Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

R for biologists with Metagenomics

Informacje ogólne

Kod przedmiotu: 2600-OG-EN-RBM
Kod Erasmus / ISCED: 13.1 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0511) Biologia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: R for biologists with Metagenomics
Jednostka: Wydział Nauk Biologicznych i Weterynaryjnych
Grupy: Przedmioty ogólnouniwersyteckie
Punkty ECTS i inne: 5.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Wymagania wstępne:

(tylko po angielsku) Background knowledge of biology and mathematics

Rodzaj przedmiotu:

przedmiot fakultatywny

Całkowity nakład pracy studenta:

(tylko po angielsku) Contact hours with teacher:

np.

- participation in laboratory 45 hrs

- consultations- 20 hrs


Self-study hours:

np.

- preparation for laboratory - 10 hrs

- preparation for test- 20 hrs



Altogether: 1000 hrs (4 ECTS)


Efekty uczenia się - wiedza:

(tylko po angielsku) W1: Student has basic knowledge of biology and/or environmental sciences

W2: Student possesses knowledge how to organize information for environmental data bases

W3: Student is familiar with mathematics and statistics at a basic level that allows describing natural phenomena

W4: Student is acquainted with using computer and windows-based programme


Efekty uczenia się - umiejętności:

(tylko po angielsku) U1: Student is able to search information with most popular web browsers

U2: Student is capable of preparing final report and draw certain conclusions which may be useful in future.

U3: Student has basic skills in data collection

U4: Student can analyze information from the support forums


Efekty uczenia się - kompetencje społeczne:

(tylko po angielsku) K1: Student understands the significance of continuous improvement of knowledge through scientific and popular scientific journals -

K2: Student understands the need for using mathematical, statistical and IT methods for developing and presenting results and analyzes

K3: Student is sensitive to reliability of conducted analyzes and expert opinions

K4: Student is aware of importance of team work

K5: Student identifies strengths and weaknesses of the results

K6: Student participates in critical analysis of the results

K7: Student can cooperate with others


Metody dydaktyczne:

(tylko po angielsku) Teaching methods :

-problem lecture

- classes

-case studies


Metody dydaktyczne podające:

- wykład problemowy

Metody dydaktyczne poszukujące:

- ćwiczeniowa
- studium przypadku

Skrócony opis: (tylko po angielsku)

The aim of the course is to familiarize students with backgrounds of R and additionally with the methods of obtaining genetic material from the environment as well as the processing and analysis of information obtained as a result of next generation sequencing (NGS) enabling inference about the structure, biodiversity and functions of microorganisms.

Pełny opis: (tylko po angielsku)

Exercise 1

Installation of R and R Studio, Creating your first R script.

Exercise 2

Structure of functions with different number of arguments. Different data types

Exercise 3

Different objects in R: vector, matrix, array, list, data frame

Exercise 4

Creating project in R. Working with data frame

Exercise 5

Report Writing in R Markdown

Exercise 6

Creating function with R

Exercise 7

Case studies.

Exercise 8

Introduction to metagenomics. Matagenomics as a tool in the ecology of microorganisms. The importance of metagenomics and development perspectives.

Isolation of biological material for metagenomic analyzes. Methods and tools for DNA / RNA isolation. Requirements and quality of genetic material.

Exercise 9

Bioinformatics analysis used in NGS data processing.

Taxonomy analysis of microorganism communities. Numerous and rare OTUs, Venn diagrams. Ways to visualize data from taxonomy.

Exercise 10

Alpha diversity. Analysis of biodiversity of microorganism communities. Dilution curves, indicators of species richness (Sobs, Chao1, ACE).

Alpha diversity. Biodiversity indicators of microorganism communities (Shannon-Wiener index, Simpson index). Equivalence indicators.

Exercise 11

Beta diversity. Distance, similarity / similarity of communities. Cluster analysis.

Beta diversity. Consulting methods (PCA, PCoA).

Exercise 12

Beta diversity. Hypothesis testing (ANOSIM, SIMPER, PERMANOVA).

Other methods for visualizing data from NGS sequencing. Correlations and heatmaps.

Exercise 13

Genome sequencing

Use of genome information to identify microorganisms (ANI, in silico DDH).

Genomic annotation in Rast Server. The role of microorganisms in the environment.

Exercise 14, 15

Students' own work. Development of analysis results, report preparation and presentation of conclusions.

Literatura: (tylko po angielsku)

1. Donovan, T., Brown, M., & Katz, J. (2015). Vermont Cooperative Fish and Wildlife Research Unit R Projects: R for Fledglings. Retrieved from https://www.uvm.edu/rsenr/vtcfwru/R/?Page=fledglings/fledglings.htm

2. Biecek P. 2014. Przewodnik po pakiecie R

3. Murrel P. 2006 R Graphics

4. Verzani J.2005. Using R for Introductory Statistics

5. Benedetti C (Ed) Metagenomics, Methods, Application and Perspectives (2014) Nova Publishers, New York

6. Izard J, Rivers M.C (Eds) Metagenomics for Microbiology, Academic Press, Elsevier

7. Li R.W (Ed) Metagenomics and its applications in agriculture, biomedicine, and environmental studies (2011) Nova Science Publishers.

8. Magurran AE, McGill BJ (Eds) Biological diversity: frontiers in measurement and assessment (2011) Oxford University Press

Metody i kryteria oceniania: (tylko po angielsku)

Assessment methods:

Tests in moodle or Microsoft Teams. Class attendance, preparation for classes, active participation, preparation of report on conducted analyzes.- written examination

Assessment criteria:

fail- less than 60%

satisfactory- 60-70%

satisfactory plus- 71-80%

good – 81-87%

good plus- 88-94%

very good- more than 94%

Praktyki zawodowe: (tylko po angielsku)

not applicable

Zajęcia w cyklu "Semestr zimowy 2022/23" (zakończony)

Okres: 2022-10-01 - 2023-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 45 godzin więcej informacji
Koordynatorzy: Marcin Koprowski
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-19
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 45 godzin więcej informacji
Koordynatorzy: Marcin Koprowski
Prowadzący grup: Agnieszka Kalwasińska, Marcin Koprowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)