简述

本课是生物信息学算法的第一部分， 内容主要是一些生物信息学里的算法。主要对应以下主题：基因组合，DNA和蛋白质序列比对，regulatory motifs（调控特征序列？），基因重组分析，蛋白质识别等

概述

人类基因序列点燃了生物学里的计算革命。于是，现代生物学和其他科学领域一样，产生了很多新的算法。计算机科学与生物学之间的新关联，影响了我们向计算机科学家教授应用算法的方式。

基因序列只是无数生物学问题中的一个，但与计算方法有着解不开的关系，需要计算方法来解决。 在本课程中，我们将覆盖一些现代生物学中的基本算法思想。 计算概念，如动态规划和图论，能帮助我们探索各种算法，以便应用于大量生物学课题中，课题可以从寻找regulatory motifs（调控特征序列？）到确定人类基因的“脆弱”区域。课程进行过程中，各种生物学算法将被应用于实际的基因数据上。

本课的每一章节会涵盖单个生物学问题，并细致地构建相应算法知识来解决这个挑战性问题。通过这种方式， 编码挑战及练习（很多会要求你将新学到的技能应用到实际的基因数据上）就能无缝整合到教学情景中。

授课大纲

本课将分成6章，包含以下核心问题，及括号中相应的用于解决问题的算法思想。

• DNA序列重复的起始位置？（算法热身）
• 如何制定抗生素使用顺序？（暴力算法，穷举）
• 哪种DNA模式作为细胞锁？（贪心和随机算法）
• 如何进行基因序列的组合？（图算法）
• 如何比较生物学里的序列？（动态规划算法）
• 基因中是否存在脆弱区域？（组合算法）

本课的分数来自每周的若干编程挑战和每个章节末尾的测试。

生物信息学算法（部分2） 将包含以下问题：

• 哪个动物给人类带来了非典？ （进化树）
• 如何定位致病突变基因位置？ （组合模式匹配）
• 酵母怎么成为了啤酒制造商？ （聚类算法）
• 为什么还没有艾滋病的疫苗？ （隐马尔可夫模型）
• 霸王龙其实就是大号的小鸡？ （可计算蛋白质）
• 人口体现了何种的基因特征？ （主成分分析）

先修知识

一点编程基础，语言不限。以下是我们推荐的编程学习资源：

• Codecademy, 特别是Python
• Coursera课程 An Introduction to Interactive Programming with Python
• Rosalind上的引导问题， 这是本课教师创建的生物信息学学习网址。

参考资料

略

授课形式

除了教学视频， 没说什么，略。

常见问题解答

• 课程有证书吗？ 是的， 完成本课的学生将有我们签名的完成声明。

• 课程有认证证书吗？ 是的， 想要认证证书，请选本课的 Signature Track 方式。