A tárgy részletes tematikája:
I. blokk: Bioinformatikai alapok
A1 – Bevezetés a bioinformatika tantárgyba (Prof.Dr. Győrffy Balázs)
A2 – Tanuló és teszthalmaz alkalmazása (Dr. Fekete János Tibor)
A3 – Statisztikai hibák és a dichotománia fogalma (Dr. Fekete János Tibor)
A4 – Túlélés-elemzés: Cox regresszió és a Kaplan-Meier plot* (Prof.Dr. Győrffy Balázs)
A5 – ROC elemzés: szenzitivitás, specificitás, előrejelzés értéke* (Dr. Fekete János Tibor)
A6 – Változók közötti korreláció (Dr. Menyhárt Otília)
A7 – Többszörös hipotézis teszt* (Prof.Dr. Győrffy Balázs)
A8 – Két csoport grafikai összehasonlítása: boxplot, hegedű-plot, sűrűség-plot, hőtérkép, korreláció, mátrix (Dr. Bartha Áron)
A9 – Regresszió alapok* (Dr. Menyhárt Otília)
A10 – Regresszió módszerek (Dr. Menyhárt Otília)
II. blokk: Genomika és transzkriptomika
G1 – szekvenálás bevezető (Prof.Dr. Győrffy Balázs)
G2 – Hasonló gének és fehérjék, blast (Prof.Dr. Győrffy Balázs)
G3 – Az adatok minőségellenőrzése * (Dr. Munkácsy Gyöngyi)
G4 – Adatok illesztése referencia genomra* (Dr. Munkácsy Gyöngyi)
G5 – Mutációk azonosítása (SNV, indelek) normál és tumor mintából* (Dr. Munkácsy Gyöngyi)
G6 – Mutációk következményének meghatározása* (Dr. Munkácsy Gyöngyi)
G7 – Klinikailag releváns variánsokra szűrés, ClinVar, dbSNP* (Dr. Munkácsy Gyöngyi)
G8 – CNV (Dr. Munkácsy Gyöngyi)
G9 – Mintafeldolgozási melléktermékek azonosítása és kiszűrése (Dr. Menyhárt Otília)
G10 – Transzkriptomika: RNAseq adatok feldolgozása (Prof.Dr. Győrffy Balázs)
G11 – Single cell adatok feldolgozása (Prof.Dr. Győrffy Balázs)
III. blokk: Proteomika
P1 – Proteomika és transzkriptomika: pre-processing: (Prof.Dr. Győrffy Balázs)
P2 – Antitest alapú kiértékelés (Dr. Munkácsy Gyöngyi)
P3 – A tömegspektrometria kiértékelése (Dr. Bartha Áron)
P4 – A tömegspektometria előnyei és hátrányai (Dr. Bartha Áron)
P5 – Fehérjeszerkezet meghatározás: fizikai/kémiai módszerek (Dr. Tusnády Gábor)
P6 – Fehérjeszerkezet modellezés: az egyszerűtől a bonyolultig (Dr. Tusnády Gábor)
P7 – Transzmembrán fehérjék szerkezetének modellezése (Dr. Tusnády Gábor)
P8 – Biológiai funkciók meghatározása és az Uniprot (Dr. Munkácsy Gyöngyi)
IV. blokk: Mesterséges intelligencia
M1 – Gépi tanulás eszközei (Dr. Fekete János Tibor)
M2 – A Bayes szabály (Dr. Fekete János Tibor)
M3 – Főkomponens elemzés (Dr. Bartha Áron)
M4 – Fürtelemző programok: távolságmérés (Prof.Dr. Győrffy Balázs)
M5 – Fürtelemző programok: clustering* (Prof.Dr. Győrffy Balázs)
M6 – Rekurzív neurális háló (Dr. Menyhárt Otília)
M7 – Konvolúciós neurális háló (Dr. Menyhárt Otília)
M8 – Döntési fa a klinikai gyakorlatban (Dr. Bartha Áron)
M9 – Változó szelekció* (Dr. Menyhárt Otília)
M10 – Support Vector Machines* (Dr. Fekete János Tibor)
M11 – Az általános előtanult transzformátor (Dr. Fekete János Tibor)
V. blokk: Integratív tudomány
X1 – Multi-omika (Dr. Menyhárt Otília)
X2 – Génontológia (Dr. Fekete János Tibor)
X3 – A reprodukálhatóság kérdése orvosbiológiai kutatásokban (Dr. Menyhárt Otília)
X4 – Chip-seq és ATAC-seq adatok kiértékelése (Dr. Bálint Bálint)
X5 – DNS metilációs adatok kiértékelése (Dr. Bálint Bálint)
X6 – Epigenetikai adatbázisok (Dr. Bálint Bálint)
X7 – Az Excel használata adatbáziskezeléshez (Dr. Munkácsy Gyöngyi)
X8 – Irodalomkutatás és AI (Dr. Munkácsy Gyöngyi)
X9 – A REDcap felhasználása (Dr. Menyhárt Otília)
X10 – Időtorzítás és függőség (Dr. Menyhárt Otília)
X11 – Blokklánc és adatbiztonság (Dr. Bartha Áron)