing – Whole Genome Sequencing, 2) RNA-seq και ανάλυση μεταγραφώματος – Single Cell RNA-seq και βιολογική ετερογένεια – Μη κωδικοποιό γονιδίωμα, 3) Δομή της χρωματίνης – Επιγενετική – Μεταγραφική Ρύθμιση, 4) Δομή του πυρήνα – Οργάνωση του γονιδιώματος – Τεχνολογίες χαρτογράφησης δομής του πυρήνα και ερωτήματα που απαντούν.

BC-306

Σχεσιακές βάσεις δεδομένων

E

5

Σύντομη περιγραφή:

Οι σχεσιακές βάσεις δεδομένων  αποτελούνται από συσχετισμένους πίνακες δεδομένων και μηχανισμούς που παρέχουν την εισαγωγή, εύρεση, και διαγραφή δεδομένων. Θα χρησιμοποιήσουμε το ανοικτού κώδικα σύστημα διαχείρισης βάσεων δεδομένων MariaDB ξεκινώντας με την εγκατάσταση και παραμετροποίηση του συστήματος. Στην συνέχεια, θα σχεδιάσουμε μία βάση δεδομένων ορίζοντας τους πίνακες από τους οποίους θα αποτελείται και τις μεταξύ τους σχέσεις. Μετά την εισαγωγή δεδομένων στους πίνακες, θα δούμε πώς μπορούμε να αναζητήσουμε και να διαγράψουμε δεδομένα. Έπειτα, θα χρησιμοποιήσουμε διάφορες
συναρτήσεις για να μετασχηματίσουμε δεδομένα και να εξάγουμε παραμετροποιημένα συγκεντρωτικά αποτελέσματα.
Στην τελευταία ενότητα, θα αναλυθεί η δομή της βάσης δεδομένων της Ensembl και θα χρησιμοποιήσουμε τα δεδομένα που περιέχει για δομήσουμε σύνθετα ερωτήματα.

BC 311

Εισαγωγή στον λειτουργικό εμπλουτισμό και την ανάλυση βιολογικών δικτύων

Ε

5

Σύντομη περιγραφή:

Introduction to Networks and their Biology
The introduction to networks and graph theory for biomolecular networks.
Introduction to big public data repositories that enable the study of networks in biology.
Practical: Introduction to network analysis with Cytoscape
First yet thorough introduction to visualisation and analytical techniques in the Cytoscape suite. Starting from a simple E.coli regulatory networks build graphics that are both easier to read and provide direct new knowledge.
Introduction to Enrichments
Introduction to the statistics behind enrichment methods.
Presentation and explanations of the history an usability af 3-4 main enrichment analysis consortia.
Practical
What can you do with your gene list of interest?
Functional analysis of biological networks
Introduction to data driven functional analysis of biomolecular networks. Tools, resources and databases.
Techniques and tools on how starting from a high-throughput dataset new biological knowledge can be generated and presented
Practical: Functional Enrichment, Advanced Cytoscape
A practical combining all the 3 aspects of the course (data analysis, enrichments and network analysis) in a synthesising exercise.