Кластеризация раковых транскриптов (проект): различия между версиями
Нет описания правки |
|||
| (не показана 1 промежуточная версия 1 участника) | |||
| Строка 7: | Строка 7: | ||
|summer= | |summer= | ||
|categorize=yes | |categorize=yes | ||
|is_archived=yes | |||
}} | }} | ||
| Строка 32: | Строка 33: | ||
=== Критерии оценки === | === Критерии оценки === | ||
* 4-5: реализовать алгоритм кластеризации | * 4-5: реализовать простейший алгоритм кластеризации данных экспрессии генов | ||
* 6-7: реализовать | * 6-7: реализовать простейший алгоритм кластеризации данных экспрессии генов, соотнести результаты его работы с реальными наблюдениями для данного типа рака | ||
* 8- | * 8-10: сравнить разные алгоритмы кластеризации, выбрать лучший на основе его сравнения с реальными наблюдениями | ||
Текущая версия от 07:43, 20 октября 2015
| Ментор | Вита Степанова |
| Учебный семестр | Весна 2015 |
| Учебный курс | 1-й курс |
| Внимание! Данный проект находится в архиве и реализован не будет. |
Что это за проект?
Известно, что раковые опухоли могут характеризоваться различными степенями тяжести. В последнее время активно развиваются способы оценки степени тяжести опухоли по данным генной экспрессии. В рамках данного проекта студентам предлагается кластеризовать раковые транскрипты и сравнить свои кластеры с морфологическими наблюдениями.
Чему вы научитесь?
- Основы молекулярной биологии
- Обработка и интерпретация данных генной экспресии
- Применение математических методов для решения медицинских задач
Какие начальные требования?
Навыки программирования, интерес к изучению генетики и лечения рака
Какие будут использоваться технологии?
Данные для исследования будут загружены из БД GEO. Опционально могут быть использованы программы по обработке сырых данных микрочипов.
Темы вводных занятий
- Экспрессия генов и способы её оценки
- Способы интерпретации данных микрочипов
- Алгоритмы кластеризации
Направления развития
Интересным продолжением задачи станет решение проблемы определения набора дифференциально экспрессированных генов, необходимого для эффективной кластеризации раковых транскриптов. Это позволит упростить молекулярно-биологический прогноз состояния и развития раковой опухоли при первичном обращении пациента в больницу.
Критерии оценки
- 4-5: реализовать простейший алгоритм кластеризации данных экспрессии генов
- 6-7: реализовать простейший алгоритм кластеризации данных экспрессии генов, соотнести результаты его работы с реальными наблюдениями для данного типа рака
- 8-10: сравнить разные алгоритмы кластеризации, выбрать лучший на основе его сравнения с реальными наблюдениями