Tillämpad farmaceutisk bioinformatik

Kursen är en fortsättning på kursen Farmaceutisk bioinformatik och syftar till att lära hur man praktiskt använder de prediktiva modelleringsmetoder som infördes i den första kursen.

Kursen ger en fördjupad förståelse för statistiska metoder modellering för tillämpningar inom läkemedelsområdet, biovetenskap och farmakologi, där fokus ligger på praktiska övningar där du löser problem med olika informatiska metoder.

Kursen omfattar:

  • Introduktion till statistisk modellering inom läkemedelsbioinformatik, inklusive en grundlig genomgång av QSAR och proteokemometri.
  • Hur man beräknar olika typer av deskriptorer för organiska molekyler, peptider och proteiner.
  • Genomgång av programvara för statistisk modellering, vari ingår R, libsvm och Weka.
  • Praktiska övningar hur man använder övervakade och oövervakade metoder för statistisk modellering och dataanalys, vari ingår användning av PCA, PLS, SVM, SOM, random forest och k–NN med Weka.
  • Praktiska övningar i byggandet av QSAR och proteokemometri modell med R : erhållande av dataset och förbehandling, modellbygge , prognoser och tolkningar.
  • Praktiska övningar av klusteranalys med R.
  • Praktiska övningar av statistisk molekylär design för optimering av läkemedelskandidatsubstanser.
  • Behörighet: Minst 150 högskolepoäng i kemi, biologi, biokemi, farmaci, medicin eller odontologi, samt genomgången kurs i farmaceutisk bioinformatik, 7,5 högskolepoäng.

    Undervisning: På internet via en webbaserad lärplattform. Kursen ges på engelska.

    Examination: Skriftlig tentamen i slutet av kursen och godkända obligatoriska moment.

    Poäng: 5 hp vid godkänd kurs.

    Kurslitteratur: Litteratur som distribueras online under kursen samt fritt tillgängliga datorprogram som kan laddas ner från nätet och installeras på din egen dator.

    Kurstarter: Kursen ges två gånger om året på halvfart över en åttaveckorsperiod för varje kurs.

    Anmälan: För att anmäla dig klicka här

              
    Copyright © Pharmaceutical Bioinformatics (2020)