Οι φοιτητές/τριες με το πέρας των παραδόσεων και εργαστηριακών ασκήσεων, να είναι ικανοί να αναζητούν και να διαχειρίζονται τη βιολογική πληροφορία που είναι κατατεθειμένη σε βιολογικές βάσεις δεδομένων και να χρησιμοποιούν υπολογιστικά εργαλεία και προγραμματιστικές μεθόδους ώστε να εξάγουν συμπεράσματα και να δίνουν απαντήσεις σε βιολογικά ερωτήματα.

Η γνωριμία των φοιτητών/τριών του Τμήματος με τον επιστημονικό χώρο της Βιοπληροφορικής και η εξοικίωσή τους με τον  τρόπο οργάνωσης των βιολογικών δεδομένων και της πρόσβασης σε αυτά, με τον τρόπο υποβολής νέων δεδομένων, με την ανάπτυξη μεθόδων και υπολογιστικών εργαλείων για την εξαγωγή πληροφορίας, καθώς και με τη χρήση εργαλείων βιοπληροφορικής και μίας γλώσσας προγραμματισμού για τη διαχείριση και ερμηνεία της βιολογικής πληροφορίας.

Τι είναι Βιοπληροφορική (1 Ώρα)

Στοιχεία Επιστήμης Υπολογιστών - Εφαρμογές Υπολογιστών στη Βιολογία (Βιοϋπολογιστική) (3 Ώρες)

Λειτουργικά Συστήματα (Unix/Windows) - Eισαγωγή σε μια γλώσσα προγραμματισμού (6 Ώρες)

Δίκτυα και χρήσεις τους (email, telnet, ftp…) - Διαδίκτυο (Internet) - Παγκόσμιος Ιστός (WWW) - Φυλλομετρητές Δικτύων (Web browsers) – Ιστοσελίδες- HTML/XML (2 Ώρες)

Bάσεις δεδομένων πρωτεϊνών και DNA (σε όλα τα επίπεδα) - Εξειδικευμένες βάσεις δεδομένων πρωτεινών και DNA – Προβλήματα σχολιασμού (annotation) (2 Ώρες)

Εργαλεία ανάλυσης της πληροφορίας που είναι αποθηκευμένη στις βάσεις δεδομένων πρωτεϊνών και DNA (Protein and Genome Information Resources) (2 Ώρες)

Γονιδιώματα (Genome Projects) (1 Ώρα)

Eπόμενο στάδιο του κώδικα - Πρωτεϊνικό ‘δίπλωμα’ (Protein folding) - Αλληλεπιδράσεις ‘πρωτεϊνών - πρωτεϊνών’ (Protein-protein interactions) - Μεταβολικοί δρόμοι (Metabolic pathways) - Πρωτεϊνική συγκρότηση και αυτοσυγκρότηση (self-assembly) (3 Ώρες)

Πληροφορία από ανάλυση γονιδιωμάτων - Αδυναμία πειραματικού καθορισμού δομής και ‘χαρακτηρισμού’ λειτουργίας πρωτεϊνών - Δομική γονιδιωματική (Structural Genomics) (1 Ώρα)

Υπολογιστική ανάλυση για τη γεφύρωση του ‘χάσματος’

1. Συστήματα Διαχείρισης Βάσεων Δεδομένων (Data Base Management Systems)

2. Eξόρυξη Δεδομένων (Data Mining)

Υπολογιστική Ανάλυση Ακολουθιών

Α. Μέθοδοι βασισμένες σε ομοιότητα (στοιχίσεις ανά ζεύγη - πίνακες ‘ομοιότητας’ - στατιστικές παράμετροι ομοιότητας στοιχίσεων - ολική και τοπική στοίχιση - ευρεστικές μέθοδοι στοίχισης (FASTA και ΒLAST αλγόριθμοι) - πολλαπλή στοίχιση - φυλογενετικά δέντρα - αναζήτηση/εύρεση ‘μοτίβων’ (3 Ώρες)

Β. Εμπειρικές Μέθοδοι/Μέθοδοι a priori (2 Ώρες)

Γ. Tεχνικές Μηχανικής Μάθησης (Μachine Learning Techniques) (Nευρωνικά Δίκτυα, Ηidden Markov Models κ.ά) ( 2 Ώρες)

Xρησιμοποιώντας σε ορισμένες περιπτώσεις τα Α, Β, Γ ανωτέρω:

Aνάλυση ακολουθιών DNA (π.χ. εύρεση ΟRF’ s κ.λπ) (1 Ώρα)

Ανάλυση ακολουθιών και δομών πρωτεϊνών (1 Ώρα)

Αλγόριθμοι: πρόγνωσης δευτεροταγούς δομής πρωτεϊνών (1 Ώρα)

Χαρακτηρισμός μοτίβων και περιοδικοτήτων σε αλληλουχίες πρωτεινών και DNA (1 Ώρα)

Πρόγνωση διαμεμβρανικών τμημάτων και προσανατολισμού τους (1 Ώρα)

Αναγνώριση ‘διπλώματος’ (fold recognition) (1 Ώρα)

"Υπέρθεση" δομών στο χώρο (1 Ώρα)

Συγκριτική προτυποποίηση με ομολογία (comparative homology modeling) και "ύφανση" (threading) (1 Ώρα)

Προτυποποίηση (modeling) της πρωτεϊνικής στερεοδιάταξης με μοριακή μηχανική και δυναμική (1 Ώρα)

‘Αγκυροβόληση’ ή Ελλιμενισμός (docking) υποκαταστατών (ligands) σε πρωτεΐνες - Σχεδίαση φαρμάκων (1 Ώρα)

Αναγνώριση (‘αγκυροβόληση’) πρωτεϊνών-πρωτεϊνών (1 Ώρα)

1. Εισαγωγή στα Windows - Η Βιολογία/Βιοπληροφορική στο Διαδίκτυο - ΗTML και ιστοσελίδες - Αναζήτηση βιβλιογραφίας και εξόρυξη πληροφοριών από βάσεις βιολογικών δεδομένων 2. Εισαγωγή στο Unix (I) 3. Εισαγωγή στο Unix (II) 4. Βάσεις δεδομένων νουκλεϊκών οξέων και πρωτεϊνών 5-8. Στοιχεία της γλώσσας προγραμματισμού Perl - Εφαρμογές 9. BLAST - FASTA - CLUSTAL - Εργαλεία αναζήτησης ομοιοτήτων και πολλαπλής στοίχισης αλληλουχιών 10. Χαρακτηρισμός μοτίβων και περιοδικοτήτων σε αλληλουχίες πρωτεινών και DNA (Οικογένειες - Ομαδοποιήσεις) 11. Αλγόριθμοι Προγνωσης (Δευτεροταγούς δομής πρωτεϊνών, Τοπολογίας και δομής διαμεμβρανικών πρωτεϊνών, Πεπτιδίων οδηγητών, Ειδικών κατηγοριών πρωτεϊνών κλπ) 12. Ανάλυση αλληλεπιδράσεων, δικτύων πρωτεϊνών και βιολογικών μονοπατιών 13. Hidden Markov Models (HMMs), Tεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks) και εφαρμογές τους στη Βιοπληροφορική.

Δεν υπάρχουν προαπαιτούμενα μαθήματα προκειμένου ο/η φοιτητής/τρια να παρακολουθήσει το μάθημα. Ωστόσο, για την καλύτερη παρακολούθηση και κατανόηση του μαθήματος απαιτούνται καλές γνώσεις των φοιτητών/τριών σε βασικά μαθήματα του Τμήματος που σχετίζονται με το αντικείμενο της Βιοπληροφορικής, όπως Βιοχημεία, Γενετική, Κυτταρική Βιολογία, Μοριακή Βιολογία και Βιοφυσική.

Η διαδικασία αξιολόγησης των φοιτητών/τριών γίνεται στην ελληνική γλώσσα (υπάρχει η δυνατότητα εξέτασης στην αγγλική για τους φοιτητές Erasmus), με τελική εξέταση στο σύνολο της ύλης και περιλαμβάνει: Α. Θεωρία (το 50% του συνολικού βαθμού του μαθήματος): Γραπτή Εξέταση με: α)  Ερωτήσεις Εκτεταμένης Απάντησης και β) Ερωτήσεις Πολλαπλής Επιλογής - Β. Εργαστηριακές ασκήσεις (το 40% του συνολικού βαθμού του μαθήματος): α) Προφορική Εξέταση κατά την ώρα διεξαγωγής της άσκησης καθώς και β) Γραπτή Εξέταση μαζί με την εξέταση της θεωρίας του μαθήματος - Γ. Υποχρεωτικές Ατομικές Εργασίες στα πλαίσια των εργαστηριακών ασκήσεων για την αξιολόγηση των ικανοτήτων αναζήτησης, επεξεργασίας και παρουσίασης επιστημονικών δεδομένων (το 10% του συνολικού βαθμού του μαθήματος). Ο συνολικός βαθμός προκύπτει ως άθροισμα των παραπάνω επιμέρους αξιολογήσεων.

Οι εργαστηριακές ασκήσεις συμμετέχουν με ποσοστό 50% επί του συνολικού βαθμού, με πρακτικές εξετάσεις που διεξάγονται μετά το πέρας των ασκήσεων.