0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

I løpet av de siste 3 årene har emnet gått gjennom en større endring i øvingsopplegget, der det nå er basert på 5 prosjekter som skal gjennomføres ved å benytte python programmering og Jupyter notebooks. Inngangen til dette oppleves utfordrende av noen studenter, avhengig av hvor mye erfaring de har med python fra før. Alle har bakgrunn tilsvarende IT-grunnkurs med python, men noen har nesten ikke benyttet python siden den gang. Vi har gjort justeringer for å tilrettelegge for studenter med liten python erfaring ved å gjøre tutorials tilgjengelig. Kontinuerlig kommunikasjon med studentene gjennomføres med å ha et discussion board på Blackboard. Dette er godt brukt og er en effektiv lav-terskel kommunikasjonskanal med studentene.

Studentene var godt fornøyd med tema som ble gjennomgått og relevans av prosjektene. De var også godt fornøyd med forelesninger og tilgjengelighet av faglærer. Pga manglende resurser til stud ass er det ikke separate øvingstimer i dette faget. Studentene ble oppfordret til å danne kollokviegrupper selv, men i praksis var det ingen som benyttet seg av dette. Faglærer vil oppfordre studentene også i kommende år til å danne kollokviegrupper.

NTNU:TIA:REST

Institutt for bioteknologi og matvitenskap

Department of Biotechnology and Food Science

Engelsk

Mer om vurdering

Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

Anbefalte forkunnskaper

Basiskunnskaper i molekylærbiologi tilsvarende TBT4145/TBT4146 Molekylærgenetikk, statistikk tilsvarende ST0103 Brukerkurs i statistikk.

Forkunnskapskrav

Grunnleggende programmering i python, tilsvarende TDT4110: IT grunnkurs.

Faglig innhold

Emnet gir en innføring i hvordan systembiologiske metoder brukes til å modellere og analysere cellulære nettverk, med sterk relevanse for syntetisk biologi og iGEM konkurransen. Faget har spesiell fokus på (1) biologiske interaksjons nettverk og (2) cellulær metabolisme på genom nivå. Studentene vil tilegne seg materialet gjennom forelesninger og praktiske prosjektoppgaver ved å bruke oppdatert software i en PC-basert lab. Det legges vekt på en tverrfaglig presentasjon og arbeidsform, slik at emnet skal kunne følges både av informatikere, biologer, kjemikere og fysikere.

Kursmateriell

B.O.Palsson "Systems Biology: Constraint-based Reconstruction and Analysis" 2nd edition (2015). A.-L. Barabási "Network Science" (2016). Kompendium.

Læringsutbytte

Ved avsluttet undervisning skal studentene kunne:<ul><li>Forklare grunnleggende begrep, modeller og statistiske mål for å karakterisere egenskaper til generelle nettverk, samt bruke programmet Cytoscape til å analysere empiriske nettverk.</li><li>Forklare grunnleggende begreper, prinsipper og metoder innen metabolic engineering.</li><li>Gjøre rede for organiseringen og konstruksjon av genom-skala metabolske nettverk, forklare prinsippene for constraint-based analysis (spesielt Flux Balance Analysis), samt beherske programmeringsverktøy some bruker COBRA funksjoner for numerisk analyse av empiriske modeller.</li></ul>

Læringsformer og aktiviteter

Forelesninger og prosjektoppgaver (PC-lab). Emnet undervises på engelsk.

Øvinger

Datalab

Systembiologi og biologiske nettverk

Biofysikk

Bioinformatikk

Biologi

Bioteknologi

Teknologiske fag

Industriell kjemi og bioteknologi - masterstudium (5-årig)

Master of Science in Sustainable Chemistry and Biochemical Engineering

Bioteknologi (5-årig) - masterstudium

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(23467)/FieldValuesAsText

Evnenivå og innhold virker å passe bra til studentenes bakgrunn - nytt av i år er at alt lab og praktisk arbeid utføres med python programmering. Det har vært en utfordring for noen, men denne utfordringen skal bli enklere å håndtere neste år. Genrelt er studentene meget godt fornøyd med innhold i forelesninger og øvingsopplegg.

Vi har oppdatert oppgavesettene / øvingsopplegget, der vi gikk fra ukentlige innleveringer til en håndfull prosjekt innleveringer. Dette var kombinert med rendyrket bruk av python i øvingsopplegget. Studentene har tatt den overgangen fint, og det er uttrykt som et forkunnskapskrav at studentene har ITK grunnkurs med python eller en ekvivalent. Studentene sitter igjen med både teoretisk kunnskap og praktisk trening i å anvende kunnskapen. De uttrykker at opplegget fungerer og at de er fornøyd.

Undervisningsform er (1) forelesninger med innslag av gruppearbeid og (2) datalab der det jobbes med å løse prosjekt oppgaver på individuelt basis.Studentene viser godt oppmøte i forelesningene og meget høyt oppmøte i datalab.

Vurderingsform er vanligvis en teoretisk / skriftlig eksamen (50%) og en separat eksamen (50%) der anvendelse av programmering / dataanalyse er fokus. I år ble det en 5t skriftlig eksamen med stått / ikke bestått. Med opprinnelig vurderingsform får vi et godt og balansert inntrykk av studentenes kunnskap, og det blir mulig å teste både teoretiske og praktiske ferdigheter. Forventning er at dette skal kunne gjennomføres ved neste undervisningsrunde (V22).

Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Mappeevaluering gir grunnlag for sluttkarakter i emnet. I mappen inngår skriftlig eksamen (50 %) og arbeider (50 %). Resultatet for delene angis i %-poeng. Vurdering for hele mappen (sluttkarakteren) angis med bokstavkarakter. Ved utsatt eksamen må hele mappen tas opp. Ved utsatt eksamen kan også skriftlig eksamen bli endret til muntlig eksamen. 

Emnet gir en innføring i hvordan systembiologiske metoder brukes til å modellere og analysere cellulære nettverk, med sterk relevanse for syntetisk biologi og iGEM konkurransen. Faget har spesiell fokus på (1)  biologiske interaksjons nettverk og (2) cellulær metabolisme på genom nivå.  Studentene vil tilegne seg materialet gjennom forelesninger, praktiske øvingsoppgaver og PC-basert lab.  Det legges vekt på en tverrfaglig presentasjon og arbeidsform, slik at emnet skal kunne følges både av informatikere, biologer, kjemikere og fysikere.

B.O.Palsson "Systems Biology: Constraint-based Reconstruction and Analysis" 2nd edition (2015).
A.-L. Barabási "Network Science" (2016).
Kompendium.


Forelesninger, oppgaver og øvinger (PC-lab). Emnet undervises på engelsk.

Ved avsluttet undervisning skal studentene kunne:
- Forklare grunnleggende begrep, modeller og statistiske mål for å karakterisere egenskaper til generelle nettverk, samt bruke programmet Cytoscape til å analysere empiriske nettverk.
- Forklare grunnleggende begreper, prinsipper og metoder innen metabolic engineering.
- Gjøre rede for organiseringen og konstruksjon av genom-skala metabolske nettverk, forklare prinsippene for constraint-based analysis (spesielt Flux Balance Analysis), samt beherske COBRA toolbox i MatLab for numerisk analyse av empiriske modeller.

Bioteknologi - masterstudium

Industriell kjemi og bioteknologi - masterstudium (2-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(12379)/FieldValuesAsText

Systembiologi og biologiske nettverk - TBT4165