| Moleküler Onkoloji (DR) | |||||
| Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey | ||
| Ders Kodu: | MONK6112 | ||||
| Ders İsmi: | Kanserde Biyoinformatik Ve Yapay Zeka 1 | ||||
| Ders Yarıyılı: | Güz | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | Türkçe | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | Bölüm/Program Seçmeli | ||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Dr. Öğr. Üy. ASLI KUTLU | ||||
| Dersi Veren(ler): | ASLI KUTLU & LEVENT KORKMAZ | ||||
| Dersin Yardımcıları: |
| Dersin Amacı: | Her öğrenci için bu dersin amacı; kanser araştırma ve geliştirme projelerinde bilgisayar tabanlı biyoinformatik araçlarını etkili bir şekilde kullanarak, matematiksel modellere uygun analizler yapmak ve elde edilen analiz sonuçlarına göre hedefe yönelik istatistiksel model geliştirebilmeyi öğrenmek. Bu dersin diğer yarısında ise karar destek algoritmaları ile yapay zeka araçlarının etkin kullanımı konusunda temel bilgileri öğrencilere aktarmak. |
| Dersin İçeriği: | Bu dersin içeriği, kanser araştırmaları ve onkoloji alanındaki moleküler uygulamalar hakkında daha fazla bilgi edinmek için biyoinformatik ve yapay zeka araçlarının etkin kullanımıdır. Dersin bir diğer önemli içeriği, deneysel tasarım aşamasında mevcut matematiksel modellerin etkin kullanımı ve sonuçların yorumlanması hakkında temel bilgileri aktarmaktır. Bu amaca ulaşmak için yapay zeka araçlarıyla birlikte birçok biyoinformatik aracının temeli bu dersin ana içeriği olarak kabul edilmektedir. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Kanserde ‘büyük veri’ kavramını iyi bilir, ve bu kavramı etkin bir şekilde kullanır 2) Matematiksel modellerin ve varsayımların kapsamına hakimdir 3) Kanserde yoğunlukla kullanılan çevrem içi biyoinformatik araçlarını etkili bir şekilde kullanabilir 4) Çevrim içi biyoinformatik araçlarının arkasındaki algoritmaya hakimdir, ve gerektiğinde algoritmaları ve kullanılan parametreleri hedefe yönelik değiştirebilir 5) Yeni nesil dizileme sonrası etkili varyant analizi yapabilir 6) Gen, protein ve miRNA etkileşim ağlarına hakimdir 7) Kanser sistem biyolojisinde kullanılan modellere ve araçlara hakimdir 8) Hedefe yönelik ilaç tasarımına ait yöntemler bütününü bilir 9) Yapay zeka algoritmalarının temeline hakimdir 10) Karar destek mekanizmalarının etkin kullanımı ile ilgili fikir sahibidir |
| Hafta | Konu | Ön Hazırlık |
| 1) | Biyoinformatiğe Giriş ve Temel moleküler biyoloji teknikleri | PPT |
| 2) | Sekans hizalama algoritmaları | ppt |
| 3) | Çoklu hizalama algoritmaları | PPT |
| 4) | Çoklu hizalama algoritmaları 2 | ppt |
| 5) | Veri tabanı araştırmaları: PAM & Blossum matrisleri ve FASTA 1 | |
| 6) | Veri tabanı araştırmaları: PAM & Blossum, ve FASTA 2 | PPT |
| 7) | Vize | ppt |
| 8) | Somatik mutasyon tayinlerinde genomiks ve transkriptomiks verilerinin birleştirilmesi 1 | ppt |
| 9) | Somatik mutasyon tayinlerinde genomiks ve transkriptomiks verilerinin birleştirilmesi 2 | ppt |
| 10) | Veri madenciliği ve karar destek sistemleri | PPT |
| 11) | Kanserde kinik data profilleme | PPT |
| 12) | Kanserde klinik data profilleme 2 | ppt |
| 13) | Kanser yapay zeka nodları kurgulanması | PPT |
| 14) | Genel tekrar | PPT |
| Ders Notları / Kitaplar: | Cancer Bioinformatics by Ying X, Juan Cui and David Puett (Springer) Artificial intelligence in cancer- Diagnostic to Tailored treatment by Smaranda Belciug |
| Diğer Kaynaklar: | Cancer Bioinformatics by Ying X, Juan Cui and David Puett (Springer) Artificial intelligence in cancer- Diagnostic to Tailored treatment by Smaranda Belciug |
| Course Learning Outcomes | 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|---|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | ||||||||||
| 1) Kanser ve moleküler kanserin güncel ve ileri düzeydeki bilgilerini tanımlayabilme, değerlendirebilme ve kullanabilme | 3 | 3 | 2 | 2 | 2 | 2 | 3 | 3 | 3 | 3 |
| 2) Moleküler kanser alanındaki bilimsel ve teknolojik bir konuyu sistematik bir yaklaşımla araştırabilme, kavrayabilme ve analiz edebilme | 3 | 1 | 1 | 1 | 2 | 2 | 2 | 3 | 3 | 3 |
| 3) Kanserin moleküler mekanizmaları hakkında yeni ve karmaşık fikirleri, özgün düşünce ve/veya araştırma ile uzmanlık düzeyinde geliştirebilme, tasarlayabilme, uyarlayabilme ve uygulayabilme | 2 | 3 | 2 | 2 | 3 | 2 | 3 | 3 | 3 | 3 |
| 4) Moleküler kanser alanının ilişkili olduğu disiplinler arası etkileşimi kavrayabilme, yeni bir düşünce ya da bilinen bir düşünce ile yeni bir yöntem, tasarım ve/veya uygulama geliştirebilme | 2 | 3 | 2 | 2 | 3 | 2 | 3 | 3 | 3 | 3 |
| 5) Kansere karşı geliştirilen tedavi yaklaşımlarına ait bilgileri sentezleyebilme, analiz edebilme, yorumlayabilme, sorgulayabilme ve eleştirebilme becerisi kazanma | 3 | 3 | 2 | 1 | 2 | 2 | 2 | 2 | 3 | 2 |
| 6) Çalışmalarında sorun çözme ve karar verme gibi üst düzey becerileri kullanarak alanı ile ilgili yeni düşünce ve yöntemler geliştirebilme | 3 | 3 | 3 | 3 | 1 | 1 | 1 | 3 | 3 | 3 |
| 7) Çalışmalarında iyi iletişim becerine sahip olma ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla inceleyebilme, geliştirebilme ve gerektiğinde değiştirmeye yönelik eylemleri yönetebilme | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 8) Araştırmalarında etik sorumluluk bilincine sahip olmak ve bulgularını ileri düzeyde yazılı, sözlü ve görsel iletişim kurarak savunabilme | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 3 | 3 |
| 9) Moleküler kanser alanında karşılaşılan toplumsal, bilimsel, bilişimsel ve etik sorunların çözümüne katkıda bulunabilme ve bu değerlerin gelişimini destekleyebilme | 3 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 10) Araştırma ve çalışma sonuçlarını yorumlayabilmek ve ortaya özgün bir yapıt çıkararak alanındaki bilginin sınırlarını genişletebilme | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 | 3 |
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Kanser ve moleküler kanserin güncel ve ileri düzeydeki bilgilerini tanımlayabilme, değerlendirebilme ve kullanabilme | 3 |
| 2) | Moleküler kanser alanındaki bilimsel ve teknolojik bir konuyu sistematik bir yaklaşımla araştırabilme, kavrayabilme ve analiz edebilme | 2 |
| 3) | Kanserin moleküler mekanizmaları hakkında yeni ve karmaşık fikirleri, özgün düşünce ve/veya araştırma ile uzmanlık düzeyinde geliştirebilme, tasarlayabilme, uyarlayabilme ve uygulayabilme | 2 |
| 4) | Moleküler kanser alanının ilişkili olduğu disiplinler arası etkileşimi kavrayabilme, yeni bir düşünce ya da bilinen bir düşünce ile yeni bir yöntem, tasarım ve/veya uygulama geliştirebilme | 2 |
| 5) | Kansere karşı geliştirilen tedavi yaklaşımlarına ait bilgileri sentezleyebilme, analiz edebilme, yorumlayabilme, sorgulayabilme ve eleştirebilme becerisi kazanma | 3 |
| 6) | Çalışmalarında sorun çözme ve karar verme gibi üst düzey becerileri kullanarak alanı ile ilgili yeni düşünce ve yöntemler geliştirebilme | 3 |
| 7) | Çalışmalarında iyi iletişim becerine sahip olma ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla inceleyebilme, geliştirebilme ve gerektiğinde değiştirmeye yönelik eylemleri yönetebilme | 1 |
| 8) | Araştırmalarında etik sorumluluk bilincine sahip olmak ve bulgularını ileri düzeyde yazılı, sözlü ve görsel iletişim kurarak savunabilme | 2 |
| 9) | Moleküler kanser alanında karşılaşılan toplumsal, bilimsel, bilişimsel ve etik sorunların çözümüne katkıda bulunabilme ve bu değerlerin gelişimini destekleyebilme | 2 |
| 10) | Araştırma ve çalışma sonuçlarını yorumlayabilmek ve ortaya özgün bir yapıt çıkararak alanındaki bilginin sınırlarını genişletebilme | 3 |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ara Sınavlar | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 56 |
| Ara Sınavlar | 1 | 10 |
| Final | 1 | 15 |
| Toplam İş Yükü | 123 | |