Studienmodule

Die Module aus den vier Bereichen ergeben zusammen 180 Credit Points (ECTS):

• Mathematische Grundlagen (90 ECTS)
• Biomathematische Anwendung (37.5 ECTS)
• Informatik und Sprachen (22.5 ECTS)
• Praktische Studienphase und Bachelorarbeit (30 ECTS)

Studiengangsspezifisch werden folgende Module im Bereich Biomathematische Anwendung angeboten:

Hier ist der aktuelle Vorlesungsplan Biomathematik zum Download

Es werden die grundlegenden Prozesse der Genetik, Molekular- und Zellbiologie sowie Biochemie gelehrt, was als Grundlage für die Zusammenarbeit mit Biowissenschaftlern dient.

Die Vorlesung umfasst die folgenden Themen:

Genetik: Molekulare und evolutionäre Grundlagen, Chemische Prinzipien des Lebens, Nomenklatur der Nucleinsäuren, Topologie und Strukturen der DNA, Kern- und mitochondriales Genom des Menschen, Komplementarität von DNA und RNA, Funktionsweise der RNA, der genetische Code, Mutationen, Proteine, Aktivitäten der Enzyme, Restriktionsspaltungen, Gelelektrische Analysen, Ligationen mit glatten und kohäsiven Enden, Eigenschaften von Plasmiden als Klonierungsvektoren, Durchführung einer PCR, Synthese des Proteoms, Translation, Codon und Anticodon, Wobble-Effekte, Zusammensetzung der Ribosomen und Initiation der Translation bei E. coli und Eukaryoten, Phasen der Translation, Proteinfaltung, der Zellzyklus, Genetik des Krebses, Oncogene. Molekular- und Zellbiologie: DNA, RNA und Proteine, Transkription, Translation, Genregulation, Prinzipien der Signaltransduktion, Grundlegender Aufbau von Zellen, Mitose und Meiose, Mutationen, DNA-Reparaturmechanismen.

Biochemie: Unterschiede in der belebten und unbelebten Natur, die Sonderstellung des Kohlenstoffs, Funktionelle Gruppen, Bindungstypen und deren Rolle in der Struktur biolog. Moleküle, Chiralität der Biomoleküle, monomere und polymere Formen der Zucker, Aminosäuren, Fettsäuren u. Nukleinsäuren, Proteine: von der Struktur zur Funktion, Eigenschaften, Wirkweise (Beispiele), Enzymkinetik, die Zelle, Aufbau und unterschiedliche Organisationsformen, Stoffwechsel: Konzepte und Prinzipien, Einzeldarstellung von Glykolyse, Glukoneogenese, Citratcyclus, Fettsäure Auf- und Abbau, Schicksal des Stickstoffs, Beispiele für die Regulation auf Enzymebene.

Dieses Modul setzt sich zusammen aus den folgenden Themenbereichen zusammen:

Humanmedizin: Grundverständnis für Physiologie und Anatomie des menschlichen Körpers im Gesunden sowie bei pathologischen Veränderungen mit den Schwerpunkten Gewebe, Bewegungsapparat, Innere Organe, Nervensystem. Die Inhalte der Vorlesung entsprechen der Vorlesung „Grundlagen der Medizin I“.

Evolutionsbiologie: Es werden die Grundlagen der Evolutionsbiologie behandelt. Neben einem historischen Überblick und Belegen für die Evolution geht es um die Fragen, wie Variation entsteht, wie es zur Adaption kommt, wie sich neue Arten bilden und welche Rolle der Zufall spielt. Auch die Evolution des Menschen wird behandelt. An ausgewählten Beispielen sollen die Studierenden Ursachen von Körperbau, Verhaltensweisen und Krankheiten erkennen.

Die Veranstaltung besteht aus einem Vorlesungsteil, einem Seminarteil und einem Praktikumsteil. Im Seminar werden wichtige ergänzende Verfahren und Fragestellungen zur Analyse biologischer Daten durch die Studierenden in Vortragsform eigenständig erarbeitet. Dies soll die Fähigkeit zum eigenständigen Wissenserwerb aus englischsprachiger Literatur und die Fähigkeit zur kompakten Präsentation dieses Wissens schulen. Die Studierenden erlangen außerdem Problemlösekompetenzen, Programmierkompetenzen (R oder Python) und die Fähigkeit zur Interpretation und schriftlichen Präsentation von Analyseergebnissen. 

In diesem Kurs werden Konzepte aus der Bioinformatik eingeführt, wobei der Schwerpunkt auf statistischen Lernverfahren und Algorithmen für hochdimensionale Daten liegt. Dabei werden auch praktische Kompetenzen im Umgang mit biologischen Datenbanken und Software- oder Programmierpaketen erarbeitet. Die Inhalte umfassen: Wichtige Datentypen und -formate (z.B. strukturierte und unstrukturierte Omics-Daten, FASTA, BAM usw.), probabilistische Analyse biologischer Sequenzen, Markov-Modelle und Genvorhersage, Multiples Testen und Verfahren für die Vorhersage und das Clustering von Genexpressionsdaten. Dabei werden Fallbeispiele für die Verfahren aus den Bereichen Genomik oder Proteomik benutzt.

In diesem Kurs lernen Sie, wie digitale Bilder, z.B. aus biomedizinischen Anwendungen, verarbeitet und wichtige Informationen aus diesen mittels Algorithmen extrahiert werden können. In der Vorlesung und Übung wird sowohl die Theorie von Bildverarbeitungsalgorithmen als auch deren Implementierung in einer konkreten Programmiersprache (z.B. Matlab oder Python) vermittelt.  Die Themen der Vorlesung umfassen: Digitalisierung von Bilddaten, statistische Kenngrößen von Bildern, Punktoperatoren zur Änderung der Darstellungsform eines Bildes und Kontrastverbesserung, Lokale Operatoren für die Bildfilterung und Kantendetektion, Diffusionsfilter, morphologische Operatoren, Bildsegmentierung sowie ggf. Bildvergleich oder Mustererkennung mit überwachten und nicht-überwachten Lernverfahren.

Das im Statistikmodul erworbene Methodenspektrum wird um Aspekte erweitert, die vor allem in der Biostatistik bei klinischen und epidemiologischen Studien relevant sind. Die Analyse multipler Endpunkte wird unter Berücksichtigung behördlicher Anforderungen behandelt. Studientypen in der Epidemiologie und die speziellen Kennzahlen in der Epidemiologie sind bekannt, ebenso wie die Schätz- und Testverfahren für Überlebenszeiten. Die ethischen Probleme bei klinischen Studien sind bewusst und die Quellen der einschlägigen Richtlinien sind bekannt. In der Diagnostik und Epidemiologie sind die Absolventen mit der Adjustierung für Kovariablen vertraut. Alle diese Methoden können mit Statistiksoftware angewandt werden. Die Themen der Vorlesung umfassend: Multiple Testprozeduren (Abschlusstest, Alpha-Adjustierung, häufig verwendete multiple Testverfahren), Studientypen (prospektiv, retrospektiv, klinische Studien ...), Hinweise auf relevante Richtlinien für klinische Studien. Statistische Kennzahlen in der Epidemiologie (standardisierte Mortalitätsraten, Altersadjustierung, ...), Kaplan-Meier-Schätzer für Überlebenswahrscheinlichkeiten, Regressionsmodelle für Überlebenswahrscheinlichkeiten – Modellbildung, Interpretation und Residuenanalyse, Adjustierung in statistischen Modellen. Sämtliche Themen werden auch in Übungen mit SAS oder R behandelt.