Metagenomics 2600-MK-MTBIOL-2-S2

Ćwiczenie 1
Wstęp do metagenomics. Matagenomika jako narzędzie w ekologii mikroorganizmów. Znaczenie metagenomiki i perspektywy rozwoju.

Ćwiczenie 2
Izolacja materiału biologicznego do analiz metagenomowych. Sposoby i narzędzia izolacji DNA/RNA. Wymagania i jakość materiału genetycznego.

Ćwiczenie 3
Analizy bioinformatyczne stosowane w obróbce danychz NGS.

Ćwiczenie 4.
Analiza taksonomii zbiorowisk mikroorganizmów. Liczne i rzadkie OTU, diagramy Venna. Sposoby wizualizacji danych z taksonomii.

Ćwiczenie 5
Alpha diversity. Analiza bioróżnorodności zbiorowisk mikroorganizmów. Krzywe rozrzedzenia, wskaźniki bogactwa gatunkowego (Sobs, Chao1, ACE).

Ćwiczenie 6
Alpha diversity. Wskaźniki bioróżnorodności zbiorowisk mikroorganizmów (Wskaźnik Shannona-Wienera, wskaźnik Simpsona). Wskaźniki równocenności.

Ćwiczenie 7
Beta diversity. Dystans, podobieństwo/niepodobieństwo zbiorowisk. Analiza skupień.

Ćwiczenie 8
Beta diversity. Metody ordynacyjne (PCA, PCoA).

Ćwiczenie 9
Beta diversity. Testowania hipotez (ANOSIM, SIMPER, PERMANOVA).

Ćwiczenie10
Inne metaody wizualizacji danych z sekwencjonowania NGS. Korelacje i heatmapy.

Ćwiczenie 11
Sekwencjonowanie genomu

Ćwiczenie 12
Wykorzystanie informacji o genomie do identyfikacji mikroorganizmów (ANI, in silico DDH).

Ćwiczenie 13
Adnotacja genomu w Rast Server. Rola mikroorganizmów w środowisku.

Ćwiczenie 14, 15
Praca własna studentów. Opracowanie wyników analiz, przygotowanie raportu i przedstawienie wniosków.

Całkowity nakład pracy studenta

60 godzin: praca z nauczycielem: 30 h konsultacje: 1 h praca własna studenta : 25 h przygotowanie do zaliczenia: 4 h

Efekty uczenia się - wiedza

W1: Opisuje i wyjaśnia skomplikowane zjawiska występujące w zbiorowiskach mikroorganizmów - K_W04 W2: Wyjaśnia interakcje między środowisiem i żyjących w nim organizmami - K_W07. W3: Wykazuje znajomośćanaliz statystycznych i specjalistycznych narzędzi informatycznych pozwalających opisać przebieg zjawisk przyrodniczych - K_W08. W4: Ma wiedzę z zakresu biologii molekularnej, która pozwala na ocenę materiału biologicznego - K_W10. W5: Ma aktualną wiedzę z zakresu szczegółowych nauk biologicznych (biochemii, genetyki, mikrobiologii i fizjologii) stosowanych w badaniach - K_W11.

Efekty uczenia się - umiejętności

U1: Stosuje zaawansowaną wiedzę statystyczną w opisie zjawisk biologicznych - K_U01 U2: Używa komputera do wyszukiwania informacji, komunikacji, organizowania i analizy danych, przygotowywania raportów i prezentacji wyników - K_U04. U3: Korzysta z informacji źródłowych w języku angielskim, dokonuje analizy, syntezy, podsumowuje i dokonuje krytycznej oceny, która pozwala na prawidłowe wnioskowanie - K_U09.

Efekty uczenia się - kompetencje społeczne

K1: Rozumie potrzebę ciągłego doskonalenia wiedzy za pomocą naukowych i popularnych czasopism naukowych - K_K01. K2: Ma świadomość odpowiedzialności za rzetelność przeprowadzonych analiz i ekspertyz - K_K04. K3: Pokazuje krytykę w stosunku do wyników jego pracy - K_K07. K4: Pokazuje umiejętność korzystania z metod matematyczno-statystycznych i informatycznych do opracowywania i prezentowania wyników i analiz - K_K08. K5 Ma świadomość znaczenia znajomości języków obcych w komunikacji i przyswajaniu informacji - K_K13.

Metody dydaktyczne

Zajęcia teoretyczne i praktyczne z wykorzystaniem platformy Moodle

Metody dydaktyczne podające

- opis
- pogadanka
- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

- ćwiczeniowa
- seminaryjna

Metody dydaktyczne w kształceniu online

- metody służące prezentacji treści
- metody oparte na współpracy

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Podstawowa wiedza z biologii molekularnej i statystyki. Praca z progamami R i Past. Znajomość języka angielskiego w mowie i piśmie.

Koordynatorzy przedmiotu

Agnieszka Kalwasińska

Kryteria oceniania

Obecność na zajęciach, przygotowanie do zajęć, aktywne uczestnictwo, opracowanie raportów z przeprowadzonych analiz.

Praktyki zawodowe

Nie dotyczy

Literatura

1. Benedetti C (Ed) Metagenomics, Methods, Application and Perspectives (2014) Nova Publishers, New York
2. Izard J, Rivers M.C (Eds) Metagenomics for Microbiology, Academic Press, Elsevier
3. Li R.W (Ed) Metagenomics and its applications in agriculture, biomedicine, and environmental studies (2011) Nova Science Publishers.
4. Magurran AE, McGill BJ (Eds) Biological diversity: frontiers in measurement and assessment (2011) Oxford University Press

Uwagi

W cyklu 2022/23Z:

Wszystkie materiały do ćwiczeń oraz zadania do wykonania sa dostępne na platformie moodle.umk.pl

W cyklu 2024/25Z:

Wszystkie materiały do ćwiczeń oraz zadania do wykonania sa dostępne na platformie moodle.umk.pl

Rozład zajęć
11.10.2024 Installing R and its packages
18.10. Matagenomics as a tool in microbial ecology. Significance and perspectives.
25.10. Methods and tools for DNA/RNA isolation. Quality and quantity of genetic material
8.11. Bioinformatics at early stages of NGS data processing
15.11. Taxonomy visualization
22.11. Rarefraction curves. Alpha diversity metrics
29.11. Distance, similarity/dissimilarity, cluster analysis
6.12. Beta diversity. Ordination methods (PCA, PCoA, NMDS).
13.12. Beta diversity. Hypothesis testing (ANOSIM, SIMPER, PERMANOVA).
20.12. Correlations, heatmaps, networks.
10.01.2025. Genome sequencing (WGS)
17.01. Identification of bacteria based on WGS
24.01. Genome mining. KEGG database
31.01. Students' projects
7.02. Students' projects

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 2600-MK-MTBIOL-2-S2 w USOSweb