Anvendt bioinformatikk og data analyse i medisinsk forskning
Ph.d.-kurs
- Studiepoeng
- 3
- Undervisningssemester
- Haust
- Emnekode
- NEUROSYSM930
- Talet på semester
- 1
- Undervisningsspråk
- Engelsk
- Ressursar
- Timeplan
Emnebeskrivelse
Mål og innhald
Dato, høsten 2024: 4.-6. desember
Hensikten med kurset er å gi kandidatene kunnskap til anvendelse av bioinformatikk og dataanalyse i kliniske studier av humant vev. Kurset vil fokusere på praktiske aspekter og metodologiske vurderinger som er nødvendig ved humane data, slik som datasensitivitet, misklassifisering av utvalg, begrenset utvalgsstørrelse, valg av statistiske modeller, kovariater, og vevsheterogenitet.
Kurset består av seminarer, forelesninger og praktiske øvelser ledet av klinikere og forskere, basert på scenarioer fra det virkelige liv. Kurset vil tilby et inspirerende miljø som legger til rette for nettverksbygging mellom ph.d.-kandidater, studenter og forskere, fremme karriereutvikling og motivere for fremtidig forskningssamarbeid.
Kurset er veldig fordelaktig for deltakere med interesse i bioinformatikk, biologi, medisin eller klinisk forsking generelt.
Læringsutbyte
Etter kursdeltakelse vil kandidaten ha oppnådd følgende kunnskap:
- Forståelse for basale statistiske modeller, fordeler og begrensninger ved inklusjon av kovariater.
- Legale og praktiske implikasjoner av arbeid med sensitive data.
- Generell forståelse av muligheter og begrensninger av Next Generation Sequencing (NGS) data, med særlig vekt på RNA og hele genom/eksom sekvensering.
- Biobankenes tilgjengelighet og utvalg.
- Forståelse av begrensningene ved studier som involverer humant vev.
Etter kursdeltakelse vil kandidaten ha oppnådd følgende ferdigheter, og være i stand til å foreta:
- Big data analyser og redusjon av dimensjoner.
- Kvalitetskontroll av data: Fjerne utval av lav kvalitet, identifisere uteliggere og datafiltrering, identifisering av utval med feilaktiv label.
- Basal datajustering ved R.
Etter kursdeltakelse vil kandidaten ha oppnådd følgende generelle ferdigheter, og være i stand til å foreta:
- Design av eksperimenter ved begresninger ved knapp utvalgstilgjengelighet.
- Beslutninger basert på metadata og annen eksisterende informasjon (inkludert power estimering basert på preliminære data).
Studiepoeng, omfang
Undervisningssemester
Undervisningsstad
Krav til forkunnskapar
Tilrådde forkunnskapar
Studiepoengsreduksjon
Vurderingsformer
Bestått / ikke bestått
For å bestå emnet må kandidaten ha:
1. Forberedt seg til kurset ved å lese vitenskapelige artikler.
2. Deltatt på 3-dagers kurs og arbeidet aktivt med kursoppgavene, og gitt en muntlig presentasjon av egen forskning.
3. Skrevet en metodologisk refleksjonsoppgave (2-3 sider).
Litteraturliste
Lesing før kursstart:
- GDPR: an impediment to research?
(PMID: 30734900) - The FAIR Guiding Principles for scientific data management and stewardship
(PMID: 26978244) - Principles of confounder selection
(PMID: 30840181) - Small telescopes: detectability and the evaluation of replication results
(PMID: 25800521) - Tackling the widespread and critical impact of batch effects in high-throughput data
(PMID: 20838408) - RNA sequencing: the teenage years
(PMID: 31341269) - Common gene expression signatures in Parkinson's disease are driven by changes in cell composition
(PMID: 32317022) - Best practices for variant calling in clinical sequencing
(PMID: 33106175)
Foreslått lesing:
Listen er foreløpig, og vil bli ferdigstilt flere uker før kursstart.
Emneansvarleg
Hovedansvarlige:
Gonzalo S. Nido
Fiona Dick
Koordinator:
Eirik Tveit Solheim
Kven kan delta
Program
Alle oppgavene er obligatorisk for å få ECTS:
1. Forut for kurset blir studentene tildelt en liste over litteratur som er relatert til emnet. Studentene skal lese og bli kjent med litteraturen i forkant av forelesningene (20 timer).
2. Hver kursdag vil starte med et seminar der en kliniker eller forsker presenterer sin forskning, som er en «real case scenario» for emner som skal dekkes denne dagen. Seminaret blir fulgt opp av ett sett med forelesninger og gruppediskusjoner. Etter en times lønsj med servering av mat og drikke, vil studentene delta i praktiske øvelser. I disse øvelsene vil studentene få erfaring med real-life data, som dekker de daglige emnene, med støtte og veiledning fra lærere som er eksperter på fagfeltet (21 timer).
3. På siste dag vil studentene forberede en muntlig presentasjon (5 minutter) som beskriver deres eget prosjekt. Det samme prosjektet kan bli utgangspunkt for skriftlig oppgave (5 timer).
4. Til slutt skal studentene skrive en metodologisk beskrivelse av et valgfritt forskningsprosjekt. Prosjektet kan være basert på egen forskning eller et annet valgfritt emne. Beskrivelsen skal dekke alle relevante betraktninger og emner som har blitt dekket ved kurset, og dette skrifltige dokumentet skal leveres innen to uker etter kursets slutt (30 timer).
Total arbeidsinnsats: 76 timer