ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Σκοπός και Στόχοι Μαθήματος

Το Μάθημα περιλαμβάνει βασικές γνώσεις βιοπληροφορικής και αξιοποίησης διαδυκτιακώνβάσων δεδομένων δομής και αλληλουχίας πρωτεϊνών, νουκλεϊνικών οξέων, βιολογικής δράσης βιομορίωνκλπ

Σκοπός του μαθήματος είναι ο φοιτητής να γνωρίσει τις γενικές και ειδικές βάσεις δεδομένων που υπάρχουν με δυνατότητα εφαρμογής στις Βιοϊατρικές Επιστήμες και τα online εργαλεία επεξεργασίας δεδομένων που υπάρχουν και να μάθει να χρησιμοποιεί τα σημαντικότερα από αυτά.

Επίσης, τo μάθημα ασχολείται με τον τομέα της υγείας και τις νέες τεχνολογίες πληροφοριών και επικοινωνιών (ΤΠΕ). Γίνεται εκτενής αναφορά τόσο στη χρήση των ΤΠΕ για τη βελτίωση των υπηρεσιών υγείας και της φροντίδας του ασθενή, όσο και των μεθόδων εξοικονόμησης πόρων και αύξησης της παραγωγικότητας μέσω των ΤΠΕ. Επιχειρείται μια περιγραφή των εξελίξεων που συμβαίνουν στο χώρο των ΤΠΕ και που επηρεάζουν τον τομέα της υγείας, όπως εφαρμογές τηλεϊατρικής, μηχανογράφηση νοσοκομείων, συστήματα αυτόματης γνωμάτευσης και υποβοήθησης της γνωμάτευσης.

Με το πέρας του μαθήματος ο φοιτητής θα:

Γνώσεις

Γνωρίζει διαθέιμες βάσεις δεδομένων δομής πρωτεϊνών και νουκλεϊνικών οξέων και εργαλεία αξιοποίησής τους. Βάσεις δεδομένων βιολογικής δράσης μορίων και δυνατότητες αξιοποίησής τους. Διαδυκτιακά προγράμματα πρόβλεψης αλληλεπίδρασης βιομορίων κλπ.

Επίσης, με το πέρας του μαθήματος ο φοιτητής θα:

έχει αποκομίσει μια ευρεία εικόνα σχετικά με την επίδραση των νέων τεχνολογιών στον τομέα της υγείας γνωρίζει πολλές από τις εφαρμογές και τις λύσεις που προσφέρονται

είναι σε θέση να αναγνωρίζει τους βασικότερους τεχνολογικούς όρους στην υγεία

αντιλαμβάνεται την προσφορά των νέων τεχνολογιών στη βελτίωση της παροχής υπηρεσιών υγείας

Δεξιότητες

Ειδικότερα για μια πρωτεΐνη θα μπορεί :

α) Nα βρει την αμινοξική ακολουθία χρησιμοποιώντας την PubMedprotein ή την Uniprot

β) Να βρει την τριτοταγή διαμόρφωση ( 3D δομής) της πρωτεΐνης μέσω της PubMedstructure

γ) Να συγκρίνει την αμινοξική ακολουθία της πρωτεΐνης με την αμινοξική ακολουθία άλλων πρωτεϊνών μέσω του BLASTp (NCBI) ή του Uniprot BLAST (SIB)

δ) Να συγκρίνει την τρισδιάστατης δομής της πρωτεΐνης με την τρισδιάστατη δομή μιας άλλης πρωτεΐνης μέσω του RCSB proteinalignmenttool.

ε) Να βρεί για αυτή την πρωτεΐνη την αλληλουχία νουκλεοτιδίων του γονιδίου / mRNA.

Στ) Να συγκρίνει την αλληλουχία DNA με άλλες αλληλουχίες (π.χ. BLAST) για να βρεί αλληλουχίες που εμφανίζουν ομοιότητα.

ζ) Να αξιοποιεί την βάση PubMedgene (NCBI)

για να βρει:

Συνώνυμα της πρωτεΐνης αν υπάρχουν

Σε ποιο χρωμόσωμα βρίσκεται το γονίδιο (genomiccontext)

Σε ποιους ιστούς εκφράζεται; (expression)

Τρείς αναφορές στην λειτουργικότητα της πρωτεΐνης (GeneReferencesintoFunctions)

Τρία βιομόρια με τα οποία αλληλεπιδρά  (Interactions)

Στοιχεία για την υποκυτταρική κατανομή του μορίου (localization / component)

Μία πάθηση με την οποία σχετίζεται (αν υπάρχει) (Human ProteinRefferenceDataBase/Diseases)

η) Να αναζητά στοιχεία γλυκοσυλύωσης μέσω των βάσεων Uniprot και τις συνδεδεμένες βάσεις Glyconnect κλπ.

θ)Επίσης ο φοιτητής θα μπορεί να βρει πληροφορίες για ένα ένζυμο χρησιμοποιώντας την εφαρμογή ΕΝΖΥΜΕ της ExPASy και τις βάσεις BRENDA και PROSITE.

Χρησιμοποιώντας την BRENDA θα μπορεί να απαντήσει τα ερωτήματα:

–    Ποιος είναι ο κωδικός EC του ενζύμου

–  Με ποια ονόματα ή συντομογραφίες είναι γνωστό; (SΥNONYMS)

–  Ποια αντίδραση/εις καταλύει; (REACTION)

–   Να βρεί τα μεταβολικά μονοπάτια στα οποία συμμετέχει (PATHWAYS)

–  Να βρει τα υποστρώματα του ενζύμου

–  Να βρει τους οργανισμούς στους οποίους έχει αναφερθεί η ύπαρξή του ενζύμου

–   το συνένζυμο που χρησιμοποιεί αν υπάρχει

–   Αν ενεργοποιείται από μεταλλικά ιόντακαιποιά

–   Τους αναστολείς και ενεργοποιητές του ενζύμου αν υπάρχουν

–  Ασθένειες που συνδέονται με το ένζυμο

– Την Km του ενζύμου για κάθε υπόστρωμα και το βέλτιστο pH δράσης

– Την αντοχή στη θερμοκρασία

-Τους ιστούς στους οποίους ανιχνεύτηκε το ένζυμο

–    την υποκυτταρική κατανομή του ενζύμου

– Τις εφαρμογές του ενζύμου.

Οι φοιτητές μαθαίνουν να χρησιμοποιούν εργαλεία πρόβλεψης για να κάνουν:

ι) Πρόβλεψη θέσεων γλυκοσυλύωσης και δομής γλυκοσυλυωμένης πρωτεΐνης μέσω των online Προγραμμάτων ΝetNGlyc 1.0, GlyProt κλπ.

κ) Πρόβλεψη αλληλεπίδρασης πρωτεϊνών

λ) Πρόβλεψη τρισδιάστατης δομής από την αμινοξική ακολουθία μέσω του PredictProtein Swiss Model.

μ) Πρόβλεψη βιολογικής δράσης ένωσης με online προγράμματα σύγκρισης δομής με τη δομή μορίων γνωστής βιολογικής δράσης π.χ. PASS

ν) Πρόβλεψη βιολογικής δράσης π.χ. αναστολής ενζύμου με χρήση προγραμμάτων πρόβλεψης δημιουργίας σταθερού συμπλόκου (Docking).

ξ) Πρόβλεψη οξείας τοξικότητας και οικοτοξικότητας με online προγράμματα σύγκρισης δομής με τη δομή μορίων γνωστής τοξικότητας όπως το PASS-GUSAR.

Ικανότητες

Ο φοιτητής στο τέλος του μαθήματος θα πρέπει να κατανοεί πως οι διάφορες διαθέσιμες βάσεις δεδομένων και εργαλεία μπορούν να αξιοποιηθούν για την απάντηση ερωτημάτων στον Τομέα της Βιοϊατρικής.

Επίσης ο φοιτητής στο τέλος του μαθήματος θα πρέπει να κατανοεί πώς οι τεχνολογικές εξελίξεις μπορούν να βοηθήσουν τους εργαζόμενους του χώρου

αναγνωρίζει τα οφέλη από την «εκμετάλλευση» της πληροφορικής και των τηλεπικοινωνιών στο χώρο της υγείας

κατανοεί τα προβλήματα που καλείται να αντιμετωπίσει σε επίπεδο χρηστών

κατανοεί τα προβλήματα που καλείται να αντιμετωπίσει ο επιστήμονας πληροφορικής που σχεδιάζει ένα σύστημα ιατρικής πληροφορικής

θα είναι οικείος και ενήμερος για τις τελευταίες εξελίξεις στον τομέα της ιατρικής πληροφορικής

θα μπορεί να συμμετέχει ενεργά στην ευρύτερη ομάδα υποστήριξης θεμάτων ιατρικής πληροφορικής

θα έχει αποκομίσει μια ολοκληρωμένη εικόνα των θεμάτων που άπτονται στο αντικείμενο της ιατρικής πληροφορικής και της γενικότερης ηλεκτρονικής υγείας

θα είναι ενήμερος για την παρούσα κατάσταση σε παγκόσμιο επίπεδο και τις εξελίξεις που διαδραματίζονται στα θέματα της ιατρικής πληροφορικής.

θα γνωρίζει που οδηγούνται οι έρευνες και τι αναμένεται στο εγγύς μέλλον σε σχέση με τον τομέα της υγείας και τις νέες τεχνολογίες τόσο σε επίπεδο ασθενή όσο και σε επίπεδο επαγγελματία υγείας.

Τέλος θα μάθει να αξιοποιεί βασικές εφαρμογές των windows για την αντιμετώπιση βασικών αναγκών παρουσίασης και επεξεργασίας δεδομένων.

Ειδικότερα το μάθημα περιλαμβάνει:

-Εισαγωγή στις γενικές και ειδικές online βάσεις δεδομένων και στην εφαρμογή προγραμμάτων αξιοποίησης των δεδομένων.

• Διερεύνηση της βάσης δεδομένων PubMed – NCBI και των δυνατοτήτων που προσφέρει

Αναζήτηση δημοσιεύσεων, κατηγορίες άρθρων και λοιπού υλικού: researcharticles, reviews, systematicreview, meta-analysisetc.

• Συνδέσεις με άλλες τράπεζες δεδομένων

Ειδικέςβάσεις(protein, structure, gene, nucleotide etc.)

• ΒάσειςκαιΕργαλείατου Swiss Institute of Bioinformatics (SIB)

Ειδικές βάσεις (Βάση πληροφοριών ενζύμων BRENDA, UniPro, ExPaSy, PASS κλπ)

• Δυνατότητες επεξεργασίας και αξιοποίησης δεδομένων

Εργαλεία Επεξεργασίας δεδομένων

            ΒLAST – protein: Σύγκριση αμινοξικής ακολουθίας δύο ή περισσότερων πρωτεϊνών

            BLAST – nucleicacids: Σύγκριση αλληλουχίας βάσεων

            3D structurealignment: Σύγκριση  τριδιάστατης δομής πρωτεϊνών

Εργαλεία μετάφρασης

  Εργαλεία Πρόβλεψης        

Πρόβλεψη θέσεων γλυκοσυλίωσης πρωτεϊνών

Πρόβλεψη θέσεων φωσφορυλίωσης πρωτεϊνών

Πρόβλεψη τρισδιάστατης δομής (τριτοταγούς δομής) πρωτεΐνης από την αμινοξική αλληλουχία

Πρόβλεψη αλληλεπίδρασης πρωτεϊνών μεταξύ τους

Πρόβλεψη αλληλεπίδρασης πρωτεϊνών με μικρά μόρια

Πρόβλεψη φαρμακευτικής/βιολογικής δράσης μικρών μορίων

Πρόβλεψη τοξικότητας μικρών μορίων

• Εισαγωγή στα βασικά στοιχεία των ηλεκτρονικών υπολογιστών. Λειτουργικά συστήματα. Εφαρμογές Πληροφορικής σε επεξεργασία κειμένου, δημιουργία βάσεων δεδομένων, τήρηση αρχείων, αξιοποίηση δυνατοτήτων excel στην επεξεργασία δεδομένων.

–   Εφαρμογές Η/Υ στην ιατρική και ιδιαίτερα στο ιατρικό εργαστήριο.

Μελέτη συστημάτων επικοινωνίας και σύνδεσης εργαστηρίων και Νοσοκομείων μέσω Η/Υ.Εισαγωγικές έννοιες και αναφορά στο σύστημα υγείας. Παρουσίαση της εικόνας σχετικά με την υιοθέτηση, την αφομοίωση και την επιρροή των νέων τεχνολογιών στη συνολική λειτουργία του και στην ποιότητα των παρεχόμενων υπηρεσιών προς πάσα κατεύθυνση. Οι ΤΠΕ στον χώρο της υγείας. Πληροφοριακά Συστήματα στην Υγεία. Τηλεϊατρική (Βασικές έννοιες, ορισμοί, εφαρμογές, μελέτες περίπτωσης, εξελίξεις, τάσεις, προσδοκώμενα αποτελέσματα, πλεονεκτήματα, προβληματισμοί, εμπόδια, νομικά ζητήματα, θέματα ασφάλειας)

Συγγράμματα

1. 1. Παντελεήμωνος Μπάγκου, «Βιοπληροφορική». Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα – Αποθετήριο “Κάλλιπος”, ISBN: 978-960-603-329-2 Κωδικός Βιβλίου στον Εύδοξο: 59303485, Έκδοση: 1/2016′
2. Δημήτρη Γ. Καπόπουλου, «Η συμβολή της πληροφορικής στην Υγεία», Εκδόσεις Δίαυλος Α.Ε., Έκδοση 2η/2016, ISBN: 978-960-531-358-6) Κωδικός Εύδοξου: 59365773
3. Ι. Κουμπούρος, “Τεχνολογίες Πληροφοριών και Επικοινωνίας & Κοινωνία”, Εκδόσεις Νέων Τεχνολογιών, 1η έκδοση, 2012, ISBN:978-960-6759-73-4
4. « Πληροφορική στην Υγεία». Κωδικός Εύδοξου: 68384768
5. Ball M. and Gold J., (2006). Banking on Health: Personal Records and Information Exchange, Journal of Healthcare Information Management, Vol.20 (2), pp.71-83.
6. Bates D.W. and Gawande A.A., Improving Safety with Information Technology, New England Journal of Medicine, 348, June 19, 2003, pp.2526–34.