Faglig innhold

Faget består av teori, oppgaver og datalaboratoriearbeid for å praktisere og simulere biosystemer og kunstig intelligens. Introduksjon til modellering og dynamiske systemer. Modellering av Michaelis-Menten og Monod-kinetikk, fosforyleringsprosesser, Hill-dynamikk, mikrobielle vekst og fermenteringsproesseser, genregulatoriske nettverk (GRN), masselov, kvasistasjonær tilstand, modellering av cellulær signaloverføring, dynamisk modellering av syntetisk biologi, genetiske kretser, motiver som vekslebrytere og oscillasjoner i bakterier, tilbakemelding og fremovermeldingsmotiver. Andre del av kurset: Modellering av dynamiske ligninger i sanntid, teori om parameterestimering og følsomhetsanalyse. Kunstig intelligens i praksis: Hybrid- og gråmodeller, integrering av nevrale nettverksmodeller (maskinlæring) for å tilpasse biomodellene til virkelige eksperimenter, datalæring. Vi vil også lære om biosystemer og dynamikk: Stabilitet, bi-stabilitet, grensesykluser og oscillasjoner i cellulær biologi.

Læringsutbytte

Ved slutten av kurset skal studenten kunne utvikle mekanistiske førstep­rinsippmodeller av biosystemer og bioprosesser, både på molekylært (genetisk) nivå, cellulært nivå og på organismenivå. Studenten skal også kunne anvende maskinlæring og nevrale nettverksmodeller til å oppdatere og forbedre de dynamiske modellene.

Studentene skal forstå effekten av positiv og negativ tilbakekobling i biologiske systemer og genetiske kretser. De skal lære de grunnleggende prinsippene innen teknisk kybernetikk og reguleringsteknikk. Videre skal studentene forstå og kunne beskrive dynamiske egenskaper som genetiske brytere og oscillasjoner. Til slutt skal de lære å bruke modeller til å utvikle og styre industrielle bioprosesser.

Læringsformer og aktiviteter

Forelesninger og øvinger. Øvingene vil være både teoretiske og tekniske. Emnet undervises i hovedsak på norsk, men kan undervises på engelsk dersom det er internasjonale studenter som ønsker å ta emnet. Faget består av mye data programmering, Matlab og Phython.

Anbefalte forkunnskaper

Biologi/ biokjemi. Molekulær biologi er fordel, men ikke krav. Matematikk i første og andreårskurs anbefales (Matematikk 1, 2 og lineær algebra).

Forkunnskapskrav

Ingen.

Kursmateriell

Forelesningsnotater.