Referencias Bibliográficas: [Durbin et al., 1998,Clote and Backofen, 2000,Aluru, 2006,Krogh et al., 1994]
Temas
- Probabilidad: Variables aleatorias, Cadenas de Markov, Algoritmo de Metropoli-Hasting, Campos Aleatorios de Markov y Muestreador de Gibbs, Máxima Verosimilitud.
- Modelos Ocultos de Markov (HMM), estimación de parámetros, algoritmo de Viterbi y método Baul-Welch, Aplicación en alineamientos de pares y múltiples, en detección de Motifs en proteínas, en ADN eucariótico, en familias de secuencias.
- Filogenia Probabilística: Modelos probabilísticos de evolución, verosimilitud de alineamientos, verosimilitud para inferencia, comparación de métodos probailísticos y no probabilísticos
Objetivos de Aprendizaje
- Revisar conceptos de Modelos Probabilísticos y comprender su importancia en Biología Molecular Computacional. [Assessment]
- Conocer y aplicar Modelos Ocultos de Markov para varios análisis en Biología Molecular. [Usage]
- Conocer la aplicación de modelos probabilísticos en Filogenia y comparalos con modelos no probabilísticos [Assessment]
Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM