htw saar QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Bioinformatik

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Bioinformatik
Modulbezeichnung (engl.): Bioinformatics
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Medizinische Physik, Master, SO 01.10.2025
Code: MP2106.BIOI
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P221-0152
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
4V (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
6
Studiensemester: 1
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Projektarbeit und Präsentation

[letzte Änderung 09.02.2016]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

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
MP2106.BIOI (P221-0152) Medizinische Physik, Master, SO 01.10.2025 , 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
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
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: Prof. Dr. Gerald Kroisandt

[letzte Änderung 29.11.2024]
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]
 
[Thu Dec  5 03:35:16 CET 2024, CKEY=kba, BKEY=mpm2, CID=MP2106.BIOI, LANGUAGE=de, DATE=05.12.2024]