Bio-informatica

Bio-informatica is het werkveld waarbij computer- en informatietechnologie wordt gebruikt om gegevens uit biomedisch en/of biologisch onderzoek te verzamelen, op te slaan, toegankelijk te maken, te analyseren, te interpreteren en weer te verspreiden.

Belangrijke deelgebieden van dit vakgebied zijn: genomics, transcriptomics, proteomics (inclusief  eiwitmodelling, -structuur en -functie), metabolomics en de integratie van data van deze gebieden. Bio-informatici zijn werkzaam in het biologisch en biomedisch onderzoek bij wetenschappelijke instituten, en bij bedrijven in de farmaceutische, biotechnologische, voedingsmiddelen- en plantveredelingsindustrie.

Landelijk opleidingsprofiel

Body of Knowledge & Skills

Knowledge

Biologie

• Algemene biologie, waaronder organismen, weefsels, evolutie.
• Celbiologie aspecten zoals celstructuur, energievoorziening, transport, cel-celcommunicatie, mitose, meiose.
• Genetica: DNA structuur, replicatie, code, transcriptie, translatie, mutaties, overerving, homologie, populatiegenetica, genregulatie, signaaltransductieroutes.

Chemie

• Algemene chemie met onder andere moleculen, reacties, kinetiek.
• Biochemie: bouwstenen, macromoleculen (koolhydraten, lipiden, eiwitten, enzymen), metabolisme / metabole routes.

Skills

Informatica

• Programmeren in verschillende programmeertalen. In ieder geval Python, maar ook minstens twee andere talen zoals R, Java, Bash, Javascript.
• Programmeerconcepten: datatypen, datastructuren, controlestructuren, functies, modulaire aanpak, object-georiënteerd programmeren, reguliere expressies.
• Reproduceerbare dependency management: bijvoorbeeld pip, conda, Gradle, Maven.
• Versiebeheer: bijvoorbeeld met git
• Webapplicaties ontwikkelen: bijvoorbeeld HTML, CSS, Javascript, Flask, Shiny, Django, Spring Boot, Panel.
• Databases: relationeel ontwerp, implementatie, querying en programmatische interactie (SQL).
• Workflow ontwerp en implementatie: bijvoorbeeld Snakemake, Galaxy
• Beheer eigen Linux omgeving: gebruik van Shell commando’s

Bio-informatica

• ~omics en (NGS) sequencing technologieën: nucleotiden, eiwitten, metabolieten, metagenomen, epigenetica.
• Toepassingsgebieden van NGS-technologieën: bijvoorbeeld assembly, mapping, genexpressieanalyse met RNA-seq, fylogenie, variantenanalyse.
• Algoritmische aspecten van sequentie analyses: zoals alignment, assembly, mapping, grafen, scoring matrices, annotatie van sequenties.
• Praktisch gebruik van bio-informaticatools en -databases: bijvoorbeeld BLAST, Genome Browsers, Genbank, Uniprot, KEGG, etc.

Statistiek & Data analyse

• Experimenteel design: bijvoorbeeld power analyse, sampling strategie, meetnauwkeurigheid, validiteit.
• Beschrijvende statistiek: ingebed in exploratieve analyse. Onder andere gemiddelde, mediaan, standaarddeviatie, range, interkwartiel bereik.
• Visualisaties: bijvoorbeeld box-plot, histogram, scatterplots, etc.
• (Hypothese)toetsen: bijvoorbeeld t-test, ANOVA, non parametrische, etc.
• Modelleren: bijvoorbeeld lineaire- en niet-lineaire regressie, multivariaat, PCA.
• Machine learning: classificatie en unsupervised methoden. Bijvoorbeeld UMAP, Clustering, Decision Trees, Naive Bayes, k-Nearest Neighbour, Neural Networks, SVM.

De Body of Knowledge & Skills geeft de gemeenschappelijke basis van de opleidingen bij de verschillende hogescholen weer. Studenten leren deze kennis en vaardigheden in de eerste  twee jaar van hun opleiding. In de laatste twee jaar specialiseren zij zich.