Bioinformatik
| Lernform | Aufwand | Kontaktzeit | Credits | |
| Vorlesung | 30 h | 30 h (2 SWS) | 1 | |
| Selbststudium | 165 h | - | 5,5 | |
| Praktikum | 30 h | 10 h | 1 | |
| Summe | 225 h | 40h | 7,5 | - |
| Fachsemester: | 4 oder 5 |
| Modulbeauftragter: | Kschischo |
| Lehrende: | Kschischo |
| Turnus: | Jedes Wintersemester |
| Inhaltliche Voraussetzungen: | Statistik I, Programmieren I, Biowissenschaften I, englische Sprachkenntnisse |
| Unterrichtsform: | Vorlesung, Seminar und Praktikum |
| Prüfungsform: | Prüfungsleistung: Vortrag und Praktikumsbericht |
| Gewicht: | ca. 4.2% |
Lernergebnisse und Kompetenzen
Die Veranstaltung besteht aus einem Vorlesungsteil, einem Seminarteil und einem Praktikumsteil. Im Seminar werden wichtige Verfahren zur Analyse von Hochdurchsatzdaten durch die Studierenden in Vortragsform erabeitet. Dies soll die Fähigkeit zum eigenständigen Wissenserwerb aus englischsprachiger Literatur und die Fähigkeit zur kompakten Präsentation dieses Wissens schulen. Im Praxisteil analysieren die Studierenden in Kleingruppen ein Hochdurchsatzexperiment am Computer und fassen die Ergebnisse in einem Praktikumsbericht zusammen. Dies soll die Fähigkeit zur Problemlösung, die Programmierfähigkeiten in der Sprache R, die Fähigkeit zur Interpretation von Analyseergebnissen und die Fähigkeit zum Verfassen eines Arbeitsberichts schulen.
Inhalt
In diesem Kurs werden Konzepte aus der Bioinformatik eingeführt. Der Schwerpunkt liegt auf statistischen und algorithmischen Verfahren, wobei allerdings praktische Aspekte (z.B. Datenbanken, wichtige Web-Sites, Software) mit einbezogen werden. Die Inhalte umfassen: Sequenzvergleiche, Algorithmen von Smith-Waterman und Needleman-Wunsch, BLAST, multiple Alignments, Sequenzprofile, Entropie und Information, Microarrays für Genexpression und Copy Number Analyse, Analyse von Hochdurchsatzdaten, hochdimensionale Tests, SAM, False discovery rate, Klassifikation und Clustering, High Throughput Sequencing)
Praktikum: --
Bemerkungen
--