Uni Wien:Einführung in die Bioinformatik VU (Von Haeseler, Schmidt, Ebersberger, Kläre)

Daten

• Die Informationen beziehen sich auf die LV, wie sie im WS 2007/2008 gehalten wurde. (Titel, Struktur und Vortragende sind nicht mehr up-to-date!)

Mittlerweile ist es eine Ringvorlesung, mit verschiedenen Vortragenden.

• LV-Kürzel: WZ.II.BNI.BI.VU
• im Modul enthalten:
  • Einführung in die Neuroinformatik VU
• Vortragende: Ingo Ebersberger, Arndt von Haeseler, Steffen Kläre, Heiko Schmidt
• HP der LVA: Homepage mit passwortgeschützten Folien
• ECTS: 3 (SWS: 2)
• Empfohlenes Semester: 3
• Institut: Center of Integrative Bioinformatics Vienna (CIBIV), Teil der Max F. Perutz Laboratories (MFPL)
• Vorlage:521WZ

Inhalt

• Es geht darum, die zentralen Konzepte und Tools der Bioinformatik kennenzulernen.

Ziele gemäß Studienplan

Studierende sollen die grundlegenden Verfahren zur Speicherung, Organisation und Analyse von großen Datenmengen aus der Biologie, etwa in den Bereichen Genomforschung oder Proteomik, kennen lernen. Zu den Zielen dieser Verfahren zählen einerseits die Aufbereitung und Strukturierung des vielfältigen Wissens in der Biologie, andererseits ein Beitrag zur Findung neuer biologischer Erkenntnisse mit informatischen Methoden.

Themen

• Einführung in die Molekularbiologie
  • Informationsfluss in der Zelle
  • Zentrales Dogma der Molekularbiologie (Transkription und Translation)
• Methoden der Molekularen Datengenerierung und Speicherung
  • Genetischer Fingerprint
  • Restriktionsendonukleasen ("Scheren")
  • Molekulares Klonen
    • Vector-Plasmide
    • Polymerase Ketten Reaktion (PCR)
  • DNA-Sequenzierung
    • enzymatische Sequenzierung
    • 454-Sequenzierung (Pyrosequenzierung)
    • Shotgun-Sequenzierung
    • Reverse Transkription: Expressed Sequenze Tags (ESTs)
• Paarweises Sequenz-Alignment
  • Homologie: Ortholog vs. Paralog
  • DotPlots
  • Dynamische Programmierung
    • Needleman-Wunsch-Algorithmus
    • Smith-Waterman-Algorithmus
  • Scoring
• Statistik von Alignments
  • Bernoulli-Experiment
  • Binomial-Experiment
  • Poisson-Verteilung
  • Hypothesen testen (P-Value)
• ScoringMatrizen
  • PAM
  • BLOSUM
• Multiples Sequenz-Alignment
  • Aufwandsüberlegungen (O-Notation)
  • Sum-of-Pairs-Prinzip
  • Progressive Scoring
• Gene Prediction
  • Gen-Struktur bei Eukaryoten vs. Prokaryoten
  • CONTENT-Sensors
    • extrinsic content sensors
    • intrinsic content sensors
  • SIGNAL-Sensors
  • HIDDEN-MARKOV-Models
• Datenbanksuche
  • Suchmethode =~ Alignment
    • Grundlegendes Prinzip
    • FASTA
    • BLAST
  • Position Specific Scoring Matrix (PSSM)
• Strukturvorhersage
  • RNA-World-Hypothese
  • RNA vs. DNA
  • Typen von RNA: Coding vs. Non-Coding RNA
  • Arten von Strukturen:
    • Primärstrukturen
    • Sekundärstrukturen
    • Tertiärstrukturen
  • Darstellung von Sekundärstrukturen
    • 2D-Planar-Plot
    • Dot-Plot
    • Circle-Plot
    • Dome-Plot
  • Algorithmen zur Strukturvorhersage (nur bei nested structures)
    • Nussinov-Folding-Algorithmus (Anzahl der Basenpaare maximieren)
    • Simple Energie-Funktion (freie Energie minimieren)
• Stammbaumrekonstruktion
  • Maximum Parsimony: Baum mit den wenigsten Substitutionen finden (Sparsamkeit)
  • Likelihood: Evolution als Markov-Prozess modelliert
  • Distanz-Methoden
• Vergleichende Genomik
  • Gene-Ontology
• Microarray-Analyse
  • Expermimentaufbau
  • Mögliche Fehler
  • Designarten
    • Referenzdesign
    • Zyklisches Design
  • Auswertung von Microarrays
  • Klassifikation vs. Clustering

Ablauf

• Die LV ist zwar als VU deklariert, im WS07/08 wurde sie jedoch wie eine VO vollzogen, was ich schade fand, da im Prinzip keine Gelegenheit war, die vorgestellten Algorithmen oder Methoden zu verinnerlichen.
• In der letzen VU-Einheit war dann die Abschlussprüfung, dessen Ergebnis dann auch die Gesamtnote ausmachte.

Vorkenntnisse

Benötigt

• keine

Empfehlenswert

• Geduld beim Verstehen der Algorithmen bzw. überhaupt der Inhalte der Vorlesung.
• Mut zum Fragenstellen ist denke ich hier eine sehr wichtige Kompetenz. Man meint vielleicht, man wüsste zu wenig, um überhaupt in den Rang zu kommen, Fragen zu stellen, doch am Ende der VO beim Feedback hat man ein bisschen die Enttäuschung der Vortragenden rausgehört, dass so wenig gefragt wurde. Man sollte sich deshalb dieses Prinzip zu Herzen nehmen: "DER HÖRER, nicht der Sprecher, bestimmt die Bedeutung einer Aussage" (Heinz von Foerster)

Vortrag

• Ich zweifle keinen Moment an der Kompetenz der Vortragenden, doch es gab des Öfteren Zeiten, wo ich nicht genau verstanden habe, wovon gesprochen wird (und das ging auch den Kollegen nicht anders).
• Arndt von Haeseler's Vortrag fand ich deswegen toll, weil er uns das Unverständnis aus unserem Gesichtsausdruck abgelesen hat und dann tatsächlich versucht hat, die Inhalte mit uns abzuarbeiten, wobei wir dafür aber nicht sehr weit mit dem Stoff kamen (das aber, was wir hörten, hatten wir dann aber auch verstanden).

Prüfung, Benotung

• Modus: Freitext-Fragen, ein kleines Statistik-Rechenbeispiel sowie 1-2 Multiple-Choice-Fragen
• Hilfsmittel: keine (evt. Taschenrechner für das Statistik-Beispiel)
• Zeit: ca. 1,5 Stunden

• Die Benotung war in Ordnung - die Prüfungsfragen fand ich nicht unbedingt einfach.

Zeitaufwand

• Man sollte fürs Lernen für die Prüfung ca. 4-5 Tage einplanen, da der Großteil der Folien aus Bildern und Stichwörtern besteht und man sich die Zusammenhänge oft aus anderen Quellen (Literatur, Wikipedia oder seiner Mitschrift die aber auch oft eher kryptisch ist) holen muss.

Unterlagen

• Folien, die im Passwortgeschützen Bereich der Homepage liegen.
• Die Folien sind IMHO für eine Auseinandersetzung der Thematik wenig brauchbar, da es wie gesagt fast nur Bilder, Diagramme, Stichwörter, oder für Anfänger unverständliche Erklärungen der Algorithmen gibt.
• Ich empfehle, beim Vortrag mitzuschreiben und viele Fragen zu stellen (was ich leider auch zu wenig exzessiv gemacht habe, um wirklich etwas aus der LV mitzunehmen).

Materialien

Diese Seite hat noch keine Anhänge, du kannst aber neue hinzufügen.