Наука и естествознание

Учебник Биоинформатика для начинающих

34 урока · 10 разделов · ~4 ч · бесплатно, без регистрации

Биоинформатика — это анализ биологических данных компьютером: геномов, белков, эволюционных деревьев. Курс для студентов-биологов, медиков и программистов, которые хотят увидеть, что ДНК — это просто строка из четырёх букв, а большинство классических алгоритмов биоинформатики (GC-состав, комплементарность, трансляция, поиск мотивов, выравнивание последовательностей, построение дерева) пишутся на чистом Python без единой сторонней библиотеки. Вы пройдёте путь от устройства ДНК до динамического программирования Нидлмана-Вунша, сборки генома и геномной медицины — с десятками запускаемых примеров.

Курс «Биоинформатика» состоит из 10 разделов и 34 уроков: Введение: зачем нужна биоинформатика, Немного биологии для программиста, Представление последовательностей, Базовые операции с последовательностями, Генетический код и трансляция, Поиск паттернов и мутации, k-меры и состав последовательностей, Выравнивание последовательностей, Филогенетика и сборка генома и Омиксные данные, медицина и этика. Уроки идут по порядку — от основ к более сложным темам, в каждом есть объяснение с примерами, а в конце — вопросы для самопроверки. К урокам привязаны задачи с автоматической проверкой: прочитали тему — сразу закрепили её кодом.

Программа учебника

10 разделов · 34 урока
  1. 1Введение: зачем нужна биоинформатика3 урока

    1. 1Что такое биоинформатикаБиоинформатика — наука об анализе биологических данных компьютером. Зачем она нужна, как появилась и почему программисту здесь есть место.
    2. 2От лаборатории к данным: секвенированиеОткуда берутся биоинформатические данные: как ДНК превращается в текстовый файл, что такое риды, покрытие и почему сборка генома — это пазл.
    3. 3Биоинформатика и соседние дисциплиныКак биоинформатика опирается на алгоритмы, структуры данных, статистику и машинное обучение, и чем отличается от смежной вычислительной биологии.
  2. 2Немного биологии для программиста3 урока

    1. 4ДНК: четыре буквы и двойная спиральДНК для программиста: алфавит A/T/G/C, двойная спираль, комплементарность пар оснований и почему это позволяет ДНК копироваться.
    2. 5РНК и центральная догма молекулярной биологииЧем РНК отличается от ДНК (U вместо T), что такое центральная догма ДНК→РНК→белок и зачем биоинформатике эта схема.
    3. 6Гены, белки и 20 аминокислотЧто такое ген, как из последовательности получается белок, что такое 20 аминокислот и почему белок — это тоже строка, только в другом алфавите.
  3. 3Представление последовательностей3 урока

    1. 7Последовательности как строкиПочему ДНК, РНК и белок удобно представлять обычными строками Python, какие операции это даёт бесплатно и где кроются подвохи.
    2. 8Формат FASTA: как хранят геномыУстройство формата FASTA — стандарта хранения последовательностей. Парсим многозаписный FASTA на чистом Python и считаем статистику.
    3. 9Формат FASTQ: последовательности с качествомFASTQ хранит риды вместе с качеством каждого основания. Разбираем 4-строчную структуру, декодируем Phred-качество и фильтруем риды на чистом Python.
  4. 4Базовые операции с последовательностями3 урока

    1. 10GC-состав и нуклеотидная статистикаЧто такое GC-состав, почему он важен биологам, как его считать и применять в скользящем окне вдоль генома.
    2. 11Комплемент и обратный комплементКак построить комплементарную и обратную комплементарную нить ДНК, чем они отличаются и зачем обратный комплемент нужен для чтения второй нити.
    3. 12Транскрипция и сборка базовых операцийТранскрипция ДНК в РНК в коде, объединение базовых операций в небольшой инструментарий и обработка обеих нитей сразу.
  5. 5Генетический код и трансляция3 урока

    1. 13Генетический код и таблица кодоновКак 4 буквы кодируют 20 аминокислот: кодоны, таблица генетического кода, вырожденность и почему код почти универсален.
    2. 14Трансляция: от мРНК к белкуРеализуем трансляцию мРНК в белок на чистом Python: разбиение на кодоны, старт и стоп, и переводим реальный фрагмент гена.
    3. 15Открытые рамки считывания и поиск геновЧто такое ORF, как найти все открытые рамки считывания в шести рамках генома на чистом Python и почему это база предсказания генов.
  6. 6Поиск паттернов и мутации3 урока

    1. 16Поиск подстроки и мотивовКак искать все вхождения мотива в последовательность, почему встроенного find мало и как найти перекрывающиеся вхождения на чистом Python.
    2. 17Рестрикционные сайты и неоднозначные мотивыПоиск рестрикционных сайтов, кодирование неоднозначных мотивов через IUPAC и регулярные выражения для гибкого поиска паттернов в ДНК.
    3. 18Расстояние Хэмминга и мутацииРасстояние Хэмминга как мера числа мутаций, приближённый поиск мотива с допуском ошибок и связь с точечными заменами в ДНК.
  7. 7k-меры и состав последовательностей3 урока

    1. 19k-меры: подсчёт и частотыЧто такое k-меры, как разбить последовательность на k-меры и подсчитать их частоты на чистом Python, и зачем это нужно в биоинформатике.
    2. 20Индексация генома по k-мерамКак построить k-мерный индекс для мгновенного поиска в геноме, почему это в разы быстрее наивного перебора и как устроены реальные выравниватели.
    3. 21Граф де Брёйна и идея сборкиКак из k-меров строится граф де Брёйна, почему сборка генома сводится к поиску пути в графе и в чём сложность на реальных данных.
  8. 8Выравнивание последовательностей4 урока

    1. 22Зачем выравнивать и точечные матрицыЗачем сравнивают последовательности, что такое гомология и сходство, и как точечная матрица (dot plot) визуально показывает похожие участки.
    2. 23Глобальное выравнивание: Нидлмана-ВуншаАлгоритм Нидлмана-Вунша: глобальное выравнивание двух последовательностей динамическим программированием с матрицей, штрафами и трассировкой — на чистом Python.
    3. 24Локальное выравнивание: Смита-ВатерманаАлгоритм Смита-Ватермана для локального выравнивания: поиск максимально похожего участка двух последовательностей с обнулением отрицательных счётов — на чистом Python.
    4. 25Матрицы замен и идея BLASTЗачем нужны матрицы замен BLOSUM и PAM для белков и как устроена эвристика BLAST для быстрого поиска по огромным базам последовательностей.
  9. 9Филогенетика и сборка генома4 урока

    1. 26Множественное выравнивание: обзорЗачем выравнивают сразу много последовательностей, почему это вычислительно трудно и как работает прогрессивное множественное выравнивание.
    2. 27Филогенетика: эволюционные деревьяЧто такое филогенетическое дерево, как читать его топологию, и что значат корень, узлы и длины ветвей в эволюционной реконструкции.
    3. 28Строим дерево: UPGMAРеализуем построение филогенетического дерева методом UPGMA из матрицы расстояний между последовательностями — на чистом Python на маленьком примере.
    4. 29Сборка генома: пазл из миллионов кусочковПочему сборка генома — это сложнейший пазл, как перекрытия ридов и граф де Брёйна позволяют его собрать и что такое контиги и скэффолды.
  10. 10Омиксные данные, медицина и этика5 уроков

    1. 30Экспрессия генов и кластеризацияЧто такое экспрессия генов и матрица экспрессии, как находить гены со схожим поведением кластеризацией и в чём связь с машинным обучением.
    2. 31Вариации, SNP и базы данных биологииЧто такое генетические вариации и SNP, как их находят и хранят в формате VCF, и где лежат биологические данные: GenBank, UniProt, Ensembl.
    3. 32Biopython и экосистема инструментовЧто умеет Biopython и зачем он нужен, обзор экосистемы биоинформатических инструментов и пайплайнов, и когда писать своё, а когда брать готовое.
    4. 33Статистика в биоинформатике: p-value и FDRПочему при тестировании тысяч генов нельзя смотреть на сырой p-value, что такое проблема множественных сравнений и как её решают поправки Бонферрони и FDR.
    5. 34Геномная медицина, этика и мини-проектыКак геномика меняет медицину, почему генетические данные требуют особой защиты (152-ФЗ, GDPR) и три мини-проекта, собирающие навыки курса воедино.