Loading
     

Modulbeschreibung - Detailansicht

Wichtigste Meldungen anzeigenMeldungsfenster schließen
Moduldetails
Protein Prediction II for Bioinformaticians
Fakultät für Informatik
TUINFIN
8
1
IN2230
Zuordnungen zu SPO-Versionen
Lehrveranstaltungen und Prüfungsveranstaltungen
Beschreibungen
Export
Allgemeine Daten (Modulhandbuch)
Master
Einsemestrig
Wintersemester
Englisch
Arbeitsaufwand (Work Load)
240
90
150
Studien- und Prüfungsleistungen
Das Modul wird mit einer schriftlichen Prüfung abgeschlossen. Die Prüfung dauert 120 Minuten.

In der Prüfung demonstrieren die Teilnehmer ihre Fähigkeit, einen geeigneten rechnerbetonten Ansatz für die Lösung eines biologischen Problems auf dem Gebiet der Funktionsvorhersage zu entwerfen und zu diskutieren. Zum Beispiel wählen sie, abhängig von der Art der Daten, die sie erhalten (Sequenzdaten, Annotationsdaten, etc.) eine geeignete Methode, genauso wie sie, abhängig von der jeweiligen biologischen Frage, das geeignete Abstraktionsniveau der Daten auswählen können (GO Ebene, EC-Klasse, etc.).
Sie demonstrieren ihr Verständnis der Konzepte durch die Wahl eines für die gestellte Aufgabe geeigneten Lösungsansatzes und sie können diesen bewerten, indem sie die zahlreichen Pros und Kontras der biologischen und technischen Aspekte alternativer Ansätze diskutieren.
Sie können ihre Fähigkeit, ein verwertbares Tool zu erstellen demonstrieren, indem sie einen Lösungsansatz bis auf das Niveau von Pseudo-Code umsetzen.

Details werden zu Beginn des Moduls bekanntgeben.
N
N
Beschreibung
Grundlagenwissen in Bioinformatik entsprechend den Fachsemestern 1-4 im Bachelor Bioinformatik.
Die Studenten verstehen die grundsätzlichen Konzepte der Proteinsequenzanalyse mit dem Fokus auf Proteinfunktion und der Vorhersage von Proteinfunktionen und sind in der Lage diese zu bewerten. Sie können die aktuellsten technischen Methoden entsprechend dieser Grundsätze in der Bioinformatik anwenden.
Die Studenten können (in von Tutoren geleiteten Gruppen) ihre eigenen Vorhersagemethoden entwickeln, indem sie bestehende Methoden oder Algorithmen kombinieren und / oder neue Methoden entwickeln.
Die Teilnehmer sind in der Lage, veröffentlichte Methoden zu analysieren und zu bewerten (sowohl als Leser der Veröffentlichung, als Gutachter und als Konkurrent). Basierend auf den Ergebnissen dieser Bewertungen sind sie in der Lage, ein Werkzeug zu erstellen, das für experimentelle Biologen und Bioinformatiker einfach anwendbar ist. Das bedeutet, dass sie in der Lage sind, abstrakte Lösungsideen unter Berücksichtigung technischer Aspekte in Pseudo-Code und wahlweise während der Übungen weiter in funktionsfähige Programme umzuwandeln.
Einführung: was ist ein Protein? Was ist Proteinfunktion? Überblick über die Vorhersage von Proteinfunktionen.

Vorhersage von Proteinfunktionen beruhend auf Sequenzen: Sequenzalignments, multiple Sequenzalignments, Leitmotive, Domänenzuweisung, Annotationstransfer durch Homologie, de novo-Vorhersagen. Vorhersage von Proteinfunktionen durch die Verwendung von Struktur: Strukturalignments, Strukturmotive, Annotationstransfer aufgrund der Ähnlichkeit von Strukturen. Von Strukturvorhersage zu Funktionsvorhersage: vergleichendes Modellieren, Vorhersage von: subzellulärer Lokalisierung, Protein-Protein Interaktionen, Protein-DNA und -RNA-Interaktionen, Protein-Substrat-Interaktionen, Proteinnetzwerke, Gen-Ontologie (GO), Enzymklassifikationen, Vorhersage von enzymatischer Aktivität, Vorhersagen von funktionellen Klassen (z.B,: GO-Klassen).
Vorhersage des Effekts von einzelnen Punktmutationen (Sequenzvarianten) auf Proteinfunktion und Organismus. Vorhersage vom Phänotyp aus dem Genotyp.
Wie beim ersten Teil (Protein Prediction I) beinhaltet das Modul eine Einführung ins Maschinelle Lernen mit speziellem Fokus auf der Vermeidung von überoptimistischen Vorhersagen.
Im Gegensatz zum ersten Teil (Protein Prediction I) spielt die Proteinstruktur nur eine untergeordnete Rolle: die Einführung in die Proteinstruktur dient lediglich dazu, das Verständnis der Proteinfunktion zu unterstützen.
Vorlesung, Seminar, Übung, Aufgaben zum Selbststudium: Die Studierenden wenden die in der Vorlesung vorgestellte Theorie an, indem sie in der Übung eine Methode zur Vorhersage von Proteinfunktionen schreiben, wobei sie mit Daten in unterschiedlicher Form anfangen (abhängig vom vorliegenden Problem). In manchen Fällen werden sie die vollständigen Eingabedaten von den Tutoren erhalten, in anderen werden sie Datenbankenparser schreiben und die Eingabe / Ausgabe-Daten generieren, die sie für die Laborarbeit benötigen.
Jedes Team wird die Leistungsfähigkeit des Tools, das sie erstellt hat, genau bestimmen und ihre Ergebnisse Kommilitonen und Tutoren vorstellen.
Vorlesungen in Form von interaktiven Seminaren unter Verwendung von Beamer und Tafel. Einige Vorlesungen werden ausschließlich unter Verwendung der Tafel abgehalten. Alle Vorlesungen werden aufgezeichnet und sowohl die Präsentation sowie die Aufnahme werden kurz nach der Vorlesung zugänglich gemacht.
Wird in der Vorlesung bekanntgegeben.
Modulverantwortliche*r
Prof. Rost