| Name des Moduls | [341390] Einführung in die Bioinformatik I | Bezeichnung des Moduls | MCB W 21 |
| Studiengang | [992] - Chemische Biologie | ECTS Punkte | 10 |
| Arbeitsaufwand für Selbststudium | 180 | Häufigkeit des Angebotes (Modulturnus) | jedes Semester |
| Arbeitsaufwand in Präsenzstunden | 120 | Dauer des Moduls | 2 |
| Arbeitsaufwand Summe (Workload) | 300 | ||
| Modul-Verantwortliche/r | Prof. Dr. Sebastian Böcker |
| Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform) | Klausur oder mündliche Prüfung zur Vorlesung (nach dem 2. Semester) |
| Zusätzliche Informationen zum Modul | -- |
| Empfohlene Literatur | Empfohlene Literatur: Proteins and Nucleic Acids, 1998 D. Gusfield, Algorithms on Strings, Trees, and Sequences, 1997 (Kapitel 1, 2, 5, 7, 10, 11, 17) |
| Unterrichtssprache | -- |
| Voraussetzung für die Zulassung zum Modul | Keine |
| Empfohlene bzw. erwartete Vorkenntnisse | -- |
| Verwendbarkeit (Voraussetzung wofür) | Erwerb von LP für Vertiefungsmodule |
| Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul) | Wahlpflichtmodul (Aufbaumodul) |
| Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …) | Gesamt 4 SWS Vorlesung, 4 SWS Übung |
| Inhalte | Konzipiert als 2-semestriger Kurs zur Einführung in die theoretischen und informatischen Aspekte der Bioinformatik: Was ist ein Algorithmus? Exakte Textsuche, Fundamentale Vorverarbeitung, Komplexität von Algorithmen, Knuth-Morris-Pratt Algorithmus, Boyer-Moore Algorithmus, paarweises Alignment mit Kosten und mit Ähnlichkeiten, dynamische Programmierung, multiples Alignment, Dijkstras Algorithmus, progressives Alignment, Suffixbäume und Anwendungen, Stammbaumrekonstruktion, Fitchs Algorithmus, Neighbor Joining, Wahrscheinlichkeitsrechnung in der Bioinformatik, Markov-Ketten |
| Lern- und Qualifikationsziele | • Grundlegendes Verständnis von Basistechniken der Bioinformatik, beispielsweise Dynamischer Programmierung • Abstraktionsvermögen und Modellierungsfähigkeit • Algorithmen und Lösungsstrategien verstehen und anwenden können • Umgang mit „fehlerbehafteten“ Daten • informatische und stochastische Methoden auf bioinformatische Probleme anwenden können • Transferkompetenz für die Modellierung und Lösung von aktuellen Problemen der Bioinformatik gewinnen |
| Voraussetzung für die Zulassung zur Modulprüfung | 50 % der erreichbaren Punkte aus den Übungsaufgaben in jedem Semester oder Abschlusskolloquium |