BIOLÓGIAI ADATOKRA ÉPÜLŐ
INNOVÁCIÓ
Bioinformatika MSc a Pázmány ITK-n
Tudj meg többet nyílt napunkon!
2025. január 30.
Címünk: BUDAPEST, Práter utca 50/a
Fedezd fel a biológia titkait az informatika eszközeivel
A bioinformatika az informatika és az élettudományok metszéspontjában található tudomány. Az egyre nagyobb mennyiségű biológiai adat feldolgozásával a bioinformatika az adatokat információvá alakítja, megalapozva a további tudományos felfedezéseket.
A bioinformatikai tudás a biotechnológia minden területén nélkülözhetetlen, beleértve a személyre szabott orvoslást, a gyógyszer- és vakcinafejlesztést, valamint az orvosbiológiai adatok adatbázis- és szoftverfejlesztését.
Lépj tovább a karrieredben!
Ahogy az egészségügy, a biotechnológia és a gyógyszeripar egyre inkább támaszkodik az adatelemzésre és a mesterséges intelligenciára, így a biológiai tudással és programozási/elemzési készségekkel rendelkező szakemberek iránti igény is egyre nő. A bioinformatikai ágazat éves növekedési ütemét (CAGR) a piaci elemzők* 13,0%-ra teszik, ami szintén alátámasztja a komplex tudással rendelkezők iránti igényt.
A Pázmány ITK Bioinformatika mesterképzése felkészít rá, hogy megtaláld a helyed ezen a dinamikusan növekvő, egyre újabb felfedezésekkel váró piacon.
*Forrás: https://www.marketsandmarkets.com/Market-Reports/bioinformatics-39.html
KIEMELT FÓKUSZTERÜLETEK
Szekvencia-
elemzés
Szerkezeti
biológia
Bioinformatikai
algoritmusok
Biostatisztika
Molekuláris diagnosztikai adatfeldolgozó eljárások
Rendszer-
biológiai modellezési eljárások
Komplex rendszerek matematikai leírása
Neurobiológiai folyamatok modellezése
Specializációk
Az újgenerációs szekvenálási eljárások (NGS) az elmúlt évtized során döntő átalakulást indítottak el az orvosi diagnosztika területén a személyre szabott orvosláshoz szükséges háttér gazdaságossá és hatékonnyá tételével. A jelenlegi trendek az adatmennyiség és a komplexitás további növekedését vetítik előre a sejtekre lebontott technikák előretörésével, amelyek segítségével pl. egy tumoros szövet genetikai heterogenitása is vizsgálható. Az újgenerációs szekvenálás mellé számos további technika felzárkózása is megfigyelhető, kiemelten a háromdimenziós makromolekuláris térszerkezetek becslése, illetve a proteomikai és metabolomikai alkalmazásokban. Ezek eredményeinek egymással összefüggésben történő, integrált értelmezése alapvető fontosságú már ma is, és a jövőben várhatóan egyre hangsúlyosabb lesz az alapkutatástól a klinikai alkalmazásokig.
A Bioinformatika MSc Biomolekuláris adatok értelmezése specializációján az adatfeldolgozás széles palettáját kínáljuk, a nagyskálás (high-throughput) szekvenálási eredmények feldolgozása mellett szerepel DNS- és fehérjeszekvenciák mély elemzése funkcionálisan releváns aspektusok azonosítása céljából, proteomikai megközelítések, valamint fehérjeszerkezeti modellezés a molekuláris mechanizmusok megismeréséhez, és azok befolyásolási lehetőségeinek feltárásához.
A nagy mennyiségű adat kvantitatív értelmezése a rendszerbiológiai modellezés segítségével valósítható meg. A rendszerbiológiai modellek alkalmasak az egyes molekulák közötti kölcsönhatások révén megvalósuló biológiai folyamatok predikciós erővel bíró leírására. A rendszerbiológiai modellek orvosbiológiai alkalmazására már ma is léteznek törekvések. Az ilyen modellek segítségével előrejelezhetőek egyes hatóanyagok által kiváltott válaszok, illetve kiválaszthatók olyan potenciális molekuláris célpontok, melyek befolyásolása várhatóan hatékonyan és szelektíven váltja ki a kívánt terápiás választ. Kvantitatív modellezéssel az emberi idegrendszer komplexitása is jobban megérthető. A rendszerbiológiai megközelítés természetesen nagymértékben támaszkodik az elérhető molekuláris és sejtszintű kísérleti adatokra, azonban azokat specializált matematikai modellek segítségével dolgozza fel, és tesz tesztelhető előrejelzéseket.
A Bioinformatika MSc Rendszerbiológia specializációján elméleti alapozást nyújtunk a modellezés matematikai és algoritmikai hátterének elmélyítésére, hangsúlyosan megjelenik a nemlináris rendszerek leírása és a paraméterbecslés. Emellett részletesen bemutatjuk a biológiai modellezésben felhasználható molekuláris biológiai adatokat, sejtszintű folyamatokat és számos gyakorlati alkalmazási példát, valamint lehetőséget biztosítunk speciális területeken, kiemelten a neurobiológiai modellezésben történő elmélyülésre is.
Kiemelt oktatóink
Gáspári Zoltán
egyetemi tanár
Biológus, fehérjeszerkezet-kutató. Kutatási tapasztalata kiterjed a bioinformatika több területére, jártas módszerfejlesztésben és adatelemzésben is. Rendszeresen publikál utolsó szerzőként interdiszciplináris, valamint molekuláris biológiai és bioinformatikai profilú szaklapokban. Rendszeres bírálója PhD értekezéseknek, hazai és nemzetközi pályázatoknak. Jelenleg a Magyar Bioinformatikai Társaság elnökségi tagja, a Bioinformatika MSc szakfelelőse.
Csikász-Nagy Attila
egyetemi tanár
Széleskörű tapasztalattal rendelkezik a rendszerbiológia területén, a sejtciklus és a cirkadián ritmus szabályozásának nemzetközileg elismert kutatója. Több mint egy évtizedes külföldi oktatási és kutatási tapasztalattal rendelkezik. Szakterülete neves szaklapjaiban rendszeresen publikál. Jelenleg a Magyar Biokémiai Egyesület budapesti területi képviselője.
Juhász János
egyetemi adjunktus
Okleveles bioinformatikus, a Pázmány ITK Bioinformatika és Rendszerbiológia kutatócsoportjainak tagja, kutatási területe mikrobiális közösségek bioinformatikai és statisztikai elemzése valamint számítógépes modellezése. Bioinformatika, biostatisztika és számítógépes biológia tárgyak oktatásában vesz részt.
Ligeti Balázs
tudományos munkatárs
A Pázmány ITK Neurális Bioinformatika kutatócsoporjának vezetője, a molekukáris adatfeldolgozás szakértője. Kutatási területe a nagyméretű genomikai nyelvmodellek és szekvencia-reprezentációk és ezekre épülő algoritmusok kidolgozása.
Fontosabb tantárgyak
Természettudományos és biológiai ismeretek (20-30 kredit)
A kurzus célja mélyebb ismereteket adni az alábbi területeken:
– Önszerveződő rendszerek tervezésem vizsgálata és felhasználása
– Cargo transzport a biológiai rendszerekben
– Molekulák biomembránokon át történő célbajutattása
– Az enzimtervezés molekuláris aspektusai
– Irányított evolúciós módszerek
– Bionanotechnológia a vakcinafejlesztésben
– Biokompatibilis nanonyagok tervezése és felhasználása
– Szintetikus sejtbeni szabályozó hálózatok
Metrikus terek, normált terek, belső szorzat-terek. Szekvencia és függvényterek. Metrikus terek topológiája. Nyított, zárt és kompakt halmazok. Teljesség. Mérés és integrálás. Riemann és Lebesgue integrál. Lebesgue Lp terek. Fourier-analízis Hilbert-térben. Bevezetés az absztakt lineáris operátor elméletbe.
A kurzus biológiai problémák kvantitatív megközelítését tárgyalja a sejt-, molekuláris és evolúcióbiológiában. Minden előadó aktívan részt vesz kísérletes kutatásokban és azok eredményeinek elemzésében. A különböző európai intézményekből érkező kutatók többek között egyedi sejtes vizsgálatokról, mikrofluidikáról, hosszú távú evolúciós kísérletekről, a COVID dinamikájáról, a sejtmozgások dinamikájáról tartanak előadásokat.
A kurzus a sejt dinamikus metabolikus hálózatának áttekintésére vállalkozik az enzimkinetika alapjaira, illetve a metabolikus útvonalak szerkezetére és szabályozására fókuszálva. Hangsúlyosak a biotechnológiai vonatkozások: korszerű biokémiai eljárások intermolekuláris kölcsönhatások és enzimaktivitások elemzésére, biokémiai folyamatok és rendszerek in silico modellezése. Az orvosi vonatkozás egyes, jelentős egészségügyi vonatkozású kórképek (kardiovaszkuéáris és neurodegeneratív betegségek) molekuláris alapjainak bemutatásával jelenik meg. A hallgatók előadásokon, gyakorlati bemutatókon és számítógépes szimulációs órákon vesznek részt.
A kurzus célja a sejtkultúrák fenntartásához és vizsgálatához, modellrendszerként és specifikus tudományos kérdések megválaszolására való alkalmazásához szükséges gyakorlati technikák bemutatása. Hangsúlyos a baktériumsejtek felhasználása fehérjetermeléshez, valamint élesztő és emlős sejtvonalak fenntartása, beleértve tumoros sejtvonalakat is. Az alapvető technikák és protokollok áttekintése mellett megjelenik különböző sejtkultúra-alapú kísérletek és sejtelemzési módszerek részletes bemutatása is.
Biológiai folyamatok kémiai aspektusainak áttekintése. Fehérjék mint biopolimerek, poszttranszlációs módosítások, funkcionálisan rendezetlen fehérjék. A laboratóriumi és sejten belüli fehérjeszintézis kémiai vonatkozásai. A fehérjék belső dinamikája és annak jelentősége, a fehérje NMR spektroszkópiai alapjai. A kromatin szerveződése és bevezetés az epigenetikába. RNS-alapú szabályozási folyamatok. A vezikuláris transzport és a sejtosztódás kémiai biológiája.
A jelátvitel alapjai. A cAMP közvetítő rendszer. Foszfoinozitodok a jelátviteli rendszerekben. Receptor tirozin kinázok. Az inzulin jelátvitel és a diabetes mellitus. Az NF-kappaB és a TGF-beta jelátviteli útvonalak. A citokinek jelátviteli útvonalai. Szignalizáció adhéziós molekulákon keresztül. A sejtciklus szabályozása. A programozott sejthalál biokémiája. A tumorképződés molekuláris mechanizmusai.
Tág értelemben vett stacionárius folyamatok. Ortogonális folyamatok és transzformációik. Predikció, innováció és Wold dekompozíció. Szinguláris folyamatok. Spektrális elmélet. Véletlen ortogonális értékek. Tág értelemben vett stacionárius folyamatok reprezentációja, AR, MA és ARMA folyamatok. Multivariáns idősorok, állapottér-reprezentáció, Kálmán-szűrés, AR folyamatok azonosítása, MA és ARMA modellek identifikációja. Nem-stacionárius modellek. Sztochasztikus volatilitás: ARCH és GARCH modellek
Programozási és adatelemzési ismeretek (20-40 kredit)
Az élettudományokban új kihívást jelent a mért adatok és összetett eredmények megjelenítése. Hogyan tudunk akár több millió adatpontot egyetlen informatív ábrába sűríteni? A kurzus biológiai szekvenciák, klinikai adatok, metagenomok, génexpressziós adatok, 3D molekuláris szerkezetek és idegi hálózatok, valamint hatóanyag-molekulák vizualizációját mutatja be. A kurzust elvégző hallgatók képesek az adott feladathoz a legmegfelelőbb eszközt kiválasztani, ismerik annak előnyeit és hátrányait. |
A mesterséges intelligencia a mély tanulási módszerekkel karöltve kétségkívül az informatika egyik leggyorsabban feljődő ága. Azonban az alkalmazott optimalizációs eszközök, mint például a gradiens módszer, már évtizedek óta ismertek. Mindazonáltal, e tudományág elméleti alapjai még nincsenek kikristályosodva. A kurzus során áttekintünk néhány fontosabb optimalizációs módszert rámutatva a mesterséges intelligenciák terén belüli alkalmazásukra.
A kurzus célja a gépi tanuláson alapuló, orvosi és biotechnológiai alkalmazások bemutatása. Ide tartozik a funkcionális motívumok azonosítása nagy szekvenciahalmazokban, genomszintű asszociációs vizsgálatok, biológiai hálózatok elemzése, beleértve metabolikus útvonalakat és idegi kapcsolatokat, valamint idegi jelek és orvosi képek feldolgozása. A kurzusban hangsúlyos a problémák pontos leírása, a tanító és teszt adathalmazok kiválasztása és az eredmények kritikus értelmezése.
A kurzus az adatbányászat alapjait mutatja be.
- Az adatbányászati folyamatok be- és kimenete
- Feladattípusok (klaszterezés, osztályzás, numerikus becslés, asszociaciós szabályok felismerése)
- Kiértékelés
- Egyes kiválasztott algoritmusok
- Elő- és utófeldolgozás
- Sokaság-alapú tanuló metódusok
Adatok leírása, redukciója, reprezentációja: döntéselmélet, Z-score, konfidenciaintervallumok, CLT, hipotézisvizsgálat, szingifikanciaszint, p-érték, első- és másodfajú hiba, hatáserősség, minta mérete, Cohen-féle d. Kísérlettervezés Normalitás tesztek, adattranszformációk, log, logit Parametrikus és nemparametrikus tesztek, Chi-négyzet teszt, Fisher-teszt, Osztályozás, ROC görbe Korreláció, zavaró hatások, regresszió: lineáris, többszörös, logisztikus Túlélési elemzés: élettábla, Kaplan-Meier módszer, Cox modell |
A feladat és a program viszonya. Módszerek és eszközök a specifikáció elkészítéséhez. Programleíró eszközök és módszerek.
Az absztrakció jelentősége és szintjei
Absztrakt adattípusok
Programozási tételek és alkalmazásaik.
Programtranszformációk
Algoritmusok helyessége, bizonyítási technikák
Bevezető: (Beágyazott) intelligens rendszer és a környezete. Intelligens ágensek. Probléma megoldás formalizálása. Nem informált kereső módszerek. Informált kereső módszerek. Tudás, reprezentáció, következtetés – általános kérdések. Logikai tudásreprezentáció. Ítélet kalkulus. Predikátum kalkulus. Szituációs kalkulus. Tudásreprezentációk építése. Bizonytalan tudás reprezentálása. Valószínűség és valószínűségi hálók. Bizonytalanság ábrázolása fuzzy logikával. Tervkészítés. Tanuló ágens. Tanulás. Összefoglaló. |
Gazdasági és humán ismeretek (5-10 kredit)
A kurzus közvetlen célja egy olyan innovációs ökoszisztéma alapjainak megteremtése, amely segíti a Karhoz közeli tématerületeken folyó kutatások piaci transzlációját, ezzel elősegítve, hogy a PPKE-ITK hallgatói és kutatói egy olyan inspiráló közegben dolgozhassanak innovatív ötletükön, amelyben – fenntartható módon, és motiváltan – kibontakoztathatják kreativitásukat, és elsajátítják azokat az üzleti és softskill képességeket, amelyek a napjainkban a technológia fejlődést katalizáló startup cégek kompetitív világában a sikerhez leginkább szükségesek.
A tantárgy keretében a hallgatók megismerkednek a projektek fogalmával, szerepével, a projektek életciklusaival, a sikeresség fogalmával. A félév során a tantárgy különös figyelmet fordít a létező szerepkörök, választási lehetőségek bemutatására, ezzel segítve a hallgatókat a tudatosabb döntéshozatalban, későbbi pályájuk során. Szó lesz a főbb projekttámogató eljárásokról, informatikai fejlesztési projektek alkalmazott módszertanairól, valamint azon területekről (pénzügyi, jogi, marketing, stb.), melyek érintik a projektmegvalósítást. Bemutatásra kerülnek a kontrolling, az erőforrás, a tervezés és a finanszírozás elemei, valamint a minőségbiztosítás szerepe. A tárgy végén esettanulmányok segítségével kerülnek bemutatásra az elsajátított ismeretek. |
A tantárgy célja alapszinten megismertetni a hallgatókat a szellemitulajdon-jogok szakterületükön (bionika, biotechnológia) alkalmazható eszköztárát, felkészíteni őket arra, hogy a kutatás-fejlesztésben dolgozó szakemberként képesek legyenek az innováció folyamatát és szellemi alkotásaik védelmét szem előtt tartva dolgozni és megtenni egy kutatótól elvárható lépéseket annak érdekében, hogy az innováció eredményének hasznosítására lehetőség nyíljon, képesek legyenek együttműködni az ezen a gazdasági és jogi területen dolgozó szakemberekkel.
Diplomamunka (30 kredit)
Lehetőséget kínál 3 féléven keresztül elmélyedni egy konkrét probléma megoldásában a kari laboratóriumokban vagy együttműködő intézmények kutatócsoportjainál.