Module also offered within study programmes:
General information:
Name:
Modeling of biological systems
Course of study:
2016/2017
Code:
JBF-3-010-s
Faculty of:
Physics and Applied Computer Science
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Biophysics
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr hab. Matuszak Zenon (Zenon.Matuszak@fis.agh.edu.pl)
Academic teachers:
dr hab. Matuszak Zenon (Zenon.Matuszak@fis.agh.edu.pl)
dr hab. Matuszak Zenon (Zenon.Matuszak@fis.agh.edu.pl)
dr hab. Matuszak Zenon (Zenon.Matuszak@fis.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student nabywa umiejętności komunikacyjnych oraz wykształca umiejętność współpracy z innymi członkami zespołu przy rozwiązywaniu złożonych problemów biologicznych (podział zadań), które wymagają kompetencji z rożnych dziedzin. BF3A_U02, BF3A_U03, BF3A_U01 Involvement in teamwork
Skills
M_U001 Student potrafi stosować symulacje typu dynamicznego do układów chemicznych, biochemicznych oraz populacji biologicznych. BF3A_W01 Execution of laboratory classes
M_U002 Student potrafi stosować symulacje typu stochastycznego do układów chemicznych , biochemicznych oraz populacji biologicznych. BF3A_U02, BF3A_U01 Execution of laboratory classes
M_U003 Student potrafi stosować symulacje typu dynamicznego do układów chemicznych , biochemicznych oraz populacji biologicznych. BF3A_U02, BF3A_U01 Execution of laboratory classes
M_U004 Student potrafi stosować stosować zaawansowane metody optymalizacyjne do analizy danych i właściwie je interpretować. BF3A_U02, BF3A_U01 Execution of laboratory classes
M_U005 Student potrafi stosować metody rozwiązywania równań różniczkowych cząstkowych oraz proste schematy metody Monte Carlo do analizy procesów transportu w układach biologicznych. BF3A_U02, BF3A_U01 Execution of laboratory classes
M_U006 Student potrafi stosować wybrane pakiety oprogramowania do analizy złożonych systemów biologicznych i interpretować wyniki dla prostych zagadnień. BF3A_U02, BF3A_U01 Execution of laboratory classes
M_U007 Student potrafi zidentyfikować problem biologiczny i dobrać właściwe oprogramowanie realizujące jego symulację. BF3A_W02, BF3A_W01 Completion of laboratory classes
Knowledge
M_W001 Student uzyskuje wiedzę z zakresu stosowania opisu dynamicznego do układów chemicznych , biochemicznych oraz populacji biologicznych. BF3A_W01 Execution of laboratory classes
M_W002 Student uzyskuje wiedzę z zakresu stosowania opisu statystycznego do układów chemicznych , biochemicznych i populacyjnych. BF3A_W01 Execution of laboratory classes
M_W003 Student potrafi analizować dane biologiczne uwzględniając ich specyfikę. Uzyskuje wiedzę z zakresu stosowania metody optymalizacji do zagadnień liniowych i nieliniowych. BF3A_W01 Execution of laboratory classes
M_W004 Student uzyskuje wiedzę z zakresu podstawowych modeli transportu w układach biologicznych oraz sposobach ich opisu i modelowania. BF3A_W01 Execution of laboratory classes
M_W005 Student uzyskuje wiedzę z zakresu stosowania zintegrowanego, hierarchicznego opisu systemów biologicznych i oprogramowania stosowanego do symulacji złożonych procesów biologicznych. BF3A_W01 Execution of laboratory classes,
Execution of exercises,
Execution of a project,
Participation in a discussion,
Case study
M_W006 Student zdobywa wiedzę ogólną na temat modelowanie układów biologicznych z uwzględnieniem powiązań hierarchicznych poszczególnych podsystemów. BF3A_W02, BF3A_U01, BF3A_W01 Completion of laboratory classes
M_W007 Student uzyskuje ogólną wiedzę na temat stawiania problemów symulacyjnych do analizy złożonych problemów biologicznych BF3A_W03, BF3A_W02, BF3A_W01 Test results
M_W008 W trakcie zajęć student poznaje podstawowe zasady formułowania problemów z dydaktycznego punktu widzenia. BF3A_W03
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student nabywa umiejętności komunikacyjnych oraz wykształca umiejętność współpracy z innymi członkami zespołu przy rozwiązywaniu złożonych problemów biologicznych (podział zadań), które wymagają kompetencji z rożnych dziedzin. + - + - - - - - - - -
Skills
M_U001 Student potrafi stosować symulacje typu dynamicznego do układów chemicznych, biochemicznych oraz populacji biologicznych. - - + - - - - - - - -
M_U002 Student potrafi stosować symulacje typu stochastycznego do układów chemicznych , biochemicznych oraz populacji biologicznych. - - + - - - - - - - -
M_U003 Student potrafi stosować symulacje typu dynamicznego do układów chemicznych , biochemicznych oraz populacji biologicznych. + - + - - - - - - - -
M_U004 Student potrafi stosować stosować zaawansowane metody optymalizacyjne do analizy danych i właściwie je interpretować. - - + - - - - - - - -
M_U005 Student potrafi stosować metody rozwiązywania równań różniczkowych cząstkowych oraz proste schematy metody Monte Carlo do analizy procesów transportu w układach biologicznych. + - + - - - - - - - -
M_U006 Student potrafi stosować wybrane pakiety oprogramowania do analizy złożonych systemów biologicznych i interpretować wyniki dla prostych zagadnień. + - + - - - - - - - -
M_U007 Student potrafi zidentyfikować problem biologiczny i dobrać właściwe oprogramowanie realizujące jego symulację. - - - - - - - - - - -
Knowledge
M_W001 Student uzyskuje wiedzę z zakresu stosowania opisu dynamicznego do układów chemicznych , biochemicznych oraz populacji biologicznych. + - + - - - - - - - -
M_W002 Student uzyskuje wiedzę z zakresu stosowania opisu statystycznego do układów chemicznych , biochemicznych i populacyjnych. + - + - - - - - - - -
M_W003 Student potrafi analizować dane biologiczne uwzględniając ich specyfikę. Uzyskuje wiedzę z zakresu stosowania metody optymalizacji do zagadnień liniowych i nieliniowych. + - + - - - - - - - -
M_W004 Student uzyskuje wiedzę z zakresu podstawowych modeli transportu w układach biologicznych oraz sposobach ich opisu i modelowania. + - + - - - - - - - -
M_W005 Student uzyskuje wiedzę z zakresu stosowania zintegrowanego, hierarchicznego opisu systemów biologicznych i oprogramowania stosowanego do symulacji złożonych procesów biologicznych. + - + - - - - - - - -
M_W006 Student zdobywa wiedzę ogólną na temat modelowanie układów biologicznych z uwzględnieniem powiązań hierarchicznych poszczególnych podsystemów. - - - - - - - - - - -
M_W007 Student uzyskuje ogólną wiedzę na temat stawiania problemów symulacyjnych do analizy złożonych problemów biologicznych - - - - - - - - - - -
M_W008 W trakcie zajęć student poznaje podstawowe zasady formułowania problemów z dydaktycznego punktu widzenia. - - - - - - - - - - -
Module content
Lectures:
  1. 1. Modele i ich użyteczność. (3 godz.)

    Wykład jest podzielony na sześć podstawowych części. Treść wykładu obejmuje podstawowe problemy z jakimi styka się student (pracownik) używający modelowania komputerowego do rozwiązywania praktycznych problemów w dziedzinie biofizyki (biomedycyny). Każdy z działów modelowania omawiany na wykładzie będzie ilustrowany przykładami zastosowań w ogólnie rozumianej biomedycynie, zagadnienia omawiane na wykładzie będą także przedmiotem ćwiczeń laboratoryjnych (komputerowych). Celem kursu jest zdobycie wiedzy ogólnej oraz opanowanie podstawowych narzędzi obliczeniowych, które mogą być wykorzystane w codziennej praktyce. Cel kursu jest zdobycie ogólnego rozeznania w problematyce modelowania zagadnień biomedycznych oraz nabycie umiejętności praktycznego stosowania oprogramowania, w związku z tym zagadnienia teoretyczne będą omawiane tylko w niezbędnym zakresie.
    a. Wprowadzenie w ogólną teorię systemów integracja matematyki i nauk biologicznych (biomedycznych).
    b. Modele jako reprezentacje realnych systemów, rodzaje modeli – dyskretne i ciągłe, tworzenie modeli matematycznych,
    c. Środki techniczne modelowania – metody numeryczne i algebra komputerowa, platformy obliczeniowe.
    d. Wprowadzenie do systemu Matlab.

  2. 1. Modele i ich użyteczność. (3 godz.)

    Wykład jest podzielony na sześć podstawowych części. Treść wykładu obejmuje podstawowe problemy z jakimi styka się student (pracownik) używający modelowania komputerowego do rozwiązywania praktycznych problemów w dziedzinie biofizyki (biomedycyny). Każdy z działów modelowania omawiany na wykładzie będzie ilustrowany przykładami zastosowań w ogólnie rozumianej biomedycynie, zagadnienia omawiane na wykładzie będą także przedmiotem ćwiczeń laboratoryjnych (komputerowych). Celem kursu jest zdobycie wiedzy ogólnej oraz opanowanie podstawowych narzędzi obliczeniowych, które mogą być wykorzystane w codziennej praktyce. Cel kursu jest zdobycie ogólnego rozeznania w problematyce modelowania zagadnień biomedycznych oraz nabycie umiejętności praktycznego stosowania oprogramowania, w związku z tym zagadnienia teoretyczne będą omawiane tylko w niezbędnym zakresie.
    a. Wprowadzenie w ogólną teorię systemów integracja matematyki i nauk biologicznych (biomedycznych).
    b. Modele jako reprezentacje realnych systemów, rodzaje modeli – dyskretne i ciągłe, tworzenie modeli matematycznych,
    c. Środki techniczne modelowania – metody numeryczne i algebra komputerowa, platformy obliczeniowe.
    d. Wprowadzenie do systemu Matlab.

  3. 1. Modele i ich użyteczność. (3 godz.)

    Wykład jest podzielony na sześć podstawowych części. Treść wykładu obejmuje podstawowe problemy z jakimi styka się student (pracownik) używający modelowania komputerowego do rozwiązywania praktycznych problemów w dziedzinie biofizyki (biomedycyny). Każdy z działów modelowania omawiany na wykładzie będzie ilustrowany przykładami zastosowań w ogólnie rozumianej biomedycynie, zagadnienia omawiane na wykładzie będą także przedmiotem ćwiczeń laboratoryjnych (komputerowych). Celem kursu jest zdobycie wiedzy ogólnej oraz opanowanie podstawowych narzędzi obliczeniowych, które mogą być wykorzystane w codziennej praktyce. Cel kursu jest zdobycie ogólnego rozeznania w problematyce modelowania zagadnień biomedycznych oraz nabycie umiejętności praktycznego stosowania oprogramowania, w związku z tym zagadnienia teoretyczne będą omawiane tylko w niezbędnym zakresie.
    a. Wprowadzenie w ogólną teorię systemów integracja matematyki i nauk biologicznych (biomedycznych).
    b. Modele jako reprezentacje realnych systemów, rodzaje modeli – dyskretne i ciągłe, tworzenie modeli matematycznych,
    c. Środki techniczne modelowania – metody numeryczne i algebra komputerowa, platformy obliczeniowe.
    d. Wprowadzenie do systemu Matlab.

  4. 2. Modele dynamiczne – równania różnicowe i różniczkowe zwyczajne. (5 godz.)

    a. Metody numeryczne (dyskretyzacja).
    b. Elementy jakościowej teorii równań różniczkowych zwyczajnych (analiza fazowa).
    b. Proste modele populacyjne: Malthusa- wzrostu eksponencjalnego, modele nieliniowe- stany przejściowe, równowaga i stabilność, linearyzacja, modele logistyczne.
    c. Modele liniowe (algebra macierzy) – populacje ustrukturalizowane wiekowo.
    d. Modele nieliniowe z oddziaływaniami : oddziaływanie organizm- środowisko, proste modele typu drapieżnik-ofiara, równowagi w modelach wielopopulacyjnych, linearyzacja i stabilność.
    e. Symulacje komputerowe w biologii komórki: elementy biochemii komórki i regulacji komórkowej: kinetyka chemiczna i enzymatyczna, modele farmakokinetyczne i farmakodynamiczne, regulacja genowa, zintegrowane modele metabolizmu i sposoby ich analizy.

  5. 3. Modele probabilistyczne. (4 godz.)

    a. Wprowadzenie do rachunku prawdopodobieństwa.
    b. Modele typu Markowa (równania typu master, modele macierzowe, ewolucja molekularna —DNA, mutacje i zastępowania zasad , pojęcie dystansu filogenetycznego i drzewa filogenetycznego, genetyka mendlowska.
    c. Modele stochastyczne w kinetyce biochemicznej (algorytm Gillespiego).

  6. 4. Optymalizacja liniowa i nieliniowa.(4 godz.)

    a. Specyfika danych biologicznych, podstawowa analiza danych numerycznych- histogramy i rozkłady, interpolacja i ekstrapolacja. Prezentacja danych – wykresy i ich charakterystyka.
    b. Metoda najmniejszych kwadratów, optymalizacja nieliniowa (podstawowe algorytmy i ich realizacja komputerowa).

  7. 5. Problemy transportu w układach biologicznych.(6 godz.)

    a. Elementy teorii równań różniczkowych cząstkowych. Podstawowe metody numeryczne.
    b. Ruch przypadkowy w czasie i przestrzeni, matematyka dyfuzji.
    c. Transport tlenu i biochemia tlenu, transport jonów-elementy neurofizjologii- równanie Fitzhugh-Nagumo.
    d. Modele typa reakcja-dyfuzja. Struktury dyssypacyjne.
    e. Zastosowanie metod Monte Carlo w analizie procesów biologicznych: elementy teorii wiązania typu receptor-ligand oraz proste symulacje procesów transportu i ich zastosowanie do foto- i radioterapii.

  8. 6. Języki i systemy dedykowane biologii systemów. (8 godz.)

    a. Zintegrowane systemy obliczeniowe dla potrzeb biomedycyny i biologii systemów.
    b. Przykłady zastosowań do rozwiązywania złożonych problemów biologicznych.

Laboratory classes:
  1. Pracownia Komputerowa

    Podstawowym środowiskiem będzie środowisko Matlab. Student może używać także innych środowisk obliczeniowych do realizacji zadań. Studenci otrzymają zestawy prostych problemów. Ich zadaniem będzie realizacja symulacji otrzymanych zagadnień. Celem jest praktyczne poznanie omawianych na wykładach metod. Tematyka zadań będzie zróżnicowana w zależności od zainteresowań studenta.
    1. Modele dynamiczne w kinetyce chemicznej, biochemicznej i populacyjnej (3 godz.)
    2. Modele probabilistyczne w kinetyce chemicznej, biochemicznej i populacyjnej.( 3 godz.)
    3. Statystyczne opracowanie danych. Optymalizacja liniowa i nieliniowa ( dopasowanie funkcji do danych eksperymentalnych).(3 godz.)
    4. Rozwiązywanie równań różniczkowych cząstkowych oraz zastosowanie metody Monte Carlo do prostych zagadnień.( 3 godz.)
    5. Modelowanie złożonych procesów przy pomocy zintegrowanych systemów obliczeniowych (3 godz.).

  2. Pracownia Komputerowa

    Podstawowym środowiskiem będzie środowisko Matlab. Student może używać także innych środowisk obliczeniowych do realizacji zadań. Studenci otrzymają zestawy prostych problemów. Ich zadaniem będzie realizacja symulacji otrzymanych zagadnień. Celem jest praktyczne poznanie omawianych na wykładach metod. Tematyka zadań będzie zróżnicowana w zależności od zainteresowań studenta.
    1. Modele dynamiczne w kinetyce chemicznej, biochemicznej i populacyjnej (3 godz.)
    2. Modele probabilistyczne w kinetyce chemicznej, biochemicznej i populacyjnej.( 3 godz.)
    3. Statystyczne opracowanie danych. Optymalizacja liniowa i nieliniowa ( dopasowanie funkcji do danych eksperymentalnych).(3 godz.)
    4. Rozwiązywanie równań różniczkowych cząstkowych oraz zastosowanie metody Monte Carlo do prostych zagadnień.( 3 godz.)
    5. Modelowanie złożonych procesów przy pomocy zintegrowanych systemów obliczeniowych (3 godz.).

  3. Pracownia Komputerowa

    Podstawowym środowiskiem będzie środowisko Matlab. Student może używać także innych środowisk obliczeniowych do realizacji zadań. Studenci otrzymają zestawy prostych problemów. Ich zadaniem będzie realizacja symulacji otrzymanych zagadnień. Celem jest praktyczne poznanie omawianych na wykładach metod. Tematyka zadań będzie zróżnicowana w zależności od zainteresowań studenta.
    1. Modele dynamiczne w kinetyce chemicznej, biochemicznej i populacyjnej (3 godz.)
    2. Modele probabilistyczne w kinetyce chemicznej, biochemicznej i populacyjnej.( 3 godz.)
    3. Statystyczne opracowanie danych. Optymalizacja liniowa i nieliniowa ( dopasowanie funkcji do danych eksperymentalnych).(3 godz.)
    4. Rozwiązywanie równań różniczkowych cząstkowych oraz zastosowanie metody Monte Carlo do prostych zagadnień.( 3 godz.)
    5. Modelowanie złożonych procesów przy pomocy zintegrowanych systemów obliczeniowych (3 godz.).

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 120 h
Module ECTS credits 4 ECTS
Participation in laboratory classes 15 h
Contact hours 10 h
Participation in lectures 30 h
Realization of independently performed tasks 30 h
Completion of a project 20 h
Participation in laboratory classes 15 h
Additional information
Method of calculating the final grade:

Ocena końcowa z modułu obliczana jest, jako średnia ważona z: średniej oceny z ćwiczeń
wykonywanych na laboratorium (30%) oraz oceny z projektu zaliczeniowego (70%).
Pozytywna ocena końcowa wymaga uzyskania pozytywnej oceny końcowej z obu form zajęć.

Forma egzaminu: przygotowanie przez studenta projektu, którego tematyka i zakres realizacji została uzgodniona z prowadzącym zajęcia. Tematyka w miarę możliwości będzie powiązana z zainteresowaniami studenta.

Prerequisites and additional requirements:

Podstawowa wiedza z zakresu matematyki i fizyki oraz biologii. Wiadomości z biologii konieczne do konstrukcji modelu komputerowego danego zjawiska będą podane na wykładach i ćwiczeniach.

Recommended literature and teaching resources:

uzupełnię

Scientific publications of module course instructors related to the topic of the module:

uzupełnię

Additional information:

Sposób i tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach:
ćwiczenia laboratoryjne: usprawiedliwiona nieobecność na zajęciach wymaga od studenta
samodzielnego opanowania przerabianego na tych zajęciach materiału i jego zaliczenia w formie i
terminie wyznaczonym przez prowadzącego zajęcia. Obecność na wykładzie: zgodnie z Regulaminem Studiów AGH