Weiterführende Bioinformatik (IN2399)
| Vortragende/r (Mitwirkende/r) | |
|---|---|
| Nummer | 0000000177 |
| Art | Vorlesung |
| Umfang | 3 SWS |
| Semester | Sommersemester 2022 |
| Unterrichtssprache | Englisch |
| Stellung in Studienplänen | Siehe TUMonline |
| Termine | Siehe TUMonline |
Teilnahmekriterien
Lernziele
Wenn die Studierenden das Modul bestanden haben, erinnern und verstehen sie die Theorie der ausgewählten fortgeschrittenen Themen. Sie sind in der Lage bei einem Problem, das den präsentierten ähnelt, die angemessenen Methoden auszuwählen und anzuwenden. Sie können die entsprechenden Werkzeuge richtig bedienen und ihre eigenen Lösungen basierend auf existierenden Frameworks implementieren.
Beschreibung
Die folgenden Themen werden behandelt:
• Wissenschaftliche Prinzipien und Struktur wissenschaftlicher Vorträge und Schriftstücke
• Grundlagen des maschinellen Lernens auf biologischen Sequenzen
• Grundlagen des Deep Learnings
• Fortgeschrittene Codierung und Deskriptoren von Proteinen (z. B. PSSM, Sprachmodelle, Evolutionary Couplings, etc.)
• Deep learning auf Proteinen
• Ausgewählte Themen in der Massen- und Einzelzellsequenzierung, die die Datenverarbeitung und Analyse abdecken mit Anwendungen die von der Genomik und Epigenomik bis zur Transkriptomik reichen
• Einführung in die Proteomik
• Ausgewählte Themen der Proteomik
• Regulatorische Netzwerke
• Fortgeschrittene Proteinstruktur
• Wissenschaftliche Prinzipien und Struktur wissenschaftlicher Vorträge und Schriftstücke
• Grundlagen des maschinellen Lernens auf biologischen Sequenzen
• Grundlagen des Deep Learnings
• Fortgeschrittene Codierung und Deskriptoren von Proteinen (z. B. PSSM, Sprachmodelle, Evolutionary Couplings, etc.)
• Deep learning auf Proteinen
• Ausgewählte Themen in der Massen- und Einzelzellsequenzierung, die die Datenverarbeitung und Analyse abdecken mit Anwendungen die von der Genomik und Epigenomik bis zur Transkriptomik reichen
• Einführung in die Proteomik
• Ausgewählte Themen der Proteomik
• Regulatorische Netzwerke
• Fortgeschrittene Proteinstruktur
Inhaltliche Voraussetzungen
IN5167 Fortgeschrittene Biochemie, IN5001 Algorithmische Bioinformatik 2
Lehr- und Lernmethoden
Vorlesung und Übungen. Die Theorie und die Probleme werden in der Vorlesung vorgestellt und mit den Studierenden diskutiert. Die Studierenden bekommen Hausaufgaben gestellt, bei denen sie Fragestellungen mit Bezug zu den behandelten Themen bearbeiten und ihre Problemlösungsfähigkeiten entwickeln können. Danach werden die Lösungen während der Übung mit den Betreuern diskutiert.
Studien-, Prüfungsleistung
Die Prüfung ist eine schriftliche Klausur mit einer Dauer von 90 Minuten, bei der die Studierenden die Beherrschung der behandelten Theorie und praktische Problemlösungsfähigkeiten zeigen sollen. Ihnen wird ein Anwendungsfallszenario gegeben, an dem sie die geeigneten Methoden (inklusive Begründung) auswählen, die Methode mit Hilfe von Pseudocode beschreiben und ihre Anwendung in einfachen Berechnungen zeigen sollen. Sie werden mit experimentellen Daten konfrontiert, die sie im Rahmen der behandelten Theorie auswerten und interpretieren sollen.
Empfohlene Literatur
Aktuelle Forschungspublikationen zum jeweiligen Thema