17-21 mei 2010, Universiteit van Amsterdam, Amsterdam

Docenten

Dr. Jaap Kaandorp
Prof. dr. Antoine van Kampen
prof. dr. Jaap Heringa
Contactpersoon: Dr. Jaap Kaandorp

Studielast

De studielast van deze cursus is 3 EC. Deelnemers ontvangen een certificaat na het succesvol afronden van deze cursus.

Locatie

Kamer F3.20, Science Park 107, 1098 XG Amsterdam

Doel

Na deze cursus moet een student een overzicht en basiskennis hebben van optimalisatiemethoden die vaak worden toegepast in bioinformatica en systeembiologie.

Doelgroep

De cursus is bedoeld voor PhD-studenten met een achtergrond in bioinformatica, systeembiologie, computerwetenschappen of een gerelateerd vakgebied. Er wordt een praktische kennis van basisstatistiek, lineaire algebra en differentiaalvergelijkingen verondersteld, maar deze wordt op de eerste dag van de cursus herhaald.

Beschrijving

Optimalisatie houdt zich in het algemeen bezig met het vinden van een of meer optimale oplossingen voor een probleem. Veel optimalisatieproblemen zijn erg moeilijk op te lossen. In veel verschillende problemen uit de bioinformatica en systeembiologie (bijv. multiparameterschatting, reverse engineering van gennetwerken, multi-alignmentprobleem, 3D-structuurvoorspelling, enz.) worden verschillende optimalisatiemethoden toegepast.

In deze cursus maakt u kennis met de onderliggende wiskunde van optimalisatie en met een selectie van lokale en globale optimalisatiemethoden. Daarnaast worden verschillende voorbeelden van optimalisatieproblemen in de levenswetenschappen gepresenteerd en besproken.

We vergelijken methoden zoals lineaire programmering, steilste afdaling en geconjugeerde gradiënt. We bespreken globale optimalisatiemethoden zoals Monte-Carlo sampling, de Basin hopping-technieken (ook bekend als Monte-Carlo met minimalisatie – bijv. ICM (intern coördinatensysteem voor voorspelling van 3D-eiwitstructuren), gesimuleerde annealing en evolutionaire algoritmen. Toepassingen van stochastische optimalisatie in systeembiologie, hybride methoden met stochastische optimalisatie in combinatie met lokale zoekopdrachten worden besproken.

Voorbeelden die tijdens de cursus worden besproken, zijn: (a) multi-sequentie-uitlijning met gesimuleerde annealing en evolutionaire algoritmen en vergelijking met dynamische programmering, (b) parameterschatting in modellen van grote biochemische netwerken en de toepassing in reverse engineering van spatio-temporele modellen van genregulatie.

Tentatice-cursusprogramma

De cursus bestaat uit lezingen, computerpractica en bovendien zullen er op verschillende cursusdagen paper readings en paperpresentaties in groepen zijn.

Een gedetailleerder programma vindt u hier.

Datum Onderwerpen
17 mei Inleiding en grondslagen
Fundamenten van optimalisatie: de wiskunde
Inleiding lokale univariate optimalisatietechnieken
18 mei Lokale optimalisatie
Lokale optimalisatietechnieken: Simplex-methode, steilste afdaling, geconjugeerde gradiënt en andere
Computerpracticum: Simplex (Nelder-Mead) en gerelateerde technieken
19 mei Stochastische optimalisatie
Stochastische optimalisatietechnieken: Monte Carlo, gesimuleerde uitgloeiing, deeltjeszwermoptimalisatie
Computerpracticum: gesimuleerde uitgloeiing en deeltjeszwermoptimalisatie
20 mei Globale optimalisatie
Globale optimalisatietechnieken: genetisch algoritme, dynamische programmering, verwachtingsmaximalisatie
Computerpracticum: genetisch algoritme, dynamische programmering
21 mei Toepassing van multi-objectieve optimalisatie
Gemengde en hybride technieken: toepassing op genetische netwerken

Registratie

U kunt zich voor deze cursus inschrijven door het online registratieformulier in te vullen.
Voor informatie over cursuskosten, zie de inschrijfpagina.

Voor meer informatie over het cursusprogramma en registratie of logistiek kunt u contact opnemen met het NBIC-kantoor.

U kunt een evaluatieformulier voor deze cursus invullen.