| Name des Moduls | [52220] Algorithmische Phylogenetik | Bezeichnung des Moduls | FMI-BI0002 |
| Studiengang | [221] - Bioinformatik | ECTS Punkte | 6 |
| Arbeitsaufwand für Selbststudium | 105 | Häufigkeit des Angebotes (Modulturnus) | alle 2 Jahre (ab Sommersemester) |
| Arbeitsaufwand in Präsenzstunden | 75 | Dauer des Moduls | 1 |
| Arbeitsaufwand Summe (Workload) | 180 | ||
| Modul-Verantwortliche/r | Sebastian Böcker |
| Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform) | Klausur oder mündliche Prüfung zur Vorlesung |
| Zusätzliche Informationen zum Modul | Empfohlene Vorkenntnisse für das Modul: FMI-BI0003 (Einführung in die Bioinformatik I) |
| Empfohlene Literatur | Vingron et al., Algorithms for Phylogenetic Reconstruction, Skript Salemi und Vandamme, The Phylogenetic Handbook: A Pratical Approach to DNA and Protein Phylogeny, 2003 Rahmann, Spezielle Methoden und Anwendungen der Statistik in der Bioinformatik, 2003 |
| Voraussetzung für die Zulassung zum Modul | keine |
| Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul) | - 221 B.Sc. Bioinformatik: Wahlpflichtmodul (Bioinformatik) |
| Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …) | 3 SWS Vorlesung |
| Inhalte | Die Studierenden sollen aktuelle Methoden der algorithmischen Phylogenetik kennen lernen: merkmalsbasierte Methoden (beispielsweise Perfekte Phylogenie, Maximum Parsimony Problem), distanzbasierte Methoden (beispielsweise Metriken, Neighbor Joining, Splitstrees) sowie statistische Methoden (beispielsweise Sequenzevolution, Markov-Ketten und -Prozesse, Score-Matrizen, Maximum Likelihood). Schließlich sollen Verfahren vorgestellt werden, die phylogenetische Bäume als Eingabe verarbeiten (beispielsweise Supertree-Verfahren). |
| Lern- und Qualifikationsziele | • Grundlegendes Verständnis von Techniken der Graphentheorie, Informatik und Stochastik, die bei der Rekonstruktion von phylogenetischen Stammbäumen benötigt werden • Abstraktionsvermögen und Modellierungsfähigkeit für die Evolution und Sequenzevolution • Modellierung von evolutionären Prozessen durch mathematische Optimierungsfunktionen • Umgang mit grundsätzlich unvollständigen Daten: molekularbiologische Daten liegen nur für heute lebende Spezies vor • Kompetenz bei der Interpretation von Programmresultaten, insbesondere mit widersprüchlichen Resultaten für identische Eingaben |
| Voraussetzung für die Zulassung zur Modulprüfung | 50 % der erreichbaren Punkte aus den Übungsaufgaben oder Abschlusskolloquium |