|
Modulbezeichnung (engl.):
Bioinformatics |
|
Code: KIM-BIOI |
|
4V (4 Semesterwochenstunden) |
6 |
Studiensemester: 2 |
Pflichtfach: nein |
Arbeitssprache:
Deutsch |
Prüfungsart:
Projektarbeit und Präsentation
[letzte Änderung 09.02.2016]
|
KI850 Kommunikationsinformatik, Master, ASPO 01.04.2016
, 2. Semester, Wahlpflichtfach, informatikspezifisch
KIM-BIOI (P221-0152) Kommunikationsinformatik, Master, ASPO 01.10.2017
, 2. Semester, Wahlpflichtfach, informatikspezifisch
MP2106.BIOI (P221-0152) Medizinische Physik, Master, ASPO 01.04.2019
, 1. Semester, Wahlpflichtfach
PIM-WI57 Praktische Informatik, Master, ASPO 01.10.2011
, 2. Semester, Wahlpflichtfach, informatikspezifisch
PIM-BIOI (P221-0152) Praktische Informatik, Master, ASPO 01.10.2017
, 2. Semester, Wahlpflichtfach, informatikspezifisch
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Prof. Dr. Gerald Kroisandt |
Dozent/innen: Melanie Kaspar, M.Sc.
[letzte Änderung 24.02.2021]
|
Lernziele:
Die Studenten kennen mehrere Anwendungsgebiete der Bioinformatik und sind in der Lage, typische Problemstellungen, wie z.B. die Sequenzierung von Genomen oder den Aufbau von Proteinen algorithmisch effizient zu lösen.
[letzte Änderung 07.02.2009]
|
Inhalt:
Computergestützte Forschung in den Naturwissenschaften (Biologie, Pharmazie, Biotechnologie,...) erzeugt große Datenmengen, die es zu archivieren und analysieren gilt. Hierfür werden effiziente Algorithmen benötigt. So werden im Rahmen der Vorlesung zunächst Algorithmen vorgestellt, die bei der Sequenzierung des menschlichen Genoms zum Einsatz kamen. Danach werden Verfahren zur Identifikation von Genen (gene prediction) beschrieben, hierbei bilden Hidden-Markov-Modelle einen wichtigen Bestandteil. Dadurch können 3D-Struktur und Funktion von Proteinen vorhergesagt werden. Den Abschluss bilden in Pharmaunternehmen eingesetzte Algorithmen und Verfahren zur computergestützte Suche nach neuen Wirkstoffen (Computer-Aided Drug Design). 1. Grundlagen 2. Algorithmen zur Sequenzierung von Genomen 3. Hidden-Markov-Modelle 4. Anwendung der Hidden-Markov-Modelle zur Identifikation von Genen 5. Strukturvorhersage von Proteinen mit Hilfe von Datenbanken 6. Computer-Aided Drug Design
[letzte Änderung 07.02.2009]
|
Weitere Lehrmethoden und Medien:
Die Vorlesung findet zu 50% im PC-Labor AMSEL "Angewandte Mathematik, Statistik und eLearning" statt. Es werden hier computergestützte praktische Fallbeispiele zu den vermittelten Algoroithmen durchgeführt. Weiterhin wird das eLearning-System ActiveMath:Statistik zur Vermittlung notwendiger Kenntnisse auf dem Gebiet der Stochastik, insbesondere der Markov-Modelle eingesetzt.
[letzte Änderung 16.04.2011]
|
Literatur:
BALDI, BRUNAK: Bioinformatics, The Machine Learning Approach
[letzte Änderung 07.02.2009]
|
Modul angeboten in Semester:
SS 2024,
SS 2023,
SS 2022,
SS 2021,
SS 2020,
...
|