Ausgewählte Themen in algorithmischer Bioinformatik
Selected Topics in Algorithms for Computational Biology

Modul IN2127

Dieses Modul wird durch Fakultät für Informatik bereitgestellt.

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Basisdaten

IN2127 ist ein Semestermodul in Deutsch auf Bachelor-Niveau und Master-Niveau das unregelmäßig angeboten wird.

Die Gültigkeit des Moduls ist bis 2000w.

GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
150 h 60 h 5 CP

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

- Algorithmen auf Sequenzen ++ Suffixbäume ++ Theorie, Implementierung and Anwendungen: Ukkonen's Online Linearzeitalgorithmus, McCreight's Algorithmus ++ Anwendungen von Suffixbäumen in der Bioinformatik: Klassifikation extakter String Matching Probleme, Indexing mit einem Fehler Suffixbäume für Dictionary Matching, Dictionary Matching mit einem Fehler, Longest Common Substrings, Effizientes Suchen in Proteinstrukturdatenbanken ++ Suffix Arrays - Überblick: Definitionen, Indexing mit Accelerants und Super-Accelerants ++ Globales Sequence Alignment: Edit Sequenzen, Edit Distanzen und Alignments, Needleman-Wunsch Algorithmus, Berechnung vno Alignments, Implementierung mit linearem Platzaufwand ++ Hirschberg Optimierung: Algorithmus, Implementierung - Algorithmen für Genexpressionsanalyse ++ Einführung: Genexpression, DNA Microarray Technologie, Messfehler in Microarrayexperimenten, Genexpressionsprofile (Type-II Experimente) ++ Ähnlichkeits- und Abstandsmaß: Definitionen, Minkowski Distanz, Pearson-Korrelation, Spearman Rank-Order Korrelation, Kendall's Tau, Jackknife Korrelation, Informationstheoretische Maße ++ Elementare Algorithmen: Hierarchisches Clustering, K-Means, HCS, Self-Organizing Maps ++ Probabilistische Algorithmen: Definitionen aus der Wahrscheinlichkeitstheorie, Tail Inequalities, CAST, CLICK ++ Spektrale Algorithmen: Eigenvektorzerlegung, Spektrale Eigenschaften von Clustergraphen, Störungstheorie, Spectral Reduction Algorithmus

Lernergebnisse

Teilnehmer können Algorithmen und Datenstrukturen für die Bioinformatik entwickeln, die Effizienz solcher Algorithmen und Datenstrukturen analysieren und optimieren und wissen um das Algorithm Engineering im Bereich Bioinformatik.

Voraussetzungen

IN2003 Effiziente Algorithmen und Datenstrukturen, IN0007 Grundlagen: Algorithmen und Datenstrukturen

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lern- und Lehrmethoden

Vorlesung, Übung, Aufgaben zum Selbststudium

Medienformen

keine Angabe

Literatur

Wird in der Vorlesung bekanntgegeben

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

Die Prüfungsleistung wird in Form einer Klausur erbracht. In dieser soll nachgewiesen werden, dass in begrenzter Zeit ein Problem erkannt wird und Wege zu einer Lösung gefunden werden können.

Kondensierte Materie

Wenn Atome sich zusammen tun, wird es interessant: Grundlagenforschung an Festkörperelementen, Nanostrukturen und neuen Materialien mit überraschenden Eigenschaften treffen auf innovative Anwendungen.

Kern-, Teilchen-, Astrophysik

Ziel der Forschung ist das Verständnis unserer Welt auf subatomarem Niveau, von den Atomkernen im Zentrum der Atome bis hin zu den elementarsten Bausteinen unserer Welt.

Biophysik

Biologische Systeme, vom Protein bis hin zu lebenden Zellen und deren Verbänden, gehorchen physikalischen Prinzipien. Unser Forschungsbereich Biophysik ist deutschlandweit einer der größten Zusammenschlüsse in diesem Bereich.