We will learn computational methods -- algorithms and data structures -- for analyzing DNA sequencing data. We will learn a little about DNA, genomics, and how DNA sequencing is used. We will use Python to implement key algorithms and data structures and to analyze real genomes and DNA sequencing datasets.
Ce cours fait partie de la Spécialisation Science des données génomiques
Offert par
Spécialisation Science des données génomiquesUniversité Johns-HopkinsÀ propos de ce cours
86,538 consultations récentes
Résultats de carrière des étudiants
43%
ont commencé une nouvelle carrière après avoir terminé ce cours
33%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 8 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 10 heures pour terminer
Anglais
Sous-titres : Anglais
Compétences que vous acquerrez
Bioinformatics AlgorithmsAlgorithmsPython ProgrammingAlgorithms On Strings
Résultats de carrière des étudiants
43%
ont commencé une nouvelle carrière après avoir terminé ce cours
33%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 8 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 10 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
Université Johns-Hopkins
The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.
Programme du cours : ce que vous apprendrez dans ce cours
4 heures pour terminer
DNA sequencing, strings and matching
This module we begin our exploration of algorithms for analyzing DNA sequencing data. We'll discuss DNA sequencing technology, its past and present, and how it works.
4 heures pour terminer
19 vidéos (Total 112 min), 7 lectures, 2 quiz
19 vidéos
Lecture: Why study this?4 min
Lecture: DNA sequencing past and present3 min
Lecture: Genomes as strings, reads as substrings5 min
Lecture: String definitions and Python examples3 min
Practical: String basics 7 min
Practical: Manipulating DNA strings 7 min
Practical: Downloading and parsing a genome 6 min
Lecture: How DNA gets copied3 min
Optional lecture: How second-generation sequencers work 7 min
Optional lecture: Sequencing errors and base qualities 6 min
Lecture: Sequencing reads in FASTQ format4 min
Practical: Working with sequencing reads 11 min
Practical: Analyzing reads by position 6 min
Lecture: Sequencers give pieces to genomic puzzles5 min
Lecture: Read alignment and why it's hard3 min
Lecture: Naive exact matching10 min
Practical: Matching artificial reads 6 min
Practical: Matching real reads 7 min
7 lectures
Welcome to Algorithms for DNA Sequencing10 min
Pre Course Survey10 min
Syllabus10 min
Setting up Python (and Jupyter)10 min
Getting slides and notebooks10 min
Using data files with Python programs10 min
Programming Homework 1 Instructions (Read First)10 min
2 exercices pour s'entraîner
Module 120 min
Programming Homework 114 min
3 heures pour terminer
Preprocessing, indexing and approximate matching
In this module, we learn useful and flexible new algorithms for solving the exact and approximate matching problems. We'll start by learning Boyer-Moore, a fast and very widely used algorithm for exact matching
3 heures pour terminer
15 vidéos (Total 114 min), 1 lecture, 2 quiz
15 vidéos
Week 2 Introduction 1 min
Lecture: Boyer-Moore basics8 min
Lecture: Boyer-Moore: putting it all together6 min
Lecture: Diversion: Repetitive elements5 min
Practical: Implementing Boyer-Moore 10 min
Lecture: Preprocessing7 min
Lecture: Indexing and the k-mer index10 min
Lecture: Ordered structures for indexing8 min
Lecture: Hash tables for indexing7 min
Practical: Implementing a k-mer index 7 min
Lecture: Variations on k-mer indexes9 min
Lecture: Genome indexes used in research9 min
Lecture: Approximate matching, Hamming and edit distance6 min
Lecture: Pigeonhole principle6 min
Practical: Implementing the pigeonhole principle 9 min
1 lecture
Programming Homework 2 Instructions (Read First)10 min
2 exercices pour s'entraîner
Module 220 min
Programming Homework 212 min
2 heures pour terminer
Edit distance, assembly, overlaps
This week we finish our discussion of read alignment by learning about algorithms that solve both the edit distance problem and related biosequence analysis problems, like global and local alignment.
2 heures pour terminer
13 vidéos (Total 92 min), 1 lecture, 2 quiz
13 vidéos
Module 3 Introduction 1 min
Lecture: Solving the edit distance problem12 min
Lecture: Using dynamic programming for edit distance12 min
Practical: Implementing dynamic programming for edit distance 6 min
Lecture: A new solution to approximate matching9 min
Lecture: Meet the family: global and local alignment10 min
Practical: Implementing global alignment 8 min
Lecture: Read alignment in the field4 min
Lecture: Assembly: working from scratch2 min
Lecture: First and second laws of assembly8 min
Lecture: Overlap graphs8 min
Practical: Overlaps between pairs of reads 4 min
Practical: Finding and representing all overlaps 3 min
1 lecture
Programming Homework 3 Instructions (Read First)10 min
2 exercices pour s'entraîner
Module 320 min
Programming Homework 38 min
2 heures pour terminer
Algorithms for assembly
In the last module we began our discussion of the assembly problem and we saw a couple basic principles behind it. In this module, we'll learn a few ways to solve the alignment problem.
2 heures pour terminer
13 vidéos (Total 83 min), 1 lecture, 2 quiz
13 vidéos
Module 4 introduction 1 min
Lecture: The shortest common superstring problem8 min
Practical: Implementing shortest common superstring 4 min
Lecture: Greedy shortest common superstring7 min
Practical: Implementing greedy shortest common superstring 7 min
Lecture: Third law of assembly: repeats are bad5 min
Lecture: De Bruijn graphs and Eulerian walks8 min
Practical: Building a De Bruijn graph 4 min
Lecture: When Eulerian walks go wrong9 min
Lecture: Assemblers in practice8 min
Lecture: The future is long?9 min
Lecture: Computer science and life science5 min
Lecture: Thank yous 43s
1 lecture
Post Course Survey10 min
2 exercices pour s'entraîner
Programming Homework 48 min
Module 414 min
Avis
Meilleurs avis pour ALGORITHMS FOR DNA SEQUENCING
par VK7 août 2017
This course provided me a very quick overview of all the core concepts pertaining to DNA sequencing. It is very well organized, crystal clear demonstration of concepts and I really enjoyed the course.
par KP18 mai 2020
Very good course this is. Just a little advice, please make the quiz questions more clear and more specific because one shouldn't waste time to understand a question which is very easy to implement.
par AL6 juil. 2019
This is the best course so far in this specialization. I enjoyed the way both instructors explained the concepts using simple analogies. It was a really productive month for me!
par MD9 nov. 2016
This was really fun. Really enjoyed the a-ha of the algorithms and the fun of solving the alignment and assembly problems. Feel mildly powerful after assembling a virus genome.
À propos du Spécialisation Science des données génomiques
With genomics sparks a revolution in medical discoveries, it becomes imperative to be able to better understand the genome, and be able to leverage the data and information from genomic datasets. Genomic Data Science is the field that applies statistics and data science to the genome.
This Specialization covers the concepts and tools to understand, analyze, and interpret data from next generation sequencing experiments. It teaches the most common tools used in genomic data science including how to use the command line, along with a variety of software implementation tools like Python, R, Bioconductor, and Galaxy.
This Specialization is designed to serve as both a standalone introduction to genomic data science or as a perfect compliment to a primary degree or postdoc in biology, molecular biology, or genetics, for scientists in these fields seeking to gain familiarity in data science and statistical tools to better interact with the data in their everyday work.
To audit Genomic Data Science courses for free, visit https://www.coursera.org/jhu, click the course, click Enroll, and select Audit. Please note that you will not receive a Certificate of Completion if you choose to Audit.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
