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

Biowissenschaften I teilt sich prinzipiell auf in (Bio-)Physik und (Bio-)Chemie. Gelehrt werden naturwissenschaftliche Grundlagen: Themen aus Chemie und Physik, die für das Verständnis von Biochemie und Humanmedizin erforderlich sind, wie z. B. Thermodynamische Grundlagen, I. und II. Hauptsatz, Chemische Gleichgewichte, Periodensystem der Elemente, Massenwirkungsgesetz; Säure, Basen und Biologische Puffer, pH-Werte, Diffusion und Membranen, Osmose, etc. Physiologie und Pathophysiologie: Organsysteme und ihre Funktion im lebenden Organismus und deren krankheitsbedingte Veränderungen anhand ausgewählter Beispiele. Wahrnehmung, Sinnesorgane und Reizverarbeitung. Elemente der zellulären Physiologie, Wirkungsweise von Medikamenten, Prinzipien zellulärer Signaltransduktionen. 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.

Modulbeauftrager: Prof. Dr. Kschischo

Diese Modul setzt sich zusammen aus den Themenbereichen

• Genetik
• Humanmedizin
• Evolutionsbiologie

Genetik: Es werden die Grundlagen zur Weitergabe der genetischen Information gelegt, welche die Wege der Genexpression von der Information zum Produkt wiedergeben. Darüber hinaus werden Beispiele der Kommunikations-Mechanismen zwischen Zellen und ihrer Umgebung aufgezeigt. Humanmedizin: Grundverständnis für Physiologie und Anatomie des menschlichen Körpers im Gesunden sowie bei pathologischen Veränderungen mit den Schwerpunkten Bewegungsapparat, Innere Organe, Nervensystem. Kenntnis diverser diagnostischer Methoden (u.a. Laborparameter, EKG, EEG, MRT, Röntgen/ CT). Diskussion von Ethik, Bewertung und Grenzen der modernen Medizin. 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 ultimate Ursachen von Körperbau, Verhaltensweisen und Krankheiten erkennen.

Modulbeauftrager: N.N.

In diesem Kurs lernen Sie, wie man aus biologischen und medizinischen Daten mit Methoden der Statistik und des maschinellen Lernens neue Erkenntnisse gewinnen kann. Beispielsweise sucht man in der Krebsforschung typische Muster von Erbgut-veränderungen (sog. Mutationen) oder auch unterschiedliche Aktivitäten von Genen (man redet von Genexpression), um für den Krankheitsverlauf oder auch für die Auswahl einer optimalen Therapie Vorhersagen und Entscheidungen zu treffen. Man möchte so die optimale Therapie finden oder auch die Ursachen der Krankheit besser verstehen. Ähnliche Verfahren werden auch für andere Krankheitsbilder eingesetzt. In der Ökologie und in der Biotechnologie spielen Genomanalysen ebenfalls eine zunehmende Rolle. Dieser Kurs ist gleichzeitig eine Einführung in die Grundlagen des statistischen und maschinellen Lernens. Zwar liegen die Anwendungen hier in der Biologie und Medizin, dennoch können viele Methoden auch in anderen Zusammenhängen eingesetzt werden. Damit haben sie auch einen Einstieg in das Berufsbild des Data Scientists. Alle Analysen werden in der Sprache R durchgeführt.

Ausgewählte Methoden:

Hochdimensionale statistische Tests, Clustering, Hauptkomponentenanalyse, Regression und Regularisierung (Lasso, Elastic Net), Klassifikationsverfahren, Modellwahl und Modellbewertung. Anwendungsbeispiele: Krebsforschung, Herzkrankheiten Ablauf: Vorlesung, Seminar und Praktikum werden kombiniert. Im Praktikum führen sie selbst eine Analyse durch, wobei Sie auch eigene Programme in R schreiben.

Modulbeauftrage: Prof. Dr. Denise Welsch

Matlab oder der objektorientierten Programmiersprache Java. Inhalt Digitalisierung von Bilddaten, statistische Kenngrößen zur Charakterisierung und Kontrastverbesserung, Punktoperatoren zur Änderung der Darstellungsform eines Bildes, Lokale Operatoren für die Bildfilterung, Diffusionsfilter, morphologische Operatoren, Bildsegmentierung und ggf. eine Auswahl aus folgenden Themen: geometrische Transformationen, Texturanalyse, Bildvergleich, Mustererkennung mit überwachten und nicht-überwachten Lernverfahren. Übung: Implementierung von Algorithmen in Matlab oder Java zu Themen der Vorlesung.

Modulbeauftragte: Prof. Dr. Dellen

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.

Modulbeauftragter: Prof. Dr. Neuhäuser