Το ΠΜΣ “Εφαρμοσμένη Βιοπληροφορική και Ανάλυση Δεδομένων” ολοκληρώνεται με τη συμπλήρωση 75 πιστωτικών μονάδων (ECTS). Το πρόγραμμα σπουδών περιλαμβάνει δύο εξάμηνα με τέσσερα μεγάλα μαθήματα (modules), που περιλαμβάνουν δέκα θεματικές ενότητες (courses) συνολικά. Η δέκατη θεματική ενότητα, στο τέλος του δεύτερου εξαμήνου, παριλαμβάνει οκτώ περίπου πρακτικά εργαστήρια (workshop) με hands on εξάσκηση στην ανάλυση βιολογικών δεδομένων. Κατά τη θερινή περίοδο που ακολουθεί γίνεται η εκπόνηση της μεταπτυχιακής διατριβής. Δίνεται έτσι η δυνατότητα ολοκλήρωσης των σπουδών σε ένα ημερολογιακό έτος. Η παρακολούθηση είναι υποχρεωτική για όλα τα μαθήματα. Κάθε module πιστώνεται με 15 ECTS και η εκπόνηση Μεταπτυχιακής Διπλωματικής Εργασίας επίσης με 15 ECTS. Στο πρώτο εξάμηνο, οι φοιτητές και οι φοιτήτριες χωρίζονται σε δύο ομάδες:
- αυτούς/-ές που προέρχονται από τον χώρο των βιολογικών επιστημών (ομάδα Α) και
- αυτούς/-ές με υπόβαθρο πληροφορικής ή μαθηματικών (ομάδα Β).
Τόσο η ομάδα Α όσο και η ομάδα Β παρακολουθούν δύο εισαγωγικά courses κατεύθυνσης στην πληροφορική και τη στατιστική. Μόνο η ομάδα Β παρακολουθεί δύο courses στη μοριακή βιολογία και τη γενετική.
Τα μαθήματα γίνονται συνδυαστικά, τόσο εξ αποστάσεως, όσο και με φυσική παρουσία στην Αίθουσα Πληροφορικής της Σχολής Επιστημών Υγείας του ΔΠΘ. Συνολικά, μέσα στην ακαδημαϊκή χρονιά, οι φοιτητές και οι φοιτήτριες του ΠΜΣ θα έχουν 4 ΠΣΚ, όπου θα απαιτείται η φυσική τους παρουσία (βλ. ωρολόγιο πρόγραμμα).
Α’ Εξάμηνο Σπουδών
Για την ομάδα Α:
| Module 1 | ΕΒΠ 101 – Αρχές Προγραμματισμού | Εισαγωγή στο περιβάλλον Unix και αρχική εξοικείωση με τις βασικές αρχές προγραμματισμού σε bash και C. Παραδείγματα και εξάσκηση hands on. |
| Βασικές Γνώσεις | ΕΒΠ 102 – Βιοστατιστική | Eισαγωγή στην R και στην Python. Hands on παραδείγματα σταστικής ανάλυσης σε βιολογικά δεδομένα. |
Για την ομάδα B:
| Module 1 | ΕΒΠ 201 – Αρχές της Μοριακής Βιολογίας | Εισαγωγή στις βασικές αρχές και έννοιες της Μοριακής Βιολογίας (DNA, RNA, γονίδιο, μεταγραφή, αντιγραφή, μετάφραση, γονιδίωμα). |
| Βασικές Γνώσεις | ΕΒΠ 202 – Αρχές της Γενετικής | Eισαγωγή στις βασικές αρχές και έννοιες της Γενετικής (κληρονομικότητα, χρωμοσώματα, αλληλόμορφα, μεταλλάξεις, γενετική πληθυσμών, εξέλιξη, μοριακοί δείκτες). |
Για το σύνολο των φοιτητών/φοιτητριών:
| Module 2 | ΕΒΠ 03 – Βιοπληροφορική και Υπολογιστική Βιολογία: Θεμελιώδεις Αρχές | Introduction to Intelligence and Artificial Intelligence & Machine Learning Basics, Machine learning workflow & data mining, Neural Networks, Εισαγωγή στη βαθιά μάθηση, Εργαλεία βαθιάς μάθησης, Εφαρμογές στην επεξεργασία βιολογικών δεδομένων. |
| Εισαγωγή στη Βιοπληροφορική | ΕΒΠ 04 – Μεταγραφομική, Γονιδιωματική και Επιγενετική | Εξοικείωση με εξειδικευμένες γνώσεις μεταγραφομικής, γονιδιωματικής και επιγενετικής (τεχνολογίες αιχμής, αλληλούχιση επόμενης γενιάς, Crispr/Cas, dPCR, ταυτοποίηση γονιδίων, γονιδιώματα & εξέλιξη, genomics, whole genome seq, SNPs, γονιδιακή έκφραση και ρύθμιση των ευκαρυωτών. ειδικές αρχές της μεταγραφής, μετάφραση και μετα-μεταφραστική τροποποίηση, επιγενετικοί μηχανισμοί, επιγονιδιωματική και φαινομική, proteomics, metabolomics, μικροβίωμα, metagenomics, metatranscriptomics). |
| ΕΒΠ 05 – Γλώσσες Προγραμματισμού και Λογισμικό στη Βιοπληροφορική | Algorithms and Tools, Use Cases in BLAST and Motif-finding. Hands on παραδείγματα με python. |
B’ Εξάμηνο Σπουδών
Για το σύνολο των φοιτητών/φοιτητριών:
| Module 3 | ΕΒΠ 06 – Βιολογία Συστημάτων και Aνάλυση Δεδομένων NGS | Eισαγωγή στην πολυπλοκότητα της Βιολογίας Συστημάτων. Eξοικείωση με την οργάνωση της χρωματίνης και τη ρύθμισης της γονιδιακής έκφρασης. Ολιστική προσέγγιση για την αποκρυπτογράφηση της πολυπλοκότητας των βιολογικών συστημάτων. Ανάπτυξη δεξιοτήτων για την ανάλυση δεδομένων αλληλούχισης επόμενης γενιάς (NGS) με την χρήση πρωτογενών ή δημοσιευμένων παραδειγμάτων (ChIP-seq, RNA-seq, 3C-seq, 4C-seq, Hi-C), NGS pipelines, variant calling. Genome Wide Association Studies. Δίκτυα με R. Γενετικά τεστ. From sequencing reads to metabolic models, multi omic, Hands on παραδείγματα. |
| Ανάλυση και εργαλεία ανάλυσης βιολογικών δεδομένων | ΕΒΠ 07 – Case Studies στην Εφαρμοσμένη Βιοπληροφορική |
Βασικοί αλγόριθμοι, επίλυση βιολογικών προβλημάτων μέσω της χρήσης εργαλείων και ανάλυση και σύνθεση δεδομένων και πληροφοριών (ευφυής ανάλυση δεδομένων, μηχανική μάθηση και βαθιά μάθηση, βάσεις δεδομένων, οντολογίες και γράφοι γνώσης, ανάλυση βιολογικών αλληλουχιών, πρόγνωση δομής και λειτουργίας πρωτεϊνών, βιολογικά δίκτυα, απεικόνιση δεδομένων, εξόρυξη γνώσης μέσα από την ανάλυση κειμένου και γονιδιακού περιεχομένου). |
| ΕΒΠ 08 – Ανάλυση Δομής Βιομορίων | Εισαγωγή στις βασικές αρχές της δομής των βιολογικών μακρομορίων, τη σχέση μεταξύ δομής και λειτουργίας και των μεθοδολογιών που χρησιμοποιούνται για την ανάλυση αυτής της σχέσης (δομή πρωτεϊνών, νουκλεϊκών οξέων και συμπλόκων τους, εργαλεία βιοπληροφορικής και βάσεις δεδομένων για τη σύγκριση δομών και τη συσχέτιση δομής/λειτουργίας, προσέγγιση της αναδίπλωσης των πρωτεϊνών με σύγχρονες μεθόδους υπολογιστικής βιολογίας, πρωτεϊνική δομή και ασθένειες). | |
| ΕΒΠ 09 – Στατιστική Επεξεργασία Βιολογικών Δεδομένων |
Βασικές διαδικασίες και τεχνικές για την επεξεργασία διαφορετικών τύπων βιολογικών δεδομένων, με έμφαση στα γενετικά δεδομένα. Εργαλεία, επεξεργασία αποτελεσμάτων NGS, περιγραφή γενετικών προτύπων ποικιλότητας σε δεδομένα μοριακών δεικτών, εξελικτικά σενάρια, SNPs και γονιδιωμάτων, πολυμεταβλητές αναλύσεις, γραφήματα, χωρικές αναλύσεις και χάρτες, γονιδιωματική πληθυσμών, βιοπληροφορικές και βιοστατιστικές προσεγγίσεις στην μικροβιολογία συστημάτων, metabarcoding, pipeline development και high performance computing, literature και data-mining. Hands on παραδείγματα. |
Για το σύνολο των φοιτητών/φοιτητριών:
| Module 4
Εφαρμοσμένη Βιοπληροφορική |
ΕΒΠ 10 – Σύγχρονες Τεχνολογίες στην Επιστήμη των Υπολογιστών (workshops) | Πρακτική hands on άσκηση σε εφτά εργαστήρια (workshop) για ανάλυση δεδομένων και χρήση βιοπληροφορικών μεθόδων σε 3D Structure Analysis, Gene Prediction, Immunoinformatics, Integrated ChIP-seq and RNA analysis, HTS Metabarcoding, NGS Application(s) for Variant Detection and Classification in Clinical Genetic Diagnosis, Machine Learning Applications in Omics. |
Μεταπτυχιακή Διπλωματική Εργασία
| ΕΒΠ 11 | Μεταπτυχιακή Διπλωματική Εργασία | Η Μεταπτυχιακή Διπλωματική Εργασία αποτελεί πρωτότυπη ερευνητική εργαστηριακή πειραματική ενασχόληση ή μπορεί να είναι και θεωρητική πρωτότυπη εργασία. |