We will learn computational methods -- algorithms and data structures -- for analyzing DNA sequencing data. We will learn a little about DNA, genomics, and how DNA sequencing is used. We will use Python to implement key algorithms and data structures and to analyze real genomes and DNA sequencing datasets.
Этот курс входит в специализацию ''Специализация Наука о геномных данных'
Алгоритмы для секвенирования ДНК
от партнера
Об этом курсе
Недавно просмотрено: 23,101
Приобретаемые навыки
Bioinformatics AlgorithmsAlgorithmsPython ProgrammingAlgorithms On Strings
Программа курса: что вы изучите
Неделя
14 ч. на завершение
DNA sequencing, strings and matching
This module we begin our exploration of algorithms for analyzing DNA sequencing data. We'll discuss DNA sequencing technology, its past and present, and how it works.
19 видео ((всего 112 мин.)), 7 материалов для самостоятельного изучения, 2 тестов
19 видео
Lecture: Genomes as strings, reads as substrings5мин
Lecture: String definitions and Python examples3мин
Practical: String basics 7мин
Practical: Manipulating DNA strings 7мин
Practical: Downloading and parsing a genome 6мин
Lecture: How DNA gets copied3мин
Optional lecture: How second-generation sequencers work 7мин
Optional lecture: Sequencing errors and base qualities 6мин
Lecture: Sequencing reads in FASTQ format4мин
Practical: Working with sequencing reads 11мин
Practical: Analyzing reads by position 6мин
Lecture: Sequencers give pieces to genomic puzzles5мин
Lecture: Read alignment and why it's hard3мин
Lecture: Naive exact matching10мин
Practical: Matching artificial reads 6мин
Practical: Matching real reads 7мин
7 материала для самостоятельного изучения
Welcome to Algorithms for DNA Sequencing10мин
Pre Course Survey10мин
Syllabus10мин
Setting up Python (and Jupyter)10мин
Getting slides and notebooks10мин
Using data files with Python programs10мин
Programming Homework 1 Instructions (Read First)10мин
2 практического упражнения
Module 120мин
Programming Homework 114мин
Неделя
23 ч. на завершение
Preprocessing, indexing and approximate matching
In this module, we learn useful and flexible new algorithms for solving the exact and approximate matching problems. We'll start by learning Boyer-Moore, a fast and very widely used algorithm for exact matching
15 видео ((всего 114 мин.)), 1 материал для самостоятельного изучения, 2 тестов
15 видео
Week 2 Introduction 1мин
Lecture: Diversion: Repetitive elements5мин
Practical: Implementing Boyer-Moore 10мин
Lecture: Preprocessing7мин
Lecture: Indexing and the k-mer index10мин
Lecture: Ordered structures for indexing8мин
Lecture: Hash tables for indexing7мин
Practical: Implementing a k-mer index 7мин
Lecture: Variations on k-mer indexes9мин
Lecture: Genome indexes used in research9мин
Lecture: Approximate matching, Hamming and edit distance6мин
Lecture: Pigeonhole principle6мин
Practical: Implementing the pigeonhole principle 9мин
1 материал для самостоятельного изучения
Programming Homework 2 Instructions (Read First)10мин
2 практического упражнения
Module 220мин
Programming Homework 212мин
Неделя
32 ч. на завершение
Edit distance, assembly, overlaps
This week we finish our discussion of read alignment by learning about algorithms that solve both the edit distance problem and related biosequence analysis problems, like global and local alignment.
13 видео ((всего 92 мин.)), 1 материал для самостоятельного изучения, 2 тестов
13 видео
Practical: Implementing dynamic programming for edit distance 6мин
Lecture: A new solution to approximate matching9мин
Lecture: Meet the family: global and local alignment10мин
Practical: Implementing global alignment 8мин
Lecture: Read alignment in the field4мин
Lecture: Assembly: working from scratch2мин
Lecture: First and second laws of assembly8мин
Lecture: Overlap graphs8мин
Practical: Overlaps between pairs of reads 4мин
Practical: Finding and representing all overlaps 3мин
1 материал для самостоятельного изучения
Programming Homework 3 Instructions (Read First)10мин
2 практического упражнения
Module 320мин
Programming Homework 38мин
Неделя
42 ч. на завершение
Algorithms for assembly
In the last module we began our discussion of the assembly problem and we saw a couple basic principles behind it. In this module, we'll learn a few ways to solve the alignment problem.
13 видео ((всего 83 мин.)), 1 материал для самостоятельного изучения, 2 тестов
13 видео
Lecture: Greedy shortest common superstring7мин
Practical: Implementing greedy shortest common superstring 7мин
Lecture: Third law of assembly: repeats are bad5мин
Lecture: De Bruijn graphs and Eulerian walks8мин
Practical: Building a De Bruijn graph 4мин
Lecture: When Eulerian walks go wrong9мин
Lecture: Assemblers in practice8мин
Lecture: The future is long?9мин
Lecture: Computer science and life science5мин
Lecture: Thank yous 43
1 материал для самостоятельного изучения
Post Course Survey10мин
2 практического упражнения
Programming Homework 48мин
Module 414мин
40%
начал новую карьеру, пройдя эти курсы
33%
получил значимые преимущества в карьере благодаря этому курсу
Лучшие отзывы о курсе Алгоритмы для секвенирования ДНК
This course provided me a very quick overview of all the core concepts pertaining to DNA sequencing. It is very well organized, crystal clear demonstration of concepts and I really enjoyed the course.
This is the best course so far in this specialization. I enjoyed the way both instructors explained the concepts using simple analogies. It was a really productive month for me!
Преподаватели
Ben Langmead, PhD
Assistant ProfessorComputer Science
Jacob Pritt
Department of Computer Science
О Университет Джонса Хопкинса
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
О специализации ''Наука о геномных данных'
With genomics sparks a revolution in medical discoveries, it becomes imperative to be able to better understand the genome, and be able to leverage the data and information from genomic datasets. Genomic Data Science is the field that applies statistics and data science to the genome.
This Specialization covers the concepts and tools to understand, analyze, and interpret data from next generation sequencing experiments. It teaches the most common tools used in genomic data science including how to use the command line, along with a variety of software implementation tools like Python, R, Bioconductor, and Galaxy.
This Specialization is designed to serve as both a standalone introduction to genomic data science or as a perfect compliment to a primary degree or postdoc in biology, molecular biology, or genetics, for scientists in these fields seeking to gain familiarity in data science and statistical tools to better interact with the data in their everyday work.
To audit Genomic Data Science courses for free, visit https://www.coursera.org/jhu, click the course, click Enroll, and select Audit. Please note that you will not receive a Certificate of Completion if you choose to Audit.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.
Coursera делает лучшее в мире образование доступным каждому, предлагая онлайн-курсы от ведущих университетов и организаций.
© Coursera Inc., 2019 Все права защищены.
