教育部顾问室93年度「基础科学教育.pdfVIP

教育部顧問室 93 年度「基礎科學教育 改進計劃」 A 類計劃 「生物資訊統計學概論」課程附件 (上課照片、教材及講義) 授課者：應數系 趙維雄 老師 課程綱要 中 文科目 名稱 生物資訊統計學概論 英文科目名稱 Introduction to Statistical Methods for Bioinformatics 科 目 代 碼 AM__32300 班 別 學士班 修 別 選修 學 分數 3 時 數 3 一、課程目標： 介紹與生物資訊學有關的機率、統計、隨機過程理論，並適時說明其在生物資訊學 研究之應用。 二、資源需求評估：師資專長之聘任、儀器設備的配合…等 1.本系統計學專長教師授課； 2.網路廣播教學教室； 3.計算軟體； 4.購置生物資訊統計學相關圖書。 三、先修課程： 微積分、機率與統計(或生物統計)、或經授課教師同意 四、課程綱要：說明內容主要範疇 １.生物資訊學的基礎機率理論及統計推論 2.卜瓦松過程及馬可夫鏈 3.去氧核糖核酸(DNA)及蛋白質序列分析 4.隨機過程在生物資訊學上的應用 5.生物資訊學主題選讀 五、教學要求進行方式之建議： 上課方式以講授、問答、習題、考試及討論為主。 六、其它： 上課實況照片 課程內容與講義 (Course Contents and Handouts) 一、教學目標： 所謂「生物資訊學」是指應用資訊科技、數學、統計等理論或計算工具，來幫助分子生物 學研究及相關大量生物遺傳資料分析時所衍生之跨領域新興科學。本課程將介紹與生物資 訊學有關的機率 、統計 、隨機過程理論及演算法 ，並適時說明其在生物資訊學研究之應用。 先修課程: 微積分、機率統計(或生物統計) 、程式設計、或經授課老師同意 二、課程計畫： 週 次 章次 授 課 內 容 1 Basic notions in Molecular Biology and Genomics 2~3 Probabilistic models and statistical inference 4~5 Maximum likelihood and Bayes estimation 5~6 Iterative methods, fixed point and Newton algorithm 7~9 Pairwise alignment using dynamic programming 10~12 Markov chains and hidden Markov models 13~14 Expectation-Maximization (EM) algorithm 15 Pairwise alignment using hidden Markov models 15~17 Markov chain Monte Carlo methods 18 Final presentation 三、教學方法：課堂演講、實作 四、教學評量：出席率、一般作業、電腦作業、期末報告 五、教材與參考書目 ： Durbin, Eddy, Krogh and Mitchison. (1998). Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Aci