htw saar
Zurück zur Hauptseite

Version des Moduls auswählen:

Bioinformatik

Modulbezeichnung: Bioinformatik
Studiengang: Praktische Informatik, Master, ASPO 01.10.2011
Code: PIM-WI57
SWS/Lehrform: 4V (4 Semesterwochenstunden)
ECTS-Punkte: 5
Studiensemester: 2
Pflichtfach: nein
Arbeitssprache:
Deutsch
Prüfungsart:
Projektarbeit und Präsentation
Zuordnung zum Curriculum:
KI850 Kommunikationsinformatik, Master, ASPO 01.10.2010, 2. Semester, Wahlpflichtfach
KIM-BIOI Kommunikationsinformatik, Master, ASPO 01.10.2017, 2. Semester, Wahlpflichtfach
PIM-WI57 Praktische Informatik, Master, ASPO 01.10.2011, 2. Semester, Wahlpflichtfach, informatikspezifisch
PIM-BIOI Praktische Informatik, Master, ASPO 01.10.2017, 2. Semester, Wahlpflichtfach
Arbeitsaufwand:
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Stunden. Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden. Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 90 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Barbara Grabowski
Dozent:
Prof. Dr. Barbara Grabowski
Melanie Kaspar, M.Sc.


[letzte Änderung 28.01.2009]
Labor:
Angewandte Mathematik, Statistik und eLearning (5306)
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]
Lehrmethoden/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 2017, SS 2016, SS 2015, SS 2014, SS 2012, ...
[Mon Sep 25 04:42:37 CEST 2017, CKEY=kba, BKEY=pim, CID=PIM-WI57, LANGUAGE=de, DATE=25.09.2017]