计算生物学
教学内容
第一章 概论3学时
第二章 生物信息理论基础3学时
2.1 信息论的基本问题
2.2 信息量与信息熵
2.3 信息编码理论
第三章 贝叶斯概率理论6学时
3.1 生物数据的建模意义
3.2 贝叶斯概率理论的基本观点
3.3 先验概率的选取
3.4 参数估计
3.5 参数的最大似然估计
第四章 贝叶斯推理与建模:应用3学时
4.1 生物序列比对
4.2 蛋白质结构预测
4.3 功能位点
第五章 神经网络:理论6学时
5.1 生物神经元与神经网络
5.2 神经元与神经网络模型
5.3 机器学习算法:反向误差传播算法(BP算法)
第六章 神经网络:应用3学时
6.1 蛋白质二级结构预测
第七章 隐含马尔可夫模型:理论6学时
7.1 随机过程
7.2 马尔可夫过程
7.3 隐含马尔可夫模型
7.4 评价问题及其前向递推与后向递推算法
7.5 解码问题及其Viterbi算法
7.6 学习问题及其Baum-Welch算法
第八章 隐含马尔可夫模型:应用3学时
8.1 多序列比对(profile HMM)