Συντονιστής Μαθήματος: Γ. Σακελλαρόπουλος

Σκοπός του μαθήματος είναι η κριτική κατανόηση των αντικειμένων της Βιοστατιστικής και της Βιοπληροφορικής και των εφαρμογών τους. Στο πλαίσιο του μαθήματος, οι μεταπτυχιακοί φοιτητές/τριες καλούνται να κατανοήσουν βασικές έννοιες της θεωρίας πιθανοτήτων και της στατιστικής συμπερασματολογίας. Παρουσιάζονται αναλυτικά οι διαδικασίες διατύπωσης μηδενικών υποθέσεων, σύγκρισης μέσων τιμών διαφορετικών δειγμάτων, τύπων σφαλμάτων, ισχύος μιας στατιστικής δοκιμασίας, πινάκων συνάφειας και δοκιμασίας χ2. Ιδιαίτερη έμφαση δίνεται στις εφαρμογές της θεωρίας για την επίλυση πραγματικών προβλημάτων. Παράλληλα, το μάθημα στοχεύει στην εξοικείωση του φοιτητή/τριας με τις διαδικτυακές εφαρμογές Βιοπληροφορικής. Συγκεκριμένα, παρουσιάζονται βιολογικές βάσεις δεδομένων αλληλουχιών, οι έννοιες και οι εφαρμογές της αλληλούχησης επόμενης γενιάς αλλά και λογισμικό ανάλυσης νουκλεοτιδικών & αμινοξικών αλληλουχιών για την εύρεση τοπολογίας πρωτεΐνης στο κύτταρο, για την ανάλυση αρχιτεκτονικής δομής λειτουργικών περιοχών πρωτεΐνης, την ανάλυση χαρακτηριστικών μοτίβων πρωτεΐνης, την ανάλυση των φυσικοχημικών παραμέτρων, μετα-μεταφραστικών τροποποιήσεων, διαμεμβρανικών περιοχών, δευτεροταγούς και τριτοταγούς δομής μιας πρωτεΐνης, για τη σύγκριση δύο ή περισσοτέρων αμινοξικών αλληλουχιών και τη δημιουργία αντίστοιχου φυλογενετικού δένδρου. Αυτό επιτυγχάνεται με έκθεση των μεθοδολογιών, συζήτηση επί της καταλληλότητας των μεθοδολογιών για την ανάλυση δεδομένων συγκεκριμένων ερευνητικών θεμάτων και με χρήση λογισμικού (SPSS, Excel, λογισμικό Διαδικτύου) για την επίλυση πραγματικών προβλημάτων.

Περιγραφή Μαθήματος

Το πρόγραμμα συνίσταται από 2 ενότητες. Η πρώτη ενότητα περιλαμβάνει μεθοδολογίες Βιοστατιστικής και η δεύτερη μεθοδολογίες Βιοπληροφορικής.

Α’ ενότητα:

• Περιγραφική στατιστική (μέτρα κεντρικής τάσης και διασποράς, παρουσίαση δεδομένων σε πίνακες και γραφήματα),
• τοιχεία θεωρίας πιθανοτήτων (δεσμευμένη πιθανότητα, ευαισθησία και ειδικότητα test, κανόνας του Bayes, προβλεπτική αξία, κατανομές πιθανότητας),
• Στατιστική δειγματοληψία (τυπικό σφάλμα μέσης τιμής, κεντρικό οριακό θεώρημα),
• Στατιστική συμπερασματολογία (διατύπωση μηδενικών υποθέσεων, σύγκριση μέσων τιμών διαφορετικών δειγμάτων, τύποι σφαλμάτων, ισχύς στατιστικής δοκιμασίας, πίνακες συνάφειας και δοκιμασία x²)
• Γραμμική παλινδρόμηση & γραμμική συσχέτιση (εννοιολογική διαφορά μεταξύ τους, χρήση ευθειών γραμμικής παλινδρόμησης στην πρόβλεψη, διάστημα εμπιστοσύνης της ευθείας, γραμμικός συντελεστής συσχέτισης)

Β’ ενότητα

• Βιολογικές Βάσεις Δεδομένων Αλληλουχιών
• Τρόποι αναζήτησης σε Βάσεις Δεδομένων
• Λογισμικό ανάλυσης νουκλεοτιδικών & αμινοξικών αλληλουχιών (εύρεση τοπολογίας πρωτεΐνης στο κύτταρο, ανάλυση αρχιτεκτονικής δομής λειτουργικών περιοχών πρωτεΐνης, ανάλυση χαρακτηριστικών μοτίβων πρωτεΐνης, ανάλυση των φυσικοχημικών παραμέτρων, μετα-μεταφραστικών τροποποιήσεων, διαμεμβρανικών περιοχών, δευτεροταγούς και τριτοταγούς δομής μιας πρωτεΐνης, σύγκριση δύο ή περισσοτέρων αμινοξικών αλληλουχιών και δημιουργία αντίστοιχου φυλλογενετικού δένδρου)
• Μικροσυστοιχίες και ανάλυση δεδομένων μικροσυστοιχιών