{"id":6522,"date":"2020-01-29T17:11:15","date_gmt":"2020-01-29T16:11:15","guid":{"rendered":"http:\/\/semmelweis.hu\/bioinformatika\/?page_id=6522"},"modified":"2024-05-03T09:56:40","modified_gmt":"2024-05-03T07:56:40","slug":"bioinformatika-targy","status":"publish","type":"page","link":"https:\/\/semmelweis.hu\/bioinformatika\/oktatas\/bioinformatika-targy\/","title":{"rendered":"Klinikai Bioinformatika t\u00e1rgy"},"content":{"rendered":"

A t\u00e1rgy neve:<\/strong> Klinikai bioinformatika
\nAngol nyelven:<\/strong> Clinical bioinformatics
\nN\u00e9met nyelven:<\/strong> Klinische Bioinformatics
\nKredit\u00e9rt\u00e9ke:<\/strong> 3
\nTeljes \u00f3rasz\u00e1m:<\/strong> 42 \u00f3ra el\u0151ad\u00e1s: 19 \u00f3ra gyakorlat: 23 \u00f3ra szemin\u00e1rium: 0
\nTant\u00e1rgy t\u00edpusa:<\/strong> k\u00f6telez\u0151 k\u00f6telez\u0151en v\u00e1laszthat\u00f3 szabadon v\u00e1laszthat\u00f3
\nTan\u00e9v:<\/strong> 2024\/2025 I. f\u00e9l\u00e9v<\/p>\n

A napjainkban fut\u00f3 orvosbiol\u00f3giai kutat\u00e1sok k\u00e9tharmada tartalmaz egy bioinformatikai
\neszk\u00f6zt. Mik ezek? A kurzus sor\u00e1n a bioinformatika n\u00e9gy f\u0151 ter\u00fclet\u00e9t (bioinformatikai alapok,
\naz omika, az integrat\u00edv tudom\u00e1ny, \u00e9s a mesters\u00e9ges intelligencia) mutatjuk be el\u0151ad\u00e1sok
\nform\u00e1j\u00e1ban. A gyakorlati k\u00e9pz\u00e9s sor\u00e1n a legfontosabb programok haszn\u00e1lat\u00e1t saj\u00e1t\u00edtja el a
\nhallgat\u00f3. A gyakorlatnak r\u00e9sze egy k\u00f6vetkez\u0151 gener\u00e1ci\u00f3s szekven\u00e1l\u00e1s ki\u00e9rt\u00e9kel\u00e9se is. A kurzus
\nsor\u00e1n olyan gyakorlati tud\u00e1st szereznek meg a hallgat\u00f3k, amelyet k\u00e9s\u0151bbi tudom\u00e1nyos munka
\nsor\u00e1n (pld. TDK, szakdolgozat, PHD, klinikai kutat\u00e1sok) minden nap tudnak hasznos\u00edtani.<\/p>\n

A t\u00e1rgy oktat\u00e1s\u00e1nak helye (el\u0151ad\u00f3terem, szemin\u00e1riumi helyis\u00e9g, stb. c\u00edme):<\/strong>
\nEl\u0151ad\u00e1s:<\/strong> EOK tanterem
\nGyakorlat:<\/strong> EOK sz\u00e1m\u00edt\u00f3g\u00e9pterem<\/p>\n

A t\u00e1rgy sikeres elv\u00e9gz\u00e9se milyen kompetenci\u00e1k megszerz\u00e9s\u00e9t eredm\u00e9nyezi:<\/strong>
\nA hallgat\u00f3 megismeri a rendelkez\u00e9sre \u00e1ll\u00f3 bioinformatikai m\u00f3dszereket \u00e9s k\u00e9pess\u00e9 v\u00e1lik az ezek
\nalkalmaz\u00e1s\u00e1ra. Az egyes m\u00f3dszerek h\u00e1tr\u00e1nyait \u00e9s el\u0151nyeit ismeri, a kutat\u00e1si eredm\u00e9nyek \u00e9s a klinikai
\nvizsg\u00e1latok \u00e9rtelmez\u00e9se sor\u00e1n a hib\u00e1kat felismeri.<\/p>\n

A tant\u00e1rgy felv\u00e9tel\u00e9hez, illetve elsaj\u00e1t\u00edt\u00e1s\u00e1hoz sz\u00fcks\u00e9ges el\u0151tanulm\u00e1nyi felt\u00e9tel(ek):<\/strong>
\nSikeres els\u0151 4 szemeszter.
\nA kurzus megind\u00edt\u00e1s\u00e1nak hallgat\u00f3i l\u00e9tsz\u00e1mfelt\u00e9telei (minimum, maximum), a hallgat\u00f3k<\/strong>
\nkiv\u00e1laszt\u00e1s\u00e1nak m\u00f3dja:<\/strong>
\nLegkisebb hallgat\u00f3i l\u00e9tsz\u00e1m:<\/strong> 20
\nLegmagasabb hallgat\u00f3i l\u00e9tsz\u00e1m<\/strong>: 60
\nA kurzusra t\u00f6rt\u00e9n\u0151 jelentkez\u00e9s m\u00f3dja: <\/strong>Neptun regisztr\u00e1ci\u00f3<\/p>\n

A tematik\u00e1ban megadott t\u00e9m\u00e1k 15 perces elm\u00e9leti el\u0151ad\u00e1sokat takarnak. A csillaggal megjel\u00f6lt
\nel\u0151ad\u00e1sokhoz tartoznak a gyakorlatok, amelyek t\u00e9m\u00e1ja egyezik az el\u0151ad\u00e1son elhangzottakkal.
\nI. blokk: Bioinformatikai alapok
\n1. Bevezet\u00e9s a bioinformatika tant\u00e1rgyba (Gy\u0151rffy Bal\u00e1zs)
\n2. Tanul\u00f3 \u00e9s teszthalmaz alkalmaz\u00e1sa (Fekete J\u00e1nos Tibor)
\n3. Statisztikai hib\u00e1k \u00e9s a dichotom\u00e1nia fogalma (Fekete J\u00e1nos Tibor)
\n4. T\u00fal\u00e9l\u00e9s-elemz\u00e9s: Cox regresszi\u00f3 \u00e9s a Kaplan-Meier plot* (Gy\u0151rffy Bal\u00e1zs)
\n5. ROC elemz\u00e9s: szenzitivit\u00e1s, specificit\u00e1s, el\u0151rejelz\u00e9s \u00e9rt\u00e9ke* (Fekete J\u00e1nos Tibor)
\nII. blokk: Omika
\n6. Hasonl\u00f3 g\u00e9nek \u00e9s feh\u00e9rj\u00e9k, blast* (Gy\u0151rffy Bal\u00e1zs)
\n7. Genomika: szekven\u00e1l\u00e1s bevezet\u0151 (Gy\u0151rffy Bal\u00e1zs)
\n8. Genomika: adatok min\u0151s\u00e9gellen\u0151rz\u00e9se * (Nagy \u00c1d\u00e1m)
\n9. Genomika: adatok illeszt\u00e9se referencia genomra* (Nagy \u00c1d\u00e1m)
\n10. Genomika: mut\u00e1ci\u00f3k azonos\u00edt\u00e1sa (SNV, indelek) norm\u00e1l \u00e9s tumor mint\u00e1b\u00f3l (Nagy
\n\u00c1d\u00e1m)
\n11. Genomika: mut\u00e1ci\u00f3k k\u00f6vetkezm\u00e9ny\u00e9nek meghat\u00e1roz\u00e1sa* (Nagy \u00c1d\u00e1m)
\n12. Genomika: klinikailag relev\u00e1ns vari\u00e1nsokra sz\u0171r\u00e9s, ClinVar, dbSNP* (Nagy \u00c1d\u00e1m)
\n13. Genomika: mut\u00e1ci\u00f3s mint\u00e1zatok (Nagy \u00c1d\u00e1m)
\n14. Genomika: struktur\u00e1lis v\u00e1ltoz\u00e1sok azonos\u00edt\u00e1sa, CNV, transzlok\u00e1ci\u00f3k \u00e9s g\u00e9n f\u00fazi\u00f3k*
\n(Nagy \u00c1d\u00e1m)
\n15. Genomika: mintafeldolgoz\u00e1si mell\u00e9kterm\u00e9kek azonos\u00edt\u00e1sa \u00e9s kisz\u0171r\u00e9se (Menyh\u00e1rt
\nOt\u00edlia)
\n16. Proteomika \u00e9s transzkriptomika: pre-processing: (Gy\u0151rffy Bal\u00e1zs)
\n17. Transzkriptomika: RNAseq adatok feldolgoz\u00e1sa (Gy\u0151rffy Bal\u00e1zs)
\n18. Proteomika: az immunhisztok\u00e9mia ki\u00e9rt\u00e9kel\u00e9se (Munk\u00e1csy Gy\u00f6ngyi)
\n19. Proteomika: a t\u00f6megspektrometria ki\u00e9rt\u00e9kel\u00e9se (Bartha \u00c1ron)
\n20. Proteomika: biol\u00f3giai funkci\u00f3k meghat\u00e1roz\u00e1sa \u00e9s az Uniprot (Munk\u00e1csy Gy\u00f6ngyi)
\n21. Genomika: GeneBank \u00e9s az ismert g\u00e9nek gy\u0171jtem\u00e9nye (Sz\u00e1sz Attila Marcell)
\nIII. blokk: Integrat\u00edv tudom\u00e1ny
\n22. Multi-omika (Menyh\u00e1rt Ot\u00edlia)
\n23. V\u00e1ltoz\u00f3k k\u00f6z\u00f6tti korrel\u00e1ci\u00f3 (Menyh\u00e1rt Ot\u00edlia)
\n24. G\u00e9nontol\u00f3gia (Fekete J\u00e1nos Tibor)
\n25. T\u00f6bbsz\u00f6r\u00f6s hipot\u00e9zis teszt* (Gy\u0151rffy Bal\u00e1zs)
\n26. Adatb\u00e1ny\u00e1szat: Excel, Pubmed, Watson (Munk\u00e1csy Gy\u00f6ngyi)
\n27. A reproduk\u00e1lhat\u00f3s\u00e1g k\u00e9rd\u00e9se orvosbiol\u00f3giai kutat\u00e1sokban (Menyh\u00e1rt Ot\u00edlia)
\nIV. blokk: Mesters\u00e9ges intelligencia
\n28. A mesters\u00e9ges intelligencia alkalmaz\u00e1si ter\u00fcletei (Gy\u0151rffy Bal\u00e1zs)
\n29. G\u00e9pi tanul\u00e1s eszk\u00f6zei* (Fekete J\u00e1nos Tibor)
\n30. A Bayes szab\u00e1ly (Fekete J\u00e1nos Tibor)
\n31. D\u00f6nt\u00e9si fa a klinikai gyakorlatban (Bartha \u00c1ron)
\n32. F\u00fcrtelemz\u0151 programok: t\u00e1vols\u00e1gm\u00e9r\u00e9s* (Gy\u0151rffy Bal\u00e1zs)
\n33. F\u00fcrtelemz\u0151 programok: clustering* (Gy\u0151rffy Bal\u00e1zs)
\n34. Neuron\u00e1lis h\u00e1l\u00f3k (Gy\u0151rffy Bal\u00e1zs)
\n35. F\u0151komponens elemz\u00e9s (Bartha \u00c1ron)
\n36. Support Vector Machines (Fekete J\u00e1nos Tibor)
\n37. Jel\u00e1tviteli utak, KEGG (Sz\u00e1sz Attila Marcell)
\n38. Regresszi\u00f3 (Bartha \u00c1ron)
\nV. blokk: Mindennapos orvosi informatika
\n39. A REDcap felhaszn\u00e1l\u00e1sa (Sz\u00e1sz Attila Marcell)
\n40. Elektronikus Eg\u00e9szs\u00e9g\u00fcgyi Szolg\u00e1ltat\u00e1si T\u00e9r (Bartha \u00c1ron)
\n41. Id\u0151torz\u00edt\u00e1s \u00e9s f\u00fcgg\u0151s\u00e9g (Menyh\u00e1rt Ot\u00edlia)
\n42. Fejl\u0151d\u00e9s, tanul\u00e1s \u00e9s munka (Menyh\u00e1rt Ot\u00edlia)
\nA tananyag eloszt\u00e1sa sor\u00e1n egy elm\u00e9leti \u00f3ra 4 darab 15 perces el\u0151ad\u00e1st tartalmaz, amelyek
\nk\u00f6z\u00fcl n\u00e9h\u00e1ny fog olyan \u00faj ismeretet tartalmazni, amelyet a gyakorlati oktat\u00e1sok sor\u00e1n fog
\nmegtanulni a hallgat\u00f3.<\/p>\n

A gyakorlati oktat\u00e1son a hallgat\u00f3k r\u00e9szletesebben elsaj\u00e1t\u00edtj\u00e1k a genomi adatok ki\u00e9rt\u00e9kel\u00e9s\u00e9t.
\nEnnek sor\u00e1n vagy a saj\u00e1t vagy egy betegb\u0151l sz\u00e1rmaz\u00f3 DNS mint\u00e1b\u00f3l k\u00e9sz\u00fclt k\u00f6vetkez\u0151
\ngener\u00e1ci\u00f3s szekven\u00e1l\u00e1s ki\u00e9rt\u00e9kel\u00e9s\u00e9n kereszt\u00fcl megtanulj\u00e1k a genomi adatfeldolgoz\u00e1s
\nvalamennyi l\u00e9p\u00e9s\u00e9t. A saj\u00e1t DNS mint\u00e1b\u00f3l sz\u00e1rmaz\u00f3 szekven\u00e1l\u00e1si adatok ki\u00e9rt\u00e9kel\u00e9se csak
\nazon hallgat\u00f3k sz\u00e1m\u00e1ra lesz biztos\u00edtva, akik az ehhez sz\u00fcks\u00e9ges beleegyez\u0151 nyilatkozatot
\nelfogadj\u00e1k \u00e9s az elm\u00e9leti \u00e9s gyakorlati \u00f3r\u00e1kr\u00f3l val\u00f3 hi\u00e1nyz\u00e1s nem haladja meg a 10%-ot.
\nA gyakorlatokat vezetik: Gy\u0151rffy Bal\u00e1zs, Bartha \u00c1ron, Fekete J\u00e1nos Tibor, Menyh\u00e1rt Ot\u00edlia,
\nNagy \u00c1d\u00e1m, Munk\u00e1cs Gy\u00f6ngyi
\nAz utols\u00f3 gyakorlati alkalom sor\u00e1n konzult\u00e1ci\u00f3ra van lehet\u0151s\u00e9g.
\nAz adott tant\u00e1rgy hat\u00e1rter\u00fcleti k\u00e9rd\u00e9seit \u00e9rint\u0151 egy\u00e9b t\u00e1rgyak (k\u00f6telez\u0151 \u00e9s v\u00e1laszthat\u00f3 t\u00e1rgyak
\negyar\u00e1nt!). A tematik\u00e1k lehets\u00e9ges \u00e1tfed\u00e9sei:
\nBiofizika, Transzl\u00e1ci\u00f3s medicina<\/p>\n

A foglalkoz\u00e1sokon val\u00f3 r\u00e9szv\u00e9tel k\u00f6vetelm\u00e9nyei \u00e9s a t\u00e1volmarad\u00e1s p\u00f3tl\u00e1s\u00e1nak lehet\u0151s\u00e9ge:<\/strong>
\nA hat\u00e1lyos Tanulm\u00e1nyi \u00e9s Vizsgaszab\u00e1lyzat szerint. A gyakorlatokon val\u00f3 r\u00e9szv\u00e9tel k\u00f6telez\u0151,
\np\u00f3tl\u00e1sra az utols\u00f3 gyakorlati alkalommal van lehet\u0151s\u00e9g konzult\u00e1ci\u00f3 keret\u00e9n bel\u00fcl.<\/p>\n

A megszerzett ismeretek ellen\u0151rz\u00e9s\u00e9nek m\u00f3dja a szorgalmi id\u0151szakban:<\/strong>
\nA gyakorlati oktat\u00e1son elv\u00e9gzett feladatok elv\u00e9gz\u00e9se, mely a f\u00e9l\u00e9v v\u00e9gi \u00e9rt\u00e9kel\u00e9s 50%-\u00e1t teszi ki<\/p>\n

A f\u00e9l\u00e9v al\u00e1\u00edr\u00e1s\u00e1nak k\u00f6vetelm\u00e9nyei:<\/strong>
\nAz el\u0151ad\u00e1sokr\u00f3l \u00e9s gyakorlatokr\u00f3l t\u00f6rt\u00e9n\u0151 t\u00e1volmarad\u00e1sok sz\u00e1ma nem lehet t\u00f6bb a f\u00e9l\u00e9v gyakorlatainak
\n25%-\u00e1n\u00e1l.<\/p>\n

A vizsga t\u00edpusa:<\/strong>
\nA f\u00e9l\u00e9v gyakorlati vizsg\u00e1val z\u00e1rul<\/p>\n

Vizsgak\u00f6vetelm\u00e9nyek:<\/strong>
\nA gyakorlati vizsga sor\u00e1n egy meghat\u00e1rozott bioinformatikai feladatot kell megoldani, amely
\negyezik a f\u00e9l\u00e9v sor\u00e1n tanult gyakorlati feladatok egyik\u00e9vel, azonban \u00faj adatokat tartalmaz. A
\ngyakorlati vizsga elv\u00e9gz\u00e9se sor\u00e1n b\u00e1rmilyen seg\u00e9deszk\u00f6z haszn\u00e1lata lehets\u00e9ges, bele\u00e9rtve a
\nsaj\u00e1t laptop haszn\u00e1lat\u00e1t.<\/p>\n

Az oszt\u00e1lyzat kialak\u00edt\u00e1s\u00e1nak m\u00f3dja \u00e9s t\u00edpusa:<\/strong>
\nA f\u00e9l\u00e9v v\u00e9gi oszt\u00e1lyzat kialak\u00edt\u00e1sa a gyakorlatokon elv\u00e9gzett feladatok (50%) valamint a
\ngyakorlati vizsga (50%) alapj\u00e1n \u00f6tfokozat\u00fa min\u0151s\u00edt\u00e9ssel t\u00f6rt\u00e9nik.<\/p>\n

A vizsg\u00e1ra t\u00f6rt\u00e9n\u0151 jelentkez\u00e9s m\u00f3dja:<\/strong>
\nNeptun<\/p>\n

A vizsga megism\u00e9tl\u00e9s\u00e9nek lehet\u0151s\u00e9gei:<\/strong>
\nA hat\u00e1lyos Tanulm\u00e1nyi \u00e9s Vizsgaszab\u00e1lyzat szerint.
\nA tananyag elsaj\u00e1t\u00edt\u00e1s\u00e1hoz felhaszn\u00e1lhat\u00f3 nyomtatott, elektronikus \u00e9s online jegyzetek,
\ntank\u00f6nyvek, seg\u00e9dletek \u00e9s szakirodalom (online anyag eset\u00e9n html c\u00edm):
\nAz el\u0151ad\u00e1son elhangzott ismeretek.<\/p>\n","protected":false},"excerpt":{"rendered":"

A t\u00e1rgy neve: Klinikai bioinformatika Angol nyelven: Clinical bioinformatics N\u00e9met nyelven: Klinische Bioinformatics Kredit\u00e9rt\u00e9ke: 3 Teljes \u00f3rasz\u00e1m: 42 \u00f3ra el\u0151ad\u00e1s: 19 \u00f3ra gyakorlat: 23 \u00f3ra szemin\u00e1rium: 0 Tant\u00e1rgy t\u00edpusa: k\u00f6telez\u0151 k\u00f6telez\u0151en v\u00e1laszthat\u00f3 szabadon v\u00e1laszthat\u00f3 Tan\u00e9v: 2024\/2025 I. f\u00e9l\u00e9v A napjainkban fut\u00f3 orvosbiol\u00f3giai kutat\u00e1sok k\u00e9tharmada tartalmaz egy bioinformatikai eszk\u00f6zt. Mik ezek? A kurzus sor\u00e1n a bioinformatika …<\/p>\n","protected":false},"author":101688,"featured_media":0,"parent":6503,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"categories":[],"tags":[],"class_list":["post-6522","page","type-page","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/pages\/6522","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/users\/101688"}],"replies":[{"embeddable":true,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/comments?post=6522"}],"version-history":[{"count":8,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/pages\/6522\/revisions"}],"predecessor-version":[{"id":10281,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/pages\/6522\/revisions\/10281"}],"up":[{"embeddable":true,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/pages\/6503"}],"wp:attachment":[{"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/media?parent=6522"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/categories?post=6522"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/semmelweis.hu\/bioinformatika\/wp-json\/wp\/v2\/tags?post=6522"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}