При поиске информации о белке также были найдены статьи о нем и его функциях в бактерии. Вот три первых из них (приведены аннотации, найденные в базе данных UniProt):
1. Название: <удалено> Авторы: Li S.-J., Cronan J.E. Jr.
2. Название: <удалено> Авторы: Li S.-J., Cronan J.E.Jr.
3. Название: <удалено> Авторы: Kondo H., Shiratsuchi K., Yoshimoto T., Masuda T., Kitazono A., Tsuru D., Anai M., Sekiguchi M., Tanabe T.
4. Процедуры оценивания знаний, умений, навыков и (или) опыта деятельности, характеризующих этапы формирования компетенций.
4.1. Методика формирования результирующей оценки по дисциплине.
Учебным планом по данной дисциплине предусмотрен зачет. Максимальное количество баллов, которое может набрать обучающийся, 100.
За выполнение заданий текущего и промежуточного контроля обучающийся может набрать максимальное количество баллов:
За первый модуль – 30 баллов.
За второй модуль – 30 баллов.
За третий модуль – 40 баллов.
Сумма баллов складывается следующим образом: полный ответ на семинарском занятии – 2 балла, дополнение на семинарском занятии – 1 балл, доклад на семинарском занятии – до 3-х баллов, проверочная работа на лекции – до 2-х баллов, модульная контрольная работа – 10 баллов.
При успешном освоении курса обучающийся, набравший 60 баллов или более, может быть освобожден от зачета и получить оценку, в соответствии с количеством набранных им баллов.
7-10 баллов заслуживает обучающихся, который: демонстрирует полное изложение основных положений
предложенных вопросов, обнаруживает знание основных точек зрения на теоретические проблемы,
рассматриваемые в вопросах контрольной работы, логично строит ответ, делает обоснованные
выводы и обобщения, демонстрирует знание и понимание определений предложенных терминов.
4-6 баллов заслуживает обучающий, который:- демонстрирует частичное изложение основных
положений предложенных вопросов, допускает ошибки при изложении точек зрения на
теоретические проблемы, рассматриваемые в вопросах контрольной работы, испытывает затруднения
при составлении выводов и обобщений, демонстрирует частичное знание и понимание определений
предложенных терминов.
1-3 балла заслуживает обучающий, который:- демонстрирует незнание либо отрывочные представления
по вопросам контрольной работы,- предлагает ошибочные определения предложенных терминов.
4.2. Типовые модульные работы и критерии их оценивания.
Модуль 1 (ОПК-8 З.1)
1. Бионформатика как научная дисциплина и как технологическая платформа: определение, основные понятия, цели и задачи.
2. Взаимосвязи бионформатики с другими дисциплинами физико-химической биологии и общей биологии.
3. Набор информации, характеризующий белки.
4. Набор информации, характеризующий нуклеиновые кислоты.
5. Последовательности аминокислот и нуклеотидов как основная информационная составляющая биоинформатики.
Модуль 2 (ОПК-8 З.1)
1. Форматы файлов, используемых в биоинформатике. Запись аминокислотных последовательностей. Запись нуклеотидных последовательностей.
2. Принципы восстановления последовательности мРНК с учетом сплайсинга. База данных GenBank. Репозиторные и аналитические функции GenBank.
3. Форматы описания первичной структуры белков (аминокислотной последовательности). Структурная информация о белках и её машинно-читаемая запись. Сравнение форматов PDB, PDB-XML и MMDB-Cn3D. Файлы формата aln. Другие форматы записи нуклеотидных и аминокислотных последовательностей, информация о них на ресурсах EMBL-EMI и emboss.
4. Источники биологической информации и базы данных в Интернете. Классификация и типы баз данных. Всеобъемлющие, универсальные и комбинированные базы данных. Базы данных по конкретным организмам.
5. Базы данных по типам молекул. Дополнительные базы данных. Высокоспециализированные базы данных.
6. Проблемы баз данных: избыточность, наличие ошибок, проблемы, связанные с открытостью. GenBank – NCBI. База нуклеотидных последовательностей EMBL.
7. База данных по белкам SwissProt.
8. База структурной информации о белках PDB – Protein Data Bank. Встроенные инструменты для работы с базами данных в Интернете.
9. Аггрегаторы информации из баз данных и ссылок на ресурсы.
10. Семейство баз данных KEGG. Базы данных по малым молекулам и лекарственным препаратам.
11. Базы данных по метаболомике и её приложениям.
12. Токсикологические базы данных.
Модуль 3 (ОПК-8 З.1)
1. Интернет-инструменты для работы с информацией из биологических баз данных. Сочетание информации из различных баз данных, включая биологические и библиографические.
2. Базы данных функциональных фрагментов, доменов, мотивов и классифицированных структур. Инструменты для автоматизированного сопряжения информационных обменов с различными базами данных.
3. Инструменты SCOP и SRS. Оценка и механизмы повышения эффективности поиска. Программные средства и Интернет-сервисы для биоинформационного анализа.
4. Инструменты для анализа нуклеотидных и белковых последовательностей. Трансформация последовательностей.
5. Парное и множественное выравнивание последовательностей. Предсказание свойств биополимеров из их последовательности.
6. Предсказание пептидных профилей белков. Пердсказание наличия структурных и функциональных доменов и мотивов. Серверы для поиска доменов.
7. Поиск по сходству доменной структуры.
8. Сравнение пространственных структур белков, поиск сходных и отличающихся фрагментов.
9. Оценка качества сравнительного анализа последовательностей и пространственных структур.
10. Инструменты визуализации.
4.3. Типовые экзаменационные материалы (в случае наличия экзамена).
Зачет по дисциплине предусмотрен учебным планом. Вопросы к зачету. (ОПК-8 З.1)
1. Биоинформатика как научная дисциплина и как технологическая платформа: определение, основные понятия, цели и задачи.
2. Взаимосвязи биоинформатики с другими дисциплинами физико-химической биологии и общей биологии.
3. Набор информации, характеризующий биополимеры (белки, нуклеиновые кислоты).
4. Последовательности аминокислот и нуклеотидов как основная информационная составляющая биоинформатики.
5. Форматы файлов, используемых в биоинформатике.
6. Запись аминокислотных последовательностей. Запись нуклеотидных последовательностей. Принципы восстановления последовательности мРНК с учетом сплайсинга.
7. База данных GenBank. Репозиторные и аналитические функции GenBank.
8. Форматы описания первичной структуры белков (аминокислотной последовательности).
9. Структурная информация о белках и её машинно-читаемая запись.
10. Сравнение форматов PDB, PDB-XML и MMDB-Cn3D.
11. Файлы формата *.aln.
12. Другие форматы записи нуклеотидных и аминокислотных последовательностей, информация о них на ресурсах EMBL-EMI и emboss.
13. Источники биологической информации и базы данных в Интернете.
14. Классификация и типы баз данных.
15. Всеобъемлющие, универсальные и комбинированные базы данных.
16. Базы данных по конкретным организмам.
17. Базы данных по типам молекул.
18. Дополнительные базы данных. Высокоспециализированные базы данных.
19. Проблемы баз данных: избыточность, наличие ошибок, проблемы, связанные с открытостью.
20. GenBank – NCBI.
21. База нуклеотидных последовательностей EMBL.
22. База данных по белкам SwissProt.
23. База структурной информации о белках PDB – Protein Data Bank.
24. Встроенные инструменты для работы с базами данных в Интернете.
25. Агрегаторы информации из баз данных и ссылок на ресурсы.
26. Семейство баз данных KEGG.
27. Базы данных по малым молекулам и лекарственным препаратам.
28. Базы данных по метаболомике и её приложениям.
29. Токсикологические базы данных.
30. Интернет-инструменты для работы с информацией из биологических баз данных.
31. Сочетание информации из различных баз данных, включая биологические и библиографические.
32. Базы данных функциональных фрагментов, доменов, мотивов и классифицированных структур.
33. Инструменты для автоматизированного сопряжения информационных обменов с различными базами данных.
34. Инструменты SCOP и SRS.
35. Оценка и механизмы повышения эффективности поиска.
36. Программные средства и Интернет-сервисы для биоинформационного анализа.
37. Инструменты для анализа нуклеотидных и белковых последовательностей. Трансформация последовательностей.
38. Парное и множественное выравнивание последовательностей.
39. Предсказание свойств биополимеров из их последовательности.
40. Предсказание пептидных профилей белков.
41. Предсказание наличия структурных и функциональных доменов и мотивов.
42. Серверы для поиска доменов. Поиск по сходству доменной структуры.
43. Сравнение пространственных структур белков, поиск сходных и отличающихся фрагментов.
44. Оценка качества сравнительного анализа последовательностей и пространственных структур.
45. Инструменты визуализации.
[1] В соотв. с п.1 и рабочей программой
[2] В соотв. с п.1 и рабочей программой.
[3] Результат «1» - неудовлитворительная оценка результатов обучения. Отсутствие знаний, умений, навыков. Данный результат указывает на несформированность порогового (входного) уровня знаний, умений, навыков.
[4] Результат «2»- неудовлетворительная оценка результатов обучения. Фрагментарные знания, умения навыки.
[5] Результат «3» - удовлетворительная оценка результатов обучения. В целом успешное, но не систематическое применение навыков (для категории «владеть»), несистематическое использование знаний (для категории «уметь»), неполные представления о чем-либо (для категории «знать»)
[6] Результат «4» - удовлетворительная оценка результатов обучения. В целом успешное, но содержащее определенные пробелы применения навыков (для категории «владеть»), определенные пробелы в умении использовать соотв. знания (для категории «уметь»), определенные пробелы в знаниях (для категории «знать»).
[7] Результат «5» - удовлетворительная оценка результатов обучения. Успешное и систематическое применение навыков (для категории «владеть»), сформированное умение использовать полученные знания (для категории «уметь»), сформированные систематические представления о... (для категории «знать»).
[8] Напр., «(ОК-1)-I» (уровень рекомендуется указывать римскими цифрами)
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 |
