《计算系统生物学》教学大纲（本科）.docxVIP

PAGE PAGE 125 计算系统生物学 一、课程简介 计算系统生物学是在细胞、组织、器官和生物体整体水平上研究结构和功能各异的生物分子及其相互作用，并通过计算生物学来定量阐明和预测生物功能、表型和行为的学科。 本课程的教学任务是使学生掌握计算系统生物学特征、方法、模型等基本理论。本大纲提出的讲授内容要求为：从组学、网络基础知识出发，结合高通量组学数据，以案例形式讲授计算系统生物学的应用。本大纲从教学实际出发，结合生物技术专业的特点，融合前沿知识，不仅使同学们掌握基础知识，也能够了解该课程在本专业的应用前景。 二、理论教学内容 计算系统生物学概述 掌握内容：计算系统生物学定义及研究内容。 了解内容：计算系统生物学背景、特点及研究进展。 癌症系统生物学 掌握内容：癌症定义，癌基因组。 了解内容：癌基因组背景知识，下载癌基因组数据，计算系统生物学在癌症研究中的应用。 癌基因组网络分析，突变数据分析，拷贝数数据分析 掌握内容：基于癌基因组和分子网络数据识别癌相关功能模块。 了解内容：癌症特征通路，癌相关功能模块间共扰动关系，基于生物学通路和癌基因组数据识别癌相关基因。 癌表观遗传组学网络分析，甲基化分析 掌握内容：表观遗传组学数据处理、分析及功能模块构建。 了解内容：网络模块的生物学解读及识别甲基化模块的优势。 5.癌转录组学网络分析：mRNA 组学分析 掌握内容：转录调控网络分析；几种典型的基因调控网络模型。non-coding RNA 调控网络模型构建；基于 non-coding RNA 网络识别癌相关通路。 了解内容：mRNA 组学的分析方法及应用；non-coding RNA 类型及数据资源。 多维组学整合分析：多维组学的网络分析 掌握内容：多维组学概念；多维组学整合方法；多维组学的网络构建。了解内容：多维组学与分子网络的研究进展。 多维组学整合分析：多维组学与细胞死亡、疾病 掌握内容：多维组学在复杂疾病研究中的应用；多维组学与疾病功能挖掘分析，多维组学整合分析与复杂疾病。 了解内容：多维组学与细胞死亡、疾病。 计算系统生物学在临床中的应用 掌握内容：计算系统生物学在肿瘤预后分析中的应用，药物研发中的计算系统生物学。了解内容：系统生物学的临床转化。 计算系统生物学展望 掌握内容：计算系统生物学与文本挖掘；系统生物学的新兴研究方向。了解内容：系统生物学在未来研究中的优势。 三、实验教学内容 识别乳腺癌 driver 基因 基本内容：基于 TCGA 高通量突变组学数据和 KEGG 通路数据，利用癌症患者共突变信息 识别在乳腺癌中发挥致癌作用的driver 基因。 基本要求：下载 TCGA 突变数据，构建突变谱，富集分析识别突变通路，利用超几何方法识别共改变基因和共改变通路，并识别driver 基因。 识别乳腺癌共改变模块 基本内容：基于 TCGA 高通量突变数据和蛋白质互作数据，识别乳腺癌显著共改变的模块。基本要求：下载 TCGA 突变数据，构建突变谱，下载蛋白质互作数据，开发算法识别网络 中显著共改变模块，并进行功能富集分析。 四、参考资料 《系统生物学的理论、方法和应用》.[德]柯利普等著.贺福初等译.复旦大学出版社.2007 出版 Systems Biology （http： //www ./worldscibooks/10.1142/7927） System Biology.Systems medicine： evolution of systems biology from bench to bedside.Wang et al， Systems Biology and Medicine，2015 Computational Systems Biology：From Molecular Mechanisms to Disease.Andres Kriete，Roland Eils.2013 五、学时分配 序号 教学内容 参考学时 总学时 理论学时 实验学时 1 计算系统生物学概述 4 4 0 2 癌症系统生物学 4 4 0 3 癌基因组网络分析，突变数据分析，拷贝数数据分析 16 8 8 4 癌表观遗传组学网络分析，甲基化分析 8 4 4 5 癌转录组学网络分析：mRNA 组学分析 8 4 4 6 多维组学整合分析：多维组学的网络分析 4 4 4 7 多维组学整合分析：多维组学与细胞死亡、疾病 4 4 0 8 计算系统生物学在临床中的应用 4 4 0 9 计算系统生物学展望 4 4 0 合计 60 40 20