A molekuláris biológia méréstechnikai fejlődése nagy adattömegeket, majd a hipotézismentes kutatási paradigma megjelenését hozta el az orvosbiológiába. A tárgy a bioinformatika informatikai, statisztikai és számítási aspektusait mutatja be a következő feladatokon keresztül, amelyek kulcsfontosságúak az egészségügyben és a gyógyszeriparban: döntéstámogatás orvosi diagnosztikában és terápiaválasztásban, genetikai és genomikai adatok mérése és integrált elemzése, hatóanyag-célpont predikciós módszerek.

Az ismertetni kívánt főbb adatmérnöki fogalmak és módszerek a következőek:

1.      Statisztikai következtetési paradigmák. Többszörös hipotézistesztelés problematikája. Feldúsulás elemzési módszerek.

2.      Dimenzió csökkentő eljárások, különös tekintettel háttértudást (ontológiákat) kihasználó eljárások.

3.      Klaszterezési módszerek, különös tekintettel a több hasonlósági mátrixot kezelni képes módszerek.

4.      Nagy dimenzionalitást és több heterogén reprezentációt kezelő predikciós módszerek, mint például a több kerneles tanulási módszerek.

5.      Hálózattudomány, molekuláris interakciók hálózatának strukturális tulajdonságai és hálózati diffúziós módszerek.

6.      Valószínűségi gráfos modellek, következtetési és tanulási algoritmusaik.

7.      Oksági következtetési paradigmák.

8.      Szövegbányászati módszerek a bionformatikában.

9.      Gráfadatbázisok és szemantikus technológiák (gyógyszertudásbázisok, gén-ontológiák, betegség kódrendszerek).

Az elméleti ismereteket a következő valós kutatás-fejlesztés területeken mutatjuk be:

1.      Biomarker alapú tumordiagnosztika.

2.      Gyakori betegségek (allergia, asztma, depresszió, szenvedélybetegségek) genetikai háttere.

3.      Betegségek együtteseinek és hálózatának vizsgálata.

4.      Az egészséges öregedés jellemzőinek és genetikai hátterének a vizsgálata több faj felhasználásával.

5.      Hatóanyag-célpont predikció.

6.      Mellékhatás és új indikációk predikciója gyógyszerek és gyógyszerkombinációk esetén.

1.      Orvosi döntéstámogatás az onkológiában: döntési hálózatok felhasználása diagnosztikában és terápiaválasztásban.

2.      Genetikai méréstechnika: genotipizálás, szekvenálás, adattisztítás, pótlás, variánsok hívása.

3.      Teljes genomi szélességű polimorfizmus adatok statisztikai elemzése a pszichiátriában: adatelőkészítés, egy és többváltozós predikciós módszerek, feldúsulási elemzések, hálózati elemzési módszerek.

4.      Teljes genom szekvenálási adatok elemzése az öregedéskutatásban: ritka variánsok kezelésének specialitásai.

5.      Teljes genomi szélességű génexpressziós adatok statisztikai elemzése az immunológiában: hálózati módszerek.

6.      Betegségek és gének hálózatának elemzése: hálózattudomány az orvosbiológiában és gyógyszerkutatásokban.

7.      A mindennapi életvitel átfogó adatainak, benne a beteg által jelentett és viselhető érzékelők által gyűjtött adatoknak az elemzése: idősori adatok elemzése.

8.      Oksági következtetések az öregedéskutatásban génkiütési kísérletek felhasználásával.

9.      Biomarker elemzési módszerek.

10.  Tervezett információbegyűjtés és kísérlettervezés.

11.  Szövegbányászati módszerek a bionformatikában.

12.  Szemantikus technológiák szerepe a bio- és kemoinformatikában.

13.  A gyógyszerkutatás fázisai, hatóanyag-célpont predikciós módszerek.

14.  Ajánlórendszerek a bioinformatikában és gyógyszerkutatásban.