1 семестр
Обучение начнется с введения в биоинформатику.
Далее студенты с биологическим бэкграундом изучают дисциплины по математике и программированию, а информатики — по биологии, углубленной статистике и алгоритмам. В этом семестре вы также выберете тему курсового проекта и начнете работать над ним.
Далее студенты с биологическим бэкграундом изучают дисциплины по математике и программированию, а информатики — по биологии, углубленной статистике и алгоритмам. В этом семестре вы также выберете тему курсового проекта и начнете работать над ним.
2 семестр
Вы будете изучать медицинскую генетику, несколько модулей курса по системной биологии, транскриптомику, алгоритмы в биоинформатике и Scientific Python, а также посещать журнальный клуб. Параллельно продолжите работу над проектом и в конце семестра защитите свои результаты.
3 семестр
Вы изучите 4 профильных курса по выбору, продолжите участвовать в журнальном клубе по биоинформатике и пройдете один курс модуля Soft Skills. Также в начале семестра вы определитесь с темой диплома и научным руководителем и начнете его выполнение.
4 семестр
Это время вы полностью посвятите написанию дипломной работы и прохождению практики.
1 семестр
Профильные курсы
Курс познакомит вас с подходом системной биологии и на примерах из области иммунологии показывает, как получение и интерпретация системных данных помогает совершать биологические открытия.
Примерный список тем:
- Foundations of immunology. Antibodies and phagocytes. Cells of the immune system. T-cells.
- Transcription and RNA sequencing. Exploration and analysis of gene expression datasets.
- Introduction to single-cell RNA-sequencing
- Case studies from cancer immunology and aging immunology
- Immunometabolism. Metabolic network analysis in Cytoscape
Вы научитесь проводить полноценное научное исследование в области биоинформатики и системной биологии индивидуально или в команде. Результатом станет семестровый отчет и промежуточная защита.
Курс по выбору 1
Курс направлен на изучение теоретических основ статистических методов и их применение на практике, в том числе в биоинформатике.
Примерный список тем:
- Introduction to statistics: variable types, basic distributions and hypotheses examples
- Calculating data statistics: central and variance tendency measures, correlation
- Data visualization: distribution visualization techniques, multidimensional data, heatmaps, Venn diagrams
- Data visualization practice: visualizing experiment data, explanatory data analysis (EDA)
- Testing mean equality one-sample hypotheses with simulations
- Testing goodness of fit hypothesis with simulations
- Testing independency hypothesis with simulations
- Sampling methods, sources of bias
- Distributions: Bernoulli, binomial, geometrical, uniform, normal, exponential, Poisson
- Types of errors and power of tests
- Multiple comparisons problem
- Regression analysis: linear regression using least squares
Курс включает в себя изучение таких методов статистического анализа, как описательная статистика, построение оценок и доверительных интервалов, тестирование гипотез и т. д.
Примерный список тем:
Примерный список тем:
- Sample, estimates. Descriptive statistics. Unbiased estimator, consistent estimator. Distribution of empirical E, D.
- MLE, method of moments. Confidence intervals.
- One-sample hypothesis testing: one-tailed/two-tailed alternatives.
- One-sample hypothesis testing: parametric/non-parametric criteria.
- Two-sample hypothesis testing. Correlation coefficients.
- Linear regression, ANOVA.
- Multiple hypothesis testing: correction methods, FDR.
Курс по выбору 2
Курс познакомит вас с основными понятиями булевой логики, комбинаторики, динамического программирования и алгоритмов на графах, которые являются базой для решения многих биоинформатических задач.
Примерный список тем:
Примерный список тем:
- Introduction to set theory: definitions, set operations and properties
- Boolean functions, boolean logic and proof methods
- Combinatorics: combinations, permutations, pigeonhole principle
- Combinatorial generation
- Asymptotic analysis of algorithms
- Sorting algorithms
- Dynamic programming: definitions, subtask optimization, basic problems
- Dynamic programming in bioinformatics: local and global alignments
- Dynamic programming: RNA's secondary structure prediction
- Graph theory: definitions, DFS, BFS
- Graph theory: algorithms, de Bruijn graph
В курсе изучаются базовые алгоритмы и структуры данных, которые требуются для понимания более сложных специализированных алгоритмов в биоинформатике.
Примерный список тем:
Примерный список тем:
- Complexity
- Sorting and Binary Search
- DigitSort and Stacks
- Queues, Dequeue, Heap, Amortized time
- Vector continuation, BST, AVL, Treap
- Treap and Treap with hidden keys
- Dynamic Programming. Part 1.
- Dynamic Programming. Part 2.
- Dynamic Programming. Part 3.
- Dynamic Programming. Part 4.
- String Hashes
- Depth-First Search
- Eulerian cycle, Breadth-First Search, Dijkstra
- Ford-Bellman, Floyd
Курс по выбору 3
Курс посвящен изучению Python с нуля. При этом, по ходу курса вы сразу начнете применять знания для решения простых биоинформатических задач.
Примерный список тем:
Примерный список тем:
- Python Basics. Numbers. Strings. Boolean Type. Variables and rules for naming variables. Arithmetic Operators. Comparison operators. Logical operators.
- Control Flow. Indentation.
- Data structures. List. Set. Dictionary. Tuple.
- Functions.
- Functional programming.
- Call stack. Namespace.
- Modules, Files.
- Python Classes. Attributes, methods. Instantiation. self parameter. Underscores.
- Inheritance. Parent class and Child class. Subclass attributes. Multiple inheritance. Method Resolution Order (MRO).
- Iterators. Generators. Errors. Exceptions.
Курс направлен на изучение базовых принципов строения и функционирования биомолекул, а также их роли в хранении и реализации генетической информации.
Примерный список тем:
Примерный список тем:
- Cell structure and cell processes. Cell division. Mitosis and meiosis. Cell cycle.
- Molecular basis of genetics and inheritance. Central dogma of molecular biology. DNA and RNA functions.
- DNA replication. Replication processes in prokaryotes and eukaryotes. Transcription and translation. RNA splicing and processing. DNA damage and mutations. DNA repair.
- Definitions of the gene. Mendel's principles of heredity. The chromosome theory of inheritance. Gene regulation in prokaryotes and eukaryotes.
- Genome structure and organization. Chromosome organization. Genome rearrangements.
- Genetic diversity. Sources of genetic diversity. Inbreeding and mutational load.
Факультативы и общеуниверситетские курсы
Курс посвящен изучению основ высшей математики и разбору типовых задач математического анализа.
Первичная обработка данных и Статистика на R / Data Preprocessing and Statistics with R
Курс научит вас базовым приемам работы с данными, методам их визуализации и описательной статистики, методам нормировки данных и построения целевых функций. А также практическим навыкам статистической обработки данных на языке программирования R для решения различных аналитических задач. Вы познакомитесь с важнейшими понятиями теории вероятностей, на которых основаны многие статистические конструкции и выводы.
Хранение больших данных и введение в машинное обучение (Python) / Big Data: Storage Technologies and Introduction to Machine Learning (Python)
Курс научит организовывать хранение больших данных с помощью реляционных СУБД и NoSQL хранилищ и расскажет про методы проектирования структур данных, языки запросов к данным и приемы их обработки. А также познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации.
Введение в МО (Python) и продвинутое машинное обучение (Python) / Introduction to Machine Learning (Python) and Advanced Machine Learning (Python)
Курс познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации. Также из курса вы узнаете методы снижения размерности набора признаков и факторного анализа. Рассмотрите метод опорных векторов и деревья принятия решений, ансамбли моделей, погрузитесь в еще одно направление машинного обучения — обучение с подкреплением.
Курс научит вас базовым приемам работы с данными, методам их визуализации и описательной статистики, методам нормировки данных и построения целевых функций. А также практическим навыкам статистической обработки данных на языке программирования R для решения различных аналитических задач. Вы познакомитесь с важнейшими понятиями теории вероятностей, на которых основаны многие статистические конструкции и выводы.
Хранение больших данных и введение в машинное обучение (Python) / Big Data: Storage Technologies and Introduction to Machine Learning (Python)
Курс научит организовывать хранение больших данных с помощью реляционных СУБД и NoSQL хранилищ и расскажет про методы проектирования структур данных, языки запросов к данным и приемы их обработки. А также познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации.
Введение в МО (Python) и продвинутое машинное обучение (Python) / Introduction to Machine Learning (Python) and Advanced Machine Learning (Python)
Курс познакомит вас с видами машинного обучения и покажет практические примеры решения задач при помощи методов машинного обучения с использованием Python. Основное внимание уделяется решению задач регрессии, задачам классификации и кластеризации. Также из курса вы узнаете методы снижения размерности набора признаков и факторного анализа. Рассмотрите метод опорных векторов и деревья принятия решений, ансамбли моделей, погрузитесь в еще одно направление машинного обучения — обучение с подкреплением.
Навыки критического мышления/ Critical Thinking Skills (advanced)
Курс направлен на овладение важными навыками критического мышления с учётом их применения в научно-образовательных, а также конфликтных ситуациях. Вы узнаете, как оценить актуальность информации, как построить убедительную аргументацию, как обнаружить ошибки в рассуждениях, как их избежать и т.д.
Создание технологического бизнеса/ High Tech Business Creation
В рамках курсы вы сможете попробовать себя в роли предпринимателя, создать и развить междисциплинарный бизнес-проект. Основные задачи курса – изучение особенностей разработки высокотехнологичного проекта и оценка готовности его к коммерциализации в реальном секторе экономики.
Основы концептуального мышления/ Introduction to Conceptual Thinking
Курс о базовых принципах анализа, генерации идей, креативных процессах, структурировании информации и построении систем, дающий знания для создания прорывных и инновационных проектов в разных областях науки и бизнеса.
Курс направлен на овладение важными навыками критического мышления с учётом их применения в научно-образовательных, а также конфликтных ситуациях. Вы узнаете, как оценить актуальность информации, как построить убедительную аргументацию, как обнаружить ошибки в рассуждениях, как их избежать и т.д.
Создание технологического бизнеса/ High Tech Business Creation
В рамках курсы вы сможете попробовать себя в роли предпринимателя, создать и развить междисциплинарный бизнес-проект. Основные задачи курса – изучение особенностей разработки высокотехнологичного проекта и оценка готовности его к коммерциализации в реальном секторе экономики.
Основы концептуального мышления/ Introduction to Conceptual Thinking
Курс о базовых принципах анализа, генерации идей, креативных процессах, структурировании информации и построении систем, дающий знания для создания прорывных и инновационных проектов в разных областях науки и бизнеса.
Углубленный курс английского языка. Вы изучите основы межкультурного общения в научном мире, вооружитесь новыми теоретическими знаниями, улучшите и разовьете навыки письма и разговорной речи, а также научитесь критическому письму, чтению и мышлению.
2 семестр
Курс раскрывает вопросы работы с геномными данными человека: как с точки зрения полногеномного поиска ассоциаций, так и с точки зрения интерпретации экзомных данных.
Примерный список тем:
Примерный список тем:
- Where it all started. Solving a mystery of inheritance. Mendel and post-Mendel era
- Pre-genome era. Mapping of the first human disease gene. Huntingnton's disease.
- RFPL, microsatellite and genetic linkage. Pedigree and linkage analysis. DNA forensics.
- Human Genome Project. SNP map of the human genome. DNA variation.
- Linkage disequilibrium and genome-wide association studies. HapMap project.
- GWAS concepts and approaches.
- Hands on GWAS tutorial.
- GWAS discussion and resources. Polygenic risk scores. UK biobank.
- Next generation sequencing. Exome sequencing.
- GATK pipeline.
- Variant annotations, selection pressure metrics. Large scale sequencing resources.
- Rare variant association studies
- Hands-on analysis of exome sequencing data.
- Cancer genetics. TCGA project.
- Case-control matching challenge.
Примерный список тем:
- Central dogma of molecular biology, structure of gene, types of RNA, structure of RNA, transcription, reverse transcription, FACS
- RNA-seq: alignment, quantification, QC, normalization, basic analysis
- Overall quality control: PCA, clustering, outlier detection, batch correction
- Differential expression (DE), Deseq2 for RNA-seq
- Downstream analysis: pathway/gene set enrichment analysis
- Transcriptome assembly, functional annotation
- Single-cell transcriptomics
- Spatial transcriptomics
- Visual data exploration: Phantasus, JBR genome browser
- Experimental design of gene expression study
Курс состоит из нескольких тематических модулей. Вы научитесь анализировать данные в онкогенетике, а также разберете использование протеомных и/или эпигенетических данных для изучения биологических процессов.
В курсе рассматриваются алгоритмы и структуры данных, которые используются для решения как классических, так и современных задач биоинформатики.
Примерный список тем:
Примерный список тем:
- Sequence alignment
- Genome assembly
- Hidden Markov Models
- Phylogeny reconstruction
- Genome rearrangements
- Active module problem
- Algorithms for gene set enrichment analysis
- Privacy-preserving genome-wide association studies
- Reconstruction of evolutionary histories
- Reconstruction of gene regulatory networks
На этом курсе вы продолжите изучать Python. Научитесь применять различные open-source библиотеки для анализа данных, а также с помощью Python решать более сложные биоинформатические задачи.
Примерный список тем:
Примерный список тем:
- Basic text processing with python. Regular expressions
- Code organization. Error handling and debugging
- Exploratory data analysis with python. Data manipulation packages
- Visual data analysis with python. Data visualization packages
- Functional programming with python. Method oriented programming. Functional programming paradigm. Inerating over objects. Iterators in python. Working with infinite objects. Generators in python. Python functional possibilities.
- Biological data processing with python. Biopython and Scanpy
- Scientific project organization. Virtualization, Pipelines and Web applications. Docker. Introduction to pipeline development using Snakemake
- Machine learning possibilities in python. Advanced tools for data processing. Introduction to neural networks with python.
В рамках курса вы познакомитесь с актуальными исследованиями из разных областей биоинформатики, научитесь анализировать научные статьи, а также овладеете навыками презентации.
Углубленный курс английского языка. Вы изучите основы межкультурного общения в научном мире, вооружитесь новыми теоретическими знаниями, улучшите и разовьете навыки письма и разговорной речи, а также научитесь критическому письму, чтению и мышлению.
Вы научитесь проводить полноценное научное исследование в области биоинформатики и системной биологии индивидуально или в команде. Результатом станет семестровый отчет и публичная защита проекта. Возможна публикация результатов в научном журнале.
3 семестр
Профильные курсы (4 на выбор)
Курс включает в себя изучение основ структурной биологии, знакомство с основными методами молекулярного моделирования, а также с базовыми концепциями компьютерного дизайна лекарственных средств.
Примерный список тем:
Примерный список тем:
- Defining bioinformatics and structural bioinformatics.
- Fundamentals of macromolecular organization and structure. Hierarchical levels of protein organization. Protein 3D structure. Protein Domains. Protein Folds.
- Analysis of macromolecule. Sequence and structural alignment. Amino acid substitutions, amino acid replacement matrices. Quality of protein structures, Torsion angles and Ramachadran plot. Function from structure: Structure-function relationship and analysis.
- Prediction and modeling of macromolecules. Homology and similarity of proteins, quality assessments of homology models. Molecular dynamics and docking, Monte Carlo simulations. Protein folding and energetics.
- Experimental approaches in structural biology: Determination of macromolecular structures. X-ray crystallography. Nuclear Magnetic Resonance. Cryo-electron microscopy. Hydrogen-deuterium exchange.
- Protein databases. The Protein Databank (PDB), UniProtKB, InterPro, HMMER, PDBe, EMDB, EMPIAR, IntAct, Complex Portal, Reactome.
- Computer-aided drug design: approaches and methods. Structure-based drug design. Ligand-based drug design. De novo design.
- Basics of molecular modeling. Preparation of protein structure. Molecular docking, molecular dynamics.
Курс направлен на изучение современных методов работы с геномными данными, позволяющих изучать особенности структуры и эволюции различных организмов.
Примерный список тем:
Примерный список тем:
- Introduction to population genetics. Hardy-Weinberg equilibrium
- Driving forces of microevolution. Mutations and gene flow
- Analysis of gene flow and admixture in natural populations
- Genetic drift: models and consequences
- The coalescent theory and its application to population history analysis
- Natural selection and its impact on genetic variation
- Searching for positive and negative selection in sequence data
- Comparative genomics
Курс позволяет приобрести основные навыки системно-биологического анализа микробных сообществ и развить понимание методов для изучения этих данных. Делится на два модуля: молекулярная филогенетика и метагеномика.
Примерный список тем:
Part 1. Molecular Phylogenetics
Примерный список тем:
Part 1. Molecular Phylogenetics
- Introduction. Tree representation.
- Multiple sequence alignment, databases. Eutils, Biopython.
- Distance methods.
- Maximum Likelihood
- Bayesian methods.
- Introduction. Communities, sampling, history, etc.
- 16S analysis. From reads to ASV table.
- Analysis of communities: diversity, indices, differential abundance.
- WGS, shotgun metagenomiсs. Assembly, binning.
- Taxonomic composition, k-mer analysis (Kraken, mash, etc).
- Practice on real data.
Курс предоставляет всестороннее введение в современные методы обработки естественного языка (NLP) и их применение в биоинформатике. Вы изучите базовые концепции, такие как предобработка текста, эмбеддинги и языковое моделирование, а также продвинутые архитектуры и методы тонкой настройки. Отдельные модули посвящены генерации с расширенным поиском (Retrieval-Augmented Generation), мультиагентным системам и интеграции с инструментами управления вычислениями.
Курс направлен на изучение базовых подходов к оптимизации функций многих переменных как в дискретном случае, так и в вещественном пространстве.
Примерный список тем:
Примерный список тем:
- Introduction to optimization
- Necessary and sufficient conditions for optimality
- Lagrange multipliers method
- Gradient descent method
- Binary and ternary search
- Newton and quasi-Newton method
- Linear programming
- Mixed-integer programming
- Lagrangian relaxation
- MIP formulations. Tips and tricks
- Rejection sampling
- Monte-Carlo Markov Chain
- Simulated annealing
- Genetic programming
- Evolution strategies
Курс направлен на изучение принципов работы алгоритмов машинного обучения. В рамках курса вы познакомитесь с математическими основами работы алгоритмов обучения с учителем, обучения без учителя и алгоритмов глубокого обучения.
Примерный список тем:
Примерный список тем:
- Introduction to Machine Learning
- Non-parametric Models. Nadaraya-Watson kernel regression.
- Linear Models. Gradient Algorithms.
- Support Vector Machine. Karush-Kuhn-Tucker Condition
- Probabilistic Classifiers
- Trees and Ensembles. Boosting algorithms
- Neural Networks
- Optimization algorithms for Neural Networks
- Convolutional Neural Networks
- Recurrent Neural Network
- Dimensionality reduction
- Label Irregularity
- Clustering
- Generative Models
- Best Practices in ML
Другие курсы
В рамках курса вы познакомитесь с актуальными исследованиями из разных областей биоинформатики, научитесь анализировать научные статьи, а также овладеете навыками презентации.
Переговоры, управление конфликтом и техники влияния/Negotiations, Influence and Conflict Management
Курс направлен на понимание того, как планировать, проектировать и достигать взаимовыгодных соглашений. Вы познакомитесь с лучшими современными подходами к переговорам, а также распространенными предубеждениями и ловушками, которые могут сопровождать переговорный процесс.
Основы организации международных научных исследований/ International Research Management Essentials
На курсе вы научитесь пошагово проводить исследовательские проекты и готовить их к финальной защите. Вы также изучите и приобретете некоторые из наиболее важных навыков 21 века, начиная от решения сложных проблем и заканчивая умением принимать решения на основе данных.
Жизнь в науке: путеводитель молодого исследователя/ Life in Science: Guide for Young Researchers
На курсе вы разовьете умения: писать научные статьи и выбирать журналы для их публикации, ориентироваться в ведущих рейтинговых системах и стратегически подходить к построению своей академической репутации, проектировать публичное выступление с учетом своих целей и особенностей целевой аудитории, работать в команде и организовать ее работу, находить необходимые для научной работы ресурсы (гранты, стипендии) и грамотно подать заявку на их получение.
Эмоциональный интеллект/ Emotional Intelligence
На курсе вы научитесь воспринимать и управлять эмоциями, углубите понимание своей эмоциональной жизни, потребностей и мотивации. А также сможете лучше понимать других и улучшите свои навыки эффективного общения.
Курс направлен на понимание того, как планировать, проектировать и достигать взаимовыгодных соглашений. Вы познакомитесь с лучшими современными подходами к переговорам, а также распространенными предубеждениями и ловушками, которые могут сопровождать переговорный процесс.
Основы организации международных научных исследований/ International Research Management Essentials
На курсе вы научитесь пошагово проводить исследовательские проекты и готовить их к финальной защите. Вы также изучите и приобретете некоторые из наиболее важных навыков 21 века, начиная от решения сложных проблем и заканчивая умением принимать решения на основе данных.
Жизнь в науке: путеводитель молодого исследователя/ Life in Science: Guide for Young Researchers
На курсе вы разовьете умения: писать научные статьи и выбирать журналы для их публикации, ориентироваться в ведущих рейтинговых системах и стратегически подходить к построению своей академической репутации, проектировать публичное выступление с учетом своих целей и особенностей целевой аудитории, работать в команде и организовать ее работу, находить необходимые для научной работы ресурсы (гранты, стипендии) и грамотно подать заявку на их получение.
Эмоциональный интеллект/ Emotional Intelligence
На курсе вы научитесь воспринимать и управлять эмоциями, углубите понимание своей эмоциональной жизни, потребностей и мотивации. А также сможете лучше понимать других и улучшите свои навыки эффективного общения.
Начало работы над индивидуальным дипломным проектом в области биоинформатики и системной биологии. Результатом станет семестровый отчет и промежуточная защита.
4 семестр
Продолжение работы над научно-исследовательским проектом в области биоинформатики и системной биологии. Три этапа предзащиты: январь, апрель, май; финальная защита — июнь. После защиты многие результаты публикуются в научных журналах.
ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
Занятия проводятся во вторую половину дня (с 15:30 по московскому времени), 3−4 раза в неделю.
С работой full-time — скорее, нет. С работой part-time — скорее, да, но будет сложно. Важно понимать, что программа обучения очень интенсивная, и каждый семестр — это не только лекционные и практические занятия, но и много домашних заданий, а также параллельная работа над проектом.
Наши студенты работают над реальными научно-исследовательскими проектами на протяжении всего периода обучения. В течение первого года — это «вводные» парные или индивидуальные курсовые проекты, в течение второго — полноценная работа на дипломами. Научными руководителями студентов являются российские и зарубежные ученые, работающие на передовой современной науки. Если студент уже вовлечен в какую-то исследовательскую деятельность (например, по месту работы), то можно заниматься ей же в рамках НИР.
Каждый учебный год мы собираем темы проектов у наших коллег и партнеров, чтобы студенты могли принимать участие в реально существующих исследованиях. Далее руководители презентуют темы и требования, и студенты выбирают для себя наиболее понравившиеся/подходящие. Наконец, проекты распределяются исходя из выбранных приоритетов и бэкграунда студентов. Если студент уже вовлечен в какую-то исследовательскую деятельность, например, по месту работы, то можно заниматься ей же в рамках НИР.