PhD a bioinformatikában

University of Tehran, Kish International Campus

A Képzés Leírása

Hivatalos Leírás

PhD a bioinformatikában

University of Tehran, Kish International Campus

Bevezetés

A bioinformatika interdiszciplináris tudomány a biológiai, informatikai és számítástechnikai tudományok interfészeiben, a biológia jobb megértését szolgáló számításokat alkalmazza. A bioinformatika magában foglalja a biológiai adatok, különösen a DNS, az RNS és a fehérje szekvenciák elemzését. A bioinformatika területén az 1990-es évek közepétől kezdve robbanásszerű növekedés tapasztalható, amelyet nagyrészt az emberi genomprojekt és a DNS-szekvenálási technológia gyors fejlődése váltott ki. A legújabb és újszerű technológiák egyre növekvő felbontású biológiai adatkészleteket állítanak elő, amelyek nemcsak a genomikus szekvenciákat, hanem az RNS-t és a fehérje-gazdagságokat, azok kölcsönhatását, szubcelluláris lokalizációját, más biológiai molekulák azonosságát és bőségét tárják fel. Ehhez kifinomult számítási módszerek kifejlesztése és alkalmazása szükséges. A bioinformatika a biológiai adatok mintáinak elemzésére szolgáló számítási módszereket alkalmaz, valamint a biológiai aktivitás komplex modelljeinek megteremtését, beleértve a gének funkcióinak és kölcsönhatásainak a genetikai Pathways való feltárására irányuló kísérleteket. Széles körű társadalmi előnyöket várnak az új tudás gazdagságának kiaknázásából az élet genetikai mechanizmusai és a kapcsolódó folyamatok tekintetében.

A bioinformatikai vizsgálatokban elsősorban a molekuláris biológiában elérhető nagyméretű adatkészletek három típusa létezik: makromolekuláris szerkezetek, genomszekvenciák és a funkcionális genomikai kísérletek (pl. Expressziós adatok) eredményei. További információk a tudományos cikkek és a "kapcsolatadatok" szövegét tartalmazzák az anyagcsere Pathways , a taxonómia fákról és a fehérje-fehérje kölcsönhatási hálózatokról. A bioinformatika széles körű számítástechnikai technikákat alkalmaz, beleértve a szekvenciák és struktúrák összehangolását, az adatbázis tervezést és az adatbányászatot, a makromolekuláris geometriát, a filogenetikus faépítést, a fehérje szerkezetének és működésének előrejelzését, a génmeghatározást és a kifejezésadatok klaszterezését. A hangsúly a különböző számítási módszerek és heterogén adatforrások integrálására épül.

A Kish nemzetközi campusban működő bioinformatikai PhD program fő célja a számítástechnikai biológusok következő generációjának képzése az akadémiai, ipari és kormányzati karrierekre.

PhD tananyag

A Bioinformatika Doktori (PhD) 32 kreditből, egy sor alapképzésből (9 kredit), egy szemináriumból (1 kredit) és 8 kreditből választható kurzusból és egy doktori értekezésből (18 kredit). A program fő hangsúlyt fektet egy olyan eredeti és független kutatási projekt sikeres befejezésére, amelyet disszertációként írt és védett.

Átfogó vizsga

Az átfogó vizsga legfeljebb a 4. félév végén érhető el, és szükséges ahhoz, hogy a hallgató megvédje a PhD-javaslatot. A hallgatóknak két esélyük lesz a PhD átfogó vizsga átadására. Ha a hallgatók az első átfogó vizsga kísérletére "nem kielégítő" értékelést kapnak, akkor a hallgató egyszer visszaszerezheti a selejtezőt. A második hiba megszünteti a programot. Az átfogó vizsga célja annak biztosítása, hogy a hallgató korai kutatási tapasztalatszerzést kezdjen; azt is biztosítja, hogy a hallgató képes legyen doktori szintű kutatásra.

PhD JAVASLAT

A PhD-javaslatnak tartalmaznia kell a konkrét célokat, a kutatási tervet és módszereket, valamint a javasolt munkát és az idővonalat. Ezenkívül a javaslatnak tartalmaznia kell egy bibliográfiát és csatolmányként minden kiadványt / kiegészítő anyagot. A hallgatónak szóbeli vizsgájukban meg kell védenie a tézistervezetet bizottsága elé.

TÉZIS

A hallgatónak a PhD programban való részvételének első évében, a kar doktori bizottsága által jóváhagyott diplomamunkát kell választania (és szükség esetén egy vagy két tanácsadója). A második évben a PhD-javaslattal együtt a tanácsadó által javasolt értekezés bizottságot jóváhagyásra kell bocsátani. Az értekezés bizottságának legalább öt kari tagból kell állnia. A tézisgyűlés két tagjának a társ-tanár többi egyetemétől kell származnia. Az 5. félév végéig a hallgatónak írásbeli PhD-javaslatot kell benyújtania és meg kell védenie.

KUTATÁSI PROGRESS

A hallgatónak évente legalább egyszer foglalkoznia kell a szakdolgozati bizottságával, hogy áttekintse a kutatási folyamatot. Minden egyetemi naptári év kezdetén minden tanulónak és hallgatói tanácsadójának be kell nyújtania a hallgató előrehaladásának értékelési értékelését, amely az elmúlt év eredményeit és terveit mutatja be az adott évre vonatkozóan. Az értekezés bizottsága áttekinti ezeket az összefoglalókat, és elküldi a hallgatónak egy, a státuszukról összefoglaló levelet. Azok a hallgatók, akik nem teljesítik a megfelelő haladást, várhatóan minden hiányosságot korrigálni fognak, és egy éven belül eljutnak a következő mérföldkőhöz. Ennek elmulasztása a programból történő elbocsátást eredményezi.

PhD DISSZERTÁCIÓ

A doktori program beiktatásától számított 4 éven belül a hallgató várhatóan befejezi a téziskutatást; a hallgatónak meg kell felelnie a kutatás eredményeinek, amelyeket elfogadott vagy közzétettek a szakértői folyóiratokban. Az írásbeli értekezés és a közvélemény védelme és a bizottság jóváhagyása után a hallgató elnyerte a doktori fokozatot. A védelem a következőkből áll: (1) a disszertáció bemutatása a végzős hallgatóból, (2) az általános közönség megkérdőjelezése és (3) az értekezést végző bizottság által lezárt zárt ajtó. A hallgatót a disszertációvédelem mindhárom részének befejezésekor tájékoztatni kell a vizsga eredményéről. A bizottság minden tagjának alá kell írnia a doktori bizottság zárójelentését és az értekezés végleges változatát.

A diploma megszerzéséhez legalább 16 évesnél idősebb GPA-t kell fenntartani.

Szintezési tanfolyamok (nem alkalmazható a fokra)

A PhD in Bioinformatics vállalja a mesterképzés kapcsolódó területeken. Azonban a hallgatók, akik más mesterképzésen kívül is kötelesek elvégezni néhány a következő szintezés kurzusok, amelyek célja, hogy a hátteret a PhD kurzusok. Ezek a szintezési kurzusok nem számítanak a doktori fokozatot a Bioinformatika doktori fokozatába.

Szintezési tanfolyamok: legfeljebb 3 kurzus szükséges; 6 kredit

Fő tanfolyamok: 4 tanfolyam szükséges; 10 kredit

Választható tanfolyamok: 4 tanfolyam szükséges, 8 kredit

Tanfolyamleírások

Haladó bioinformatika

Tanfolyam tartalom:
Bevezetés a bioinformatikához, Bevezetés a molekuláris biológiába, Biológiai adatbázisok, Biológiai szekvenciák feldolgozása MATLAB-val, szekvenciahomológia, Fehérje-összehangolások, Többszekvencia-igazítás, Igazítási eszközök, Biolingvisztikai módszerek, Sequence modellek, Következeti minták, Génmodellek, Phylogenetic Reconstruction, -alapú módszerek, karakter-alapú módszerek: Parsimony, Probabilistic Methods: Maximum Likelihood, Microarrays, Matlab

A bioinformatikai algoritmusok

Tanfolyam tartalom:
Bevezetés a molekuláris biológiába, szekvencia hasonlóság, utótagfa, genomkiegyenlítés, adatbázis-keresés, többszekvencia-igazítás, filogén-rekonstrukció, filogén összehasonlítás, genetikai átrendeződés, motívumkeresés, RNS másodlagos szerkezeti predikció, peptidszekvenálás, populációs genetika

Strukturális bioinformatika

Tanfolyam tartalom:
A molekuláris modellezés elterjedése, a bioinformatika és a strukturális meghatározása, a fehérje szerkezetének alapjai, a kutatás és a mintavétel strukturális, keresési módszerek, adatok elemzése és csökkentése, molekuláris megjelenítés

Számítógéppel kapcsolatos genomika

Tanfolyam tartalom:
Bevezetés, A genetikai epidemiológia fogalma, Linkage Analysis és Next Generation Sequencing Data integrálása, Molekuláris jellemzők QTL feltérképezése humán komplex betegségek vizsgálatához, Megújult érdeklődés a haplotípusban a genetikai markerről a gén-predikcióra, Analitikai megközelítések az exome-szekvenciaadatokra, ritka variánsok analízise Nem kapcsolódó egyénekben, genetikai sokszorosítás és funkcionális következmények, a GWAS-tól a következő generációig Az emberi komplex betegségek szekvenálása A transzlációs orvostani és terápiás hatások következményei

Metabolikus modellezés

Tanfolyam tartalom:
A szintetikus metabolitok a metabolikus modellezéstől a bioszintetikus eszközök racionális tervezéséhez, a szintetikus szterinek építése, amelyek az evolúció titkait kiszámító módon kinyitják? , A szacharózszármazék jellemzői a szacharóz specifikus porin scry által tanulmányozva Molekuláris dinamika szimulációk, gyors megoldás a biomolekulák implicit elektrosztatikájához, biokémiai mikroreaktorok modellalapú tervezése, Keményítőbiológia alapja a szénhidrát-aktív enzimekkel és bioszintetikus glikomatóriumokkal végzett in vitro vizsgálatokban, szétválasztás és Szállítás a szintetikus vesékben, metabomikai szabványok és anyagcsere-modellezés a szintetikus biológiában a növényeknél, A kísérletek bizonyítékai összhangban állnak a kísérletekkel? , A Nicotiana benthamiana glükoraphanin prekurzor Dihomometionin gyártásának optimalizálása, Synthetic Peptides as Protein Mimics, peptidmotívumok és Cognate Adaptor Domains alapján szintetikus fehérje állványok az anyagcsere-termelékenység javítása érdekében, anyagcsere- Pathways a mesterséges enzimcsatornákkal

Modellezés a rendszerbiológiában

Tanfolyam tartalom:
Biológiai alapismeretek, matematikai modellezés alapjai, modellkalibrálás és kísérleti tervezés, sejtprocesszusok modellezése, enzimes átalakítás, polimerizációs folyamatok, jelátvitel és genetikailag szabályozott rendszerek, modulok és motívumok elemzése, modellezés általános módszerei, irányítási elméletek, motívumok Cellular Networks, Cellular Networks elemzése, Metabolic Engineering, Topological Characteristics

Fejlett adatbányászat

Tanfolyam tartalom:
Bevezetés a bioinformatikai adatbányászatba, a hierarchikus profilalkotás és a bioinformatikai alkalmazások módszerei és gyakorlatai, a többszörös pontozási rendszerek, a DNS-szekvencia-vizualizáció, a proteomika tömegspektrometriával, a nagy filogenetikai adatkészletek hatékony és robusztus elemzése, a fehérje-menetesítés algoritmikus aspektusai, Heterogén genomikai adatok előállítása, a génkifejezés analízisének paraméter nélküli klaszterezési technikái, közös diszkriminációs génválasztás a rák molekuláris osztályozásához, gének haplotípus-elemzési rendszere, közös betegségek felfedezése, Bayes-keretrendszer a fehérje-szekvenciák klaszter pontosságának javítására

Gépi tanulás

Tanfolyam tartalom:
Miért érdekelnek a gépi tanulás, a gépi tanulási statisztikák és az adatelemzés, a minták felismerése, a neurális hálózatok és a mély tanulás, a tanulási klaszterek és ajánlások, a cselekvés megtanulása, hová megyünk innen?

Számítógéppel támogatott kábítószer-tervezés

Tanfolyam tartalom:
Quantum Mechanikai és Molekuláris Mechanikai Megközelítések, Átmeneti Fém Rendszerek, Modellezés Protein-Protein Interakciók merev test, QM alapú modellezés, jelenlegi állapot és a jövő
Az intézmény az alábbi területeken kínál képzéseket:
  • Angol


Utoljára frissítve March 27, 2018
Időtartam és Ár
This course is Nappali bejárós
Start Date
Kezdet
szept. 2019
Duration
Időtartam
Részidős
Nappali
Locations
Irán - Tehran, Tehran Province
Kezdet : szept. 2019
Jelentkezési határidő Kérj Információt
A befejezés dátuma Kérj Információt
Dates
szept. 2019
Irán - Tehran, Tehran Province
Jelentkezési határidő Kérj Információt
A befejezés dátuma Kérj Információt