Semester 2, hooray

Ebben a félévben bekeményítettem a tantárgyakkal. Most 4 tárgyam lesz, ami a graduate szintű tárgyak esetében nagyon soknak számít. (Részben ez az oka, hogy kevesebbet írok a blogra mostanában :( ) Most röviden összefoglalom, hogy melyik tárgy nagyjából miről szól.

1. The Art of Doing Research

Ez a tárgy egyrészt már a címe miatt is kilóg a sorból, másrészt azért is különleges, mert éppen az én témavezetőm tartja. A tárgy kifejezetten PhD-seknek van, és egyelőre nagyon hasznosnak tűnik. Szeminárium formában zajlik a dolog, azaz interaktív módon megbeszélünk dolgokat, illetve a hallgatók tartanak előadásokat cikkek alapján. Olyan kérdésekre próbálunk választ találni, mint pl. hogy egy-egy publikáció mitől lesz sikeresebb vagy kevésbé sikeres; hogyan lehet egy cikkből a sok technikai részlet közt hatékonyan felismerni, hogy mi benne az igazi 'research contribution'. Aztán pl. milyen általános technikákat lehet alkalmazni egy kutatási probléma megoldására, stb. A félév során ilyen jellegű kérdésekről folyamatosan írni kell különböző leadandó esszéket. Ez azért nagyon szokatlan, mert legutóbb (nem közvetlenül technikai jellegű) folyó szöveget a középiskolában kellett írnom :D Ami még jó, hogy ez a tárgy specializált olyan szempontból, hogy kifejezetten computer science diákoknak van, tehát szinte minden nagyon releváns, amiről beszélünk, tanulunk. A cikkek a témavezetőm szakterülete miatt mesterséges intelligencia, robotika, pályatervezés témakörből vannak, ami önmagában is érdekes.


2. Pattern Recognition

Ez a téma az a fajta, amiből sosem árt még többet tudni. Nagyon egyszerűen megfogalmazva a mintafelismerés egy adathalmazban található különbségek és hasonlóságok, valamint esetleges előzetes tudás alapján próbál valamilyen szempontból hasznos struktúrát felismerni. Ez a mérnöki és informatikai alkalmazásokban alapvető fontosságú, a computational biology területén pedig elengedhetetlen. Persze már tanultam ilyeneket, de ez most még mélyebb a korábbi tanulmányaimnál, meg lesz mindenféle feladat, projekt, stb, szóval izgalmasnak ígérkezik.

3. Advanced Combinatorial Methods in Bioinformatics

A bioinformatika szó elvileg sok területet összefoglal, de valójában elsősorban a DNS vagy fehérje szekvenciák elemzésre szokták mostanában használni. Ennek megfelelően, ez a tárgy a szekvencia analízis legfontosabb módszerein megy végig. A tárgy egyik fontos eleme a féléves projekt, ami nagyon érdekesnek, viszont elég nehéznek tűnik. A modern szekvenáló eszközök a hatékonyság növelése érdekében tipikusan csak nagyon rövid szekvencia darabokat, párhuzamosan szekvenálnak. Az apró darabokból a teljes szekvencia összeállítása a számítógépes módszerek feladta. A féléves feladat az, hogy egy baktérium genomját kell minél jobb minőségben összeállítani, közvetlenül a szekvenálás által kidobott szekvenciadarabokból és egyéb kiegészítő információkból.

4. Computational Systems Biology

Ez a tárgy azért jó, mert pont ez a neve a kutatási területemnek is :) A tárgy arról szól, hogy hogyan lehet sejten belüli biokémiai reakciórendszereket kvantitatív módon modellezni. Ez azért jó, mert így nem csak a hatáshálózatok struktúráját lehet megérteni, hanem tényleges számszerű következtetéseket lehet levonni a rendszer működésére vonatkozólag. Így (többek közt) lehetőség adódik arra, hogy olyan viselkedéseket lehessen számítógépes szimulációval vizsgálni, amiket egyébként tényleges kísérleti módszerekkel lehetetlen vagy nagyon költséges lenne elvégezni. Ez a terület tehát egyszerre próbálja hasznosítani a kísérleti adatokat, a biológiai elméleti tudást és a matematikai/számítógépes módszereket, hogy a sejt biokémiai szintű működését (jelenleg még csak kis részletekben) feltérképezze. Ez persze szépen és jól hangzik, de valójában ez a dolog jelenleg még nagyon gyerekcipőben jár. A ténylegesen rendelkezésre álló adatok ugyanis kvantitatív szemszögből nézve szinte használhatatlanok. Másképp megfogalmazva, az adatok inkább csak kvalitatív módon (trend szerűen) kapcsolódnak a biokémiai folyamatok elemeinek tényleges, számszerű mennyiségéhez. Mégis, ebből a nagyon zajos adathalmazból, valamint a hatalmas szürke foltokat tartalmazó biokémiai hatáshálózatokról való háttértudásból, és a témához kapcsolódó kiforratlan számítógépes módszerekből el lehet kezdeni építkezni. Végül is miért foglalkoznánk olyannal, amit már mindenki nagyon jól ismer és ért?:)