• Prof. Dr. Cornelia Sigges

• Prof. Dr. Franz Cemic
• Prof. Dr. Andreas Peter Dominik
• Prof. Dr. Andreas Gogol-Döring
• Prof. Dr. Cornelia Sigges

Für Bachelor Applied Data Science:

Keine

Für Bachelor Bioinformatik:

BI1002 Bioinformatik 2 mit Projekt, INF1008 Theoretische Informatik 2

• Bioinformatik (B.Sc. 2022)
  • Bioinformatik 2 mit Projekt (BI1002)
  • Theoretische Informatik 2 (INF1008)

Grundlegende Methoden der Bioinformatik zur Analyse von biologischen Sequenzen und anderen biologischen Datensätzen.

• Grundlegende Algorithmen und Datenstrukturen zur Analyse von Sequenzen (z.B. exakte und approximative Stringsuche, paarweises und multiples Sequenzalignment, Suffixarrays).
• Grundlegende algorithmische Techniken (z.B. dynamische Programmierung)
• Gängige Software zur Analyse und Interpretation von biologischen Daten (z.B. Blast)
• Grundlegende Algorithmen und Modellierungen außerhalb der Sequenzanalyse (z.B. phylogenetische Analysen)
• Anwendung der Algorithmen in Praxisbeispielen

Fachkompetenzen

• Die Studierenden können grundlegende Algorithmen und Datenstrukturen zur Analyse von biologischen Daten (z.B. Sequenzen) benennen und erklären.
• Sie können gängige bioinformatische Software zur Sequenzanalyse benennen und die dahinterliegenden Algorithmen erklären.
• Sie können ausgehend von konkreten biologischen Fragestellungen, geeignete Algorithmen/Software zur Lösung dieser Fragestellungen benennen und deren Anwendbarkeit begründen.

Methodenkompetenzen (fachlich & überfachlich)

• Die Studierenden können einfache bioinformatische Anwendungsaufgaben (z.B. aus der Sequenzanalyse) mit Hilfe geeigneter Algorithmen lösen.
• Sie können einfache Algorithmen implementieren, sowie die Komplexität der gelehrten Algorithmen abschätzen und diese interpretieren.
• Sie können gängige bioinformatische Software zur Lösung biologischer Fragestellungen anwenden.

Sozialkompetenzen

• Die Studierenden können die gelernten Algorithmen als verständliche und präzise Handlungsabfolgen beschreiben.
• Sie können die Korrektheit und Adäquatheit der von ihnen eingesetzten algorithmischen Techniken begründen und deren Komplexität exemplarisch erläutern.

Selbstkompetenzen

• Die Studierenden sind in der Lage, selbständig zu arbeiten und können ihren Lernprozess
• Sie können selbständig, organisiert und strukturiert, kleinere Übungsprojekte erarbeiten und die Methodik, sowie die Ergebnisse in geeigneter, komprimierter Form schriftlich darstellen.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 90 Std.
• Selbststudium 90 Std.

• 6 SWS
• Seminaristischer Unterricht 4 SWS
• Praktikum 2 SWS

• Bioinformatik (B.Sc. 2022)

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsvorleistung:

Hausübungen (Anzahl der Hausübungen wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur oder mündliche Prüfung (Art des Leistungsnachweises wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

• Bioinformatik (B.Sc. 2022)
  • Bioinformatik in der Arzneistoffforschung (BI2501)

• Jones, N. C.; Pevzner, P. A.: An Introduction to Bioinformatics Algorithms. The MIT Press.
• Gusfield, D.: Algorithms on Strings, Trees and Sequences. Computer Science and Computational Biology. Cambridge University Press.
• Mäkinen, V.; Belazzougui, D.; Cunial, F.; Tomescu, A. I.: Genome-Scale Algorithm Design. Cambridge University Press.
• Durbin, R., Eddy, S.R., Krogh, A., & Mitchison, G.J.: Biological Sequence Analysis. Probabilistic Models of Proteins and Nucleic Acids. Cambridge University Press