Motiv und Domänensuche
|
|
- Marie Alexandra Friedrich
- vor 7 Jahren
- Abrufe
Transkript
1 Motiv und Domänensuche Strukturelle Bioinformatik WS15/16 Dr. Stefan Simm,
2 Motiv und Domänensuche SIGNALVORHERSAGE (MOTIV)
3 Ansatz für Signalvorhersage 1. Zielsignalsuche (Eigenschaften/Sequenzpattern) 2. Evolutionäre Verwandtschaften 3. Unterschiede in der Aminosäuren Komposition
4 Vorhersage Möglichkeiten Signalvorhersage in Organismen Eukaryoten Prokaryoten (gram-positive; gram-negative) Vorhersage von cleavage-site und Lokalisation in der Zelle VorhersageMethoden Training-set (HMM, SVM, NN) Alignment (BLAST) Eigenschaften (Korrelation, Sekundärstruktur) Hybrid Ansätze
5 Motiv und Domänensuche SIGNALVORHERSAGE-PROGRAMME
6 PrediSi ( your sequences max length of expected signal Organism group Output format: MS-EXCEL
7 FASTA-ID Cleavage position Cleaved? Score Eukaryot P13744 e21 21 Y 0, Q9TQP5 e24 24 Y 1 P16209 e24 24 Y 1 P16211 e24 24 Y 1 Q9TQI3 e24 24 Y 1 P16210 e24 24 Y 1 Q9TPR8 e24 24 Y 1 P13748 e24 24 Y 1 P13749 e24 24 Y 1 Q9TQP7 e24 24 Y 1 Gram-neg Prokaryot P44569 gn25 25 Y 1 Gram-pos Prokaryot P09167 gn23 23 Y 0, P09166 gn21 23 Y 0, Q46771 gn52 52 Y 1 P13734 gn23 23 Y 0, P19926 gn22 22 Y 1 Q9FCY3 gn23 23 Y 0, P18895 gn32 32 Y 1 Q9L7P2 gn28 28 Y 0, Gram-pos Prokaryot P19361 gp22 34 N 0, P17996 gp42 43 Y 0, P12942 gp40 40 Y 1 P21160 gp40 40 Y 1 P82593 gp29 29 Y 1 P82594 gp43 43 Y 1 P33379 gp29 29 Y 0, P11311 gp59 32 Y 0, P07883 gp30 30 Y 1 PrediSi Output Advantages by Usage: prediction of many sequences hypothetical cleavage sites real time high accuracy Q9L7P2 gn28 28 Y 0, Disadvantage: P19361 gp22 34 N 0, no prediction of the localization Test-data eukaryotic 10 seq. gram-neg. 9 seq. gram-pos. 9 seq. 3 false-positives for gram-pos.
8 PSLpred bmit.html Aminosäurenkomposition basierend Eigenschaften basierend Dipeptid Komposition basierend PSI-BLAST Keine cleavage-site Vorhersage Nur Prokaryotische Vorhersage
9 PSLpred
10 SubLoc predict.htm Spezifischer für prokaryotische Organismen Hohe Genauigkeit; keine cleavage-site Vorhersage Support-Vector-Machine (SVM) Vorhersage Eine Sequenz für die Vorhersage zugelassen
11 SubLoc Genauigkeit Location Prokaryotic Neural Network Covariant discrimination Markov-Model SVM Cytoplasmic 80% 91.6% 93.6% 97.5% Periplasmic 85% 72.3% 79.7% 78.7% Extracellular 77% 80.4% 77.6% 75.7% Total 81% 86.5% 89.1% 91.4% Location Eukaryotic Neural Network Markov-Model SVM Cytoplasmic 55% 78.1% 76.9% Extracellular 75% 62.2% 80.0% Mitochondrial 61% 69.2% 56.7% Nuclear 72% 74.1% 87.4% Total 66% 73.0% 79.4%
12 SubLoc Output RI= Reliability Index value between 1 and 5 1 means not clear 5 means clear RI is calculated by the difference of the highest and second highest Score
13 SignalBlast BLASTP gegen Datenbanken (Uniprot 15.4) Suche nach Sequenzänhlichkeiten (4 versch. Modi) SP1 hohe Anzahl falsch-positiver SP3 geringe Anzahl falsch-positiver SP2 balancierte Vorhersage
14 SignalBlast Training-set and Accuracy Organism Verified signal peptides Non-signal Peptides True positives (% of verified) Eukaryotic % Gramnegative Grampositive % % Total %
15 SignalBlast Output
16 Predotar Keine cleavage-site Vorhersage Unterteilt in Chloroplast, Mitochondria und ER 3 neuronale Netzwerke für die Vorhersage Unterscheidung nach animal, fungi and plant
17 SignalP v3.0 SignalP Neuronales Netzwerk basiert Residue Signal / Kein signal peptidase cleavage-sites Training-set gram-pos.; gram-neg.; eukaryotic SignalP-HMM geringfügig schlechter für cleavage-site Vorhersage
18 SignalP v3.0 Output
19 TargetP Vorhersage für Chloroplast, Mitochondria aund Secretory pathway Benutzt SignalP und ChloroP Vorhersage von cleavage-site Unterscheidet nach Pflanze / nicht Pflanze Keine Prokaryoten Vorhersage trotz Resultaten von SignalP
20 TargetP Output
21 YLoc
22 Yloc Output Yloc besitzt 3 verschiedene Modi: Low-Res: Nucleus, Mitochondria, sekretorisch & Cytoplasma High-Res: 9-10 verschiedene Lokalisationen Yloc+: erlaubt multiple Lokalisationen
23 WolfPsort
24 Webserver Weblink Output PSLpred Only Prokaryotic (PsiBlast, SVM) ava/pslpred/submit.html Predotar (NN) SubLoc (SVM) SignalP v3.0 (NN; HMM) PrediSi (PWM) TargetP (NN) SignalBlast (Blastp) du.cn/subloc/pro_predict.htm du.cn/subloc/pro_predict.htm s/signalp/ s/targetp/ g.ac.at/signalblast.html Only Eukaryotic All organism Eu/no localization Cleavage site All/ no localization Cleavage site Eukaryotic Cleavage site All organism Cleavage site
25 Motiv und Domänensuche DOMÄNENSUCHE
26 Domänen Datenbanken RNA Protein
27
28
29 Familien für non-coding RNAs mit konservierter Sekundärstruktur und common ancestor mrna cis-regulatory elements RNA genes Catalytic introns
30 Jede Familie wird repräsentiert durch Multiples Sequenzalignment Konsensus Sekundärstruktur Covariance Modell
31
32 DNA sequence or RNA sequence Batch search for up to 1000 sequences, each up to 200kb in lenth
33
34 list of sequences alignments phylogenetic tree available 3D structures most parts important of the literature articels were references and addited crosslinks by Wikipedians, to other Xfam databases scientists and other scientists
35
36
37
38
39 Vielen Dank für Eure Aufmerksamkeit!
VL Algorithmische BioInformatik (19710) WS2013/2014 Woche 16 - Mittwoch. Annkatrin Bressin Freie Universität Berlin
VL Algorithmische BioInformatik (19710) WS2013/2014 Woche 16 - Mittwoch Annkatrin Bressin Freie Universität Berlin Vorlesungsthemen Part 1: Background Basics (4) 1. The Nucleic Acid World 2. Protein Structure
MehrTheoretical Analysis of Protein-Protein Interactions. Proseminar SS 2004
Theoretical Analysis of Protein-Protein Interactions Proseminar Virtual Screening: Predicting Pairs from Sequence Übersicht Einleitung 1.Modell: Vorhersage von Protein-Interfaces aus Sequenzprofilen und
MehrBIOINFORMATIK I ÜBUNGEN.
BIOINFORMATIK I ÜBUNGEN http://icbi.at/bioinf Organisation 3 Übungen Kurze Einführung anschließend Labor Protokoll (je 2 Studierende, elektronisch doc, pdf..) Abgabe der Übungen bis spätestens 29. 05.
MehrInformationsgehalt von DNA
Informationsgehalt von DNA Topics Genes code, gene organisation, signals, gene detection Genomes genome organisation, nucleotide patterns, junk DNA DNA als Informationsträger DNA Building Blocks Desoxyribose
MehrDNA mrna Protein. Initiation Elongation Termination. RNA Prozessierung. Unterschiede Pro /Eukaryoten
7. Transkription Konzepte: DNA mrna Protein Initiation Elongation Termination RNA Prozessierung Unterschiede Pro /Eukaryoten 1. Aus welchen vier Nukleotiden ist RNA aufgebaut? 2. RNA unterscheidet sich
MehrGrundlagen der Bioinformatik Assignment 3: Hierarchical Clustering SS Yvonne Lichtblau/Johannes Starlinger
Grundlagen der Bioinformatik Assignment 3: Hierarchical Clustering SS 2017 Yvonne Lichtblau/Johannes Starlinger Presentations Assignment 2 Yvonne Lichtblau Übungen Grundlagen der Bioinformatik SS 2017
MehrBioinformatik I (Einführung)
Kay Diederichs, Sommersemester 2018 Bioinformatik I (Einführung) Algorithmen Sequenzen Strukturen PDFs unter http://strucbio.biologie.unikonstanz.de/~dikay/bioinformatik/ Klausur: Mo 30.7. 14:30-15:30
Mehr1. Skizzieren Sie schematisch ein Gen mit flankierender Region. Bezeichnen und beschriften Sie:
1. Skizzieren Sie schematisch ein Gen mit flankierender Region. Bezeichnen und beschriften Sie: - 5 UTR (leader) - 3 UTR (trailer) - Terminator - Stopp-Kodon - Initiationskodon - Transkriptionsstartstelle
MehrThreading - Algorithmen
Threading - Algorithmen Florian Lindemann 22.11.2007 Florian Lindemann () Threading - Algorithmen 22.11.2007 1 / 25 Gliederung 1 Prospect Scoring Function Algorithmus Weitere Eigenschaften Komplexität
MehrRekombinante Antikörper
Frank Breitling und Stefan Dübel 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Rekombinante Antikörper Technische
MehrDNA mrna Protein. Initiation Elongation Termination. RNA Prozessierung. Unterschiede Pro /Eukaryoten
7. Transkription Konzepte: DNA mrna Protein Initiation Elongation Termination RNA Prozessierung Unterschiede Pro /Eukaryoten 1. Aus welchen vier Nukleotiden ist RNA aufgebaut? 2. RNA unterscheidet sich
MehrEukaryotische messenger-rna
Eukaryotische messenger-rna Cap-Nukleotid am 5 -Ende Polyadenylierung am 3 -Ende u.u. nicht-codierende Bereiche (Introns) Spleißen von prä-mrna Viele Protein-codierende Gene in Eukaryoten sind durch nicht-codierende
MehrDas Human-Genom und seine sich abzeichnende Dynamik
Das Human-Genom und seine sich abzeichnende Dynamik Matthias Platzer Genomanalyse Leibniz Institut für Altersforschung - Fritz-Lipmann Institut (FLI) Humangenom - Sequenzierung 1. Methode 2. Ergebnisse
MehrBioinformatik: The Next Generation
Bioinformatik: The Next Generation Prof. Dr. Caroline Friedel Lehr- und Forschungseinheit Bioinformatik Was ist Bioinformatik? Theoretische und Praktische Informatik Statistik, Mathematik Molekularbiologie,
MehrBiowissenschaftlich recherchieren
Biowissenschaftlich recherchieren Uber den Einsatz von Datenbanken und anderen Ressourcen der Bioinformatik Nicola Gaedeke Birkhauser Basel Boston Berlin Inhaltsverzeichnis Vorwort xi 1 Die Informationssucheim
MehrÜbung 1 Bioinformatik. Ihre Namen:
Evolutionsbiologie 2 Übung 1 Bioinformatik WS2018/2019 Ihre Namen: llgemeine Hinweise: Für die Zulassung zur Klausur muss dieses Übungsblatt bearbeitet und als bestanden bewertet sein. Sie können das Übungsblatt
MehrZentrum für Bioinformatik. Übung 4: Revision. Beispielfragen zur Klausur im Modul Angewandte Bioinformatik (erste Semesterhälfte)
Andrew Torda Björn Hansen Iryna Bondarenko Zentrum für Bioinformatik Übung zur Vorlesung Angewandte Bioinformatik Sommersemester 2014 20./23.06.2014 Übung 4: Revision Beispielfragen zur Klausur im Modul
MehrKlausur Bioinformatik für Biotechnologen
Name, Vorname: 1 Klausur Bioinformatik für Biotechnologen Studiengang Molekulare Biotechnologie TU Dresden WS 2011/2012 Prof. Michael Schroeder 15.02.2012 Die Dauer der Klausur beträgt 90 Minuten. Bitte
MehrBioinformatik Für Biophysiker
Bioinformatik Für Biophysiker Sommersemester 2009 Silke Trißl / Ulf Leser Wissensmanagement in der Bioinformatik Wissensmanagement in der Bioinformatik Schwerpunkte Algorithmen der Bioinformatik Management
MehrInstitut für Biochemie und Molekulare Medizin. Lecture 1 Translational components. Michael Altmann FS 2011
Institut für Biochemie und Molekulare Medizin Lecture 1 Translational components Michael Altmann FS 2011 Gene Expression Fliessdiagramm der eukaryotischen Genexpression Die Expression eines Gens kann auf
MehrVorgänger für Pathway Studio und IPA. Herbsttagung der Bibliotheken der BM-Sektion / Elisabeth Schlagberger
Vorgänger für Pathway Studio und IPA Herbsttagung der Bibliotheken der BM-Sektion 07.11.2016/08.11.2016 Elisabeth Schlagberger STRING und STITCH als Art Vorgänger- Systeme Unter http://string-db.org (Proteine/Gene)
MehrWortdekodierung. Vorlesungsunterlagen Speech Communication 2, SS Franz Pernkopf/Erhard Rank
Wortdekodierung Vorlesungsunterlagen Speech Communication 2, SS 2004 Franz Pernkopf/Erhard Rank Institute of Signal Processing and Speech Communication University of Technology Graz Inffeldgasse 16c, 8010
MehrDarwins Erben - Phylogenie und Bäume
Vorlesung Einführung in die Bioinforma4k SoSe2011 Darwins Erben - Phylogenie und Bäume Prof. Daniel Huson ZBIT Center for Bioinformatics Center for Bioinformatics Charles Darwin und Bäume Darwin's Notizbuch
MehrBioinformatik: The Next Generation
Bioinformatik: The Next Generation Prof. Dr. Caroline Friedel Lehr- und Forschungseinheit Bioinformatik Was ist Bioinformatik? Theoretische und Praktische Informatik Statistik, Mathematik Molekularbiologie,
MehrProtokoll Versuch D2 Bioinformatik
Protokoll Versuch D2 Bioinformatik Gruppe 8 Susanne Duncker und Friedrich Hahn Identifizierung des zu untersuchenden Proteins Unsere Gruppe untersuchte in diesem Versuch die Proteinsequenz GENVKIPVAIKEL.
MehrH o c h s c h u l e D e g g e n d o r f H o c h s c h u l e f ü r a n g e w a n d t e W i s s e n s c h a f t e n
Time Aware Shaper Christian Boiger christian.boiger@hdu-deggendorf.de IEEE 802 Plenary September 2012 Santa Cruz, California D E G G E N D O R F U N I V E R S I T Y O F A P P L I E D S C I E N C E S Time
MehrPosttranskriptionale RNA-Prozessierung
Posttranskriptionale RNA-Prozessierung Spaltung + Modifikation G Q Spleissen + Editing U UUU Prozessierung einer prä-trna Eukaryotische messenger-rna Cap-Nukleotid am 5 -Ende Polyadenylierung am 3 -Ende
MehrDNA mrna Protein. Initiation Elongation Termination. RNA Prozessierung. Unterschiede Pro /Eukaryoten
7. Transkription Konzepte: DNA mrna Protein Initiation Elongation Termination RNA Prozessierung Unterschiede Pro /Eukaryoten 3. Aus welchen vier Nukleotiden ist RNA aufgebaut? 4. DNA RNA 5. Ein Wissenschaftler
MehrOrganisation und Evolution des Genoms
Organisation und Evolution des Genoms Organisation und Evolution des Genoms Definition Genom: vollständige DNA-Sequenz eines Organismus I. Einfachstes Genom: Prokaryoten Zwei Gruppen, evolutionär unterschiedlicher
MehrVertiefendes Seminar zur Vorlesung Biochemie I
Vertiefendes Seminar zur Vorlesung Biochemie I 30.01.2015 Klausurvorbereitung: Gerhild van Echten-Deckert Rekombinante DNA Fon. +49-228-732703 Homepage: http://www.limes.uni-bonn.de Klärung einiger Begriffe:
MehrBioinformatik Für Biophysiker
Bioinformatik Für Biophysiker Wintersemester 2006 / 2007 Ulf Leser Wissensmanagement in der Bioinformatik Wissensmanagement in der Bioinformatik Lehrstuhl seit 10/2002 Schwerpunkte Algorithmen der Bioinformatik
MehrMOL.504 Analyse von DNA- und Proteinsequenzen. Übungsaufgaben Datenbanken und Informationssysteme
MOL.504 Analyse von DNA- und Proteinsequenzen Übungsaufgaben Datenbanken und Informationssysteme Ü1 Tutorial für NCBI NCBI Nucleotide: Suche nach cellobiose dehydrogenase fungi Ü1 Tutorial für NCBI NCBI
MehrBioinformatik II: Phylogenetik
Bioinformatik II: Phylogenetik phylogenetisch Phylai: griechische Klans phylum: der Stamm phylogenetisch: die Stammesgeschichte von Lebewesen betreffend Hierarchien der Klassifikation: Domäne: Eukaryonten
MehrKV: Translation Michael Altmann
Institut für Biochemie und Molekulare Medizin KV: Translation Michael Altmann Herbstsemester 2008/2009 Übersicht VL Translation 1.) Genexpression 2.) Der genetische Code ist universell 3.) Punktmutationen
Mehr1/10. Ihre Namen: Gruppe: Evolutionsbiologie 2, WS2015/2016: Bioinformatik - Übung 1
Ihre Namen: Gruppe: Evolutionsbiologie 2, WS2015/2016: Bioinformatik - Übung 1 Erstellen Sie bitte vor Beginn der Übung einen Ordner auf dem Desktop, in dem Sie alle benötigten Dateien speichern können
MehrKünstliche Intelligenz
Künstliche Intelligenz Data Mining Approaches for Instrusion Detection Espen Jervidalo WS05/06 KI - WS05/06 - Espen Jervidalo 1 Overview Motivation Ziel IDS (Intrusion Detection System) HIDS NIDS Data
MehrRNA Interactions DNA RNA. Protein
RNA Interactions Motivation Often in Systems Biology, the concentrations of RNA is measured to infer the concentrations of the expressed proteins. While this is possible in a highly parallel way (-> Affymetrix,
MehrPrinciples of heredity Mutations, substitutions and polymorphisms
Bioinformatics 1 Principles of heredity Mutations, substitutions and polymorphisms Claudia Acquisti Evolutionary Functional Genomics Institute for Evolution and Biodiversity, WWU Münster claudia.acquisti@uni-muenster.de
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 11. Hiden Markov Models & Phylogenien Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 11. Hiden Markov Models & Phylogenien Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen
MehrProtokoll von Johnnie Akgün
Aufgabenstellung: Protokoll von Johnnie Akgün 0401350 Identifizierung von strukturierten non coding RNAs von 6 verschiedenen Aspergillus Stämmen. Arbeitsschritte: Begonnen wird mit einem Fasta file der
MehrBCDS Seminar. Protein Tools
BCDS Seminar Protein Tools Gliederung Nützliche Tools Three-/one-letter Amino Acids' Сodes RandSeq Random Protein Sequence Generator Protein Colourer ProtParam PeptideCutter ProtScale TMHMM Server 2.0
MehrAusprägungsfach Bioinformatik im Rahmen des Bachelor-Studiengangs Informatik. CIBIV Center for Integrative Bioinformatics Vienna
Ausprägungsfach Bioinformatik im Rahmen des Bachelor-Studiengangs Informatik Center for Integrative Bioinformatics Vienna (CIBIV) Max F. Perutz Laboratories (MFPL) Vienna, Austria http://www.cibiv.at CIBIV
MehrPhylogenetische Analyse
Bioinformatik I - Uebung Phylogenetische Analyse Wenn nicht anders angegeben verwende die Standard-Einstellungen der Programme Hintergrund: Die Schwämme (Phylum Porifera) gehören zu den den ältesten lebenden
MehrBio-Inspired Credit Risk Analysis
Bio-Inspired Credit Risk Analysis Computational Intelligence with Support Vector Machines Bearbeitet von Lean Yu, Shouyang Wang, Kin Keung Lai, Ligang Zhou 1. Auflage 2008. Buch. XVI, 244 S. Hardcover
MehrBachelorarbeit. EIIa in Ferrovum sp. JA12. Herr. Stephan Koch. Mittweida, 2012
Bachelorarbeit Herr Stephan Koch < EIIa in Ferrovum sp. JA12 Mittweida, 2012 Fakultät MNI Bachelorarbeit EIIa in Ferrovum sp. JA12 Autor: Herr Stephan Koch Studiengang: Biotechnologie/Bioinformatik Seminargruppe:
MehrAnwendungen von HMM. Kapitel 1 Spezialvorlesung Modul (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel
Anwendungen von HMM Kapitel 1 Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine
MehrBioinformatik: The Next Generation
Bioinformatik: The Next Generation Prof. Dr. Caroline Friedel Lehr- und Forschungseinheit Bioinformatik Was ist Bioinformatik? Theoretische und Praktische Informatik Statistik, Mathematik Molekularbiologie,
MehrBioinformatik: The Next Generation
Bioinformatik: The Next Generation Prof. Dr. Caroline Friedel Lehr- und Forschungseinheit Bioinformatik Was ist Bioinformatik? Prof. Dr. Caroline Friedel, Tag der offenen Tür der LMU 2 Was ist Bioinformatik?
MehrCrystal structure of the eukaryotic 60S ribosomal subunit in complex with initiation factor 6
Research Collection Doctoral Thesis Crystal structure of the eukaryotic 60S ribosomal subunit in complex with initiation factor 6 Author(s): Voigts-Hoffmann, Felix Publication Date: 2012 Permanent Link:
MehrParametric Spectral Estimation
Parametric Spectral Estimation Exercises for Digital Signal Processing II Exercise 2.3.26 Stefan Goetze / Volker Mildner Infos about the examination Diploma students: Oral examinations on March, 29 th.-
MehrInhalt Genexpression Microarrays E-Northern
Inhalt Genexpression Microarrays E-Northern Genexpression Übersicht Definition Proteinbiosynthese Ablauf Transkription Translation Transport Expressionskontrolle Genexpression: Definition Realisierung
MehrNew avalanche forecasting products in Switzerland
New avalanche forecasting products in Switzerland Lukas Dürr, SLF Davos WSL-Institut für Schnee- und Lawinenforschung SLF 1 New Avalanche Bulletin This presentation offers ideas and facts on: how to make
MehrBioinformatik I (Einführung)
Kay Diederichs, Sommersemester 2017 Bioinformatik I (Einführung) Algorithmen Sequenzen Strukturen PDFs unter http://strucbio.biologie.unikonstanz.de/~dikay/bioinformatik/ Klausur: Fr 28.7. 10:00-11:00
MehrBeschreiben Sie in Stichworten zwei der drei Suppressormutationen, die man in Hefe charakterisiert hat. Starzinski-Powitz, 6 Fragen, 53 Punkte Name
Starzinski-Powitz, 6 Fragen, 53 Punkte Name Frage 1 8 Punkte Nennen Sie 2 Möglichkeiten, wie der Verlust von Heterozygotie bei Tumorsuppressorgenen (Z.B. dem Retinoblastomgen) zum klompletten Funktionsverlust
MehrMolekulargenetik der Eukaryoten WS 2014/15, VL 12. Erwin R. Schmidt Institut für Molekulargenetik
Molekulargenetik der Eukaryoten WS 2014/15, V 12 Erwin R. Schmidt Institut für Molekulargenetik Der basale Transkriptionskomplex plus genspezifische TFs Zusammenfassung: Präinitiationskomplexe der verschiedenen
MehrIntroduction to Python. Introduction. First Steps in Python. pseudo random numbers. May 2016
to to May 2016 to What is Programming? All computers are stupid. All computers are deterministic. You have to tell the computer what to do. You can tell the computer in any (programming) language) you
MehrÜbung II. Einführung, Teil 1. Arbeiten mit Ensembl
Übung II Einführung, Teil 1 Arbeiten mit Ensembl Ensembl Genome Browser (Bereitstellung von Vielzeller Genomen) Projekt wurde 1999 initiiert Projektpartner EMBL European Bioinformatics Institute (EBI)
MehrBioinformatik I (Einführung)
Kay Diederichs, Sommersemester 2015 Bioinformatik I (Einführung) Algorithmen Sequenzen Strukturen PDFs unter http://strucbio.biologie.unikonstanz.de/~dikay/bioinformatik/ Klausur: Fr 17.7. 10:00-11:00
MehrGleichheit, Ähnlichkeit, Homologie
Gleichheit, Ähnlichkeit, Homologie Identität (identity) Verhältnis der Anzahl identischer Aminosäuren zur Gesamtzahl der Aminosäuren; objektiv Ähnlichkeit (similarity) Verhältnis ähnlicher Aminosäuren
MehrAuswirkungen von drei verschiedenen Futtermitteln auf morphologische Parameter im Dünndarm von wachsenden Kaninchen
Auswirkungen von drei verschiedenen Futtermitteln auf morphologische Parameter im Dünndarm von wachsenden Kaninchen Effect of three different feedstuffs on morphological parameters in the small intestine
MehrLehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena
Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap
Mehrcomparative structure prediction of ncrna molecules
comparative structure prediction of ncrna molecules using a non Sankoff approach 01. Februar 2008 Inhalt 1 ncrna s - ein Überblick 2 RNAcast - RNA consensus structure prediction Outline und Vorbereitung
MehrVorlesung Molekulare Humangenetik
Vorlesung Molekulare Humangenetik WS 2013/2014 Dr. Shamsadin DNA-RNA-Protein Allgemeines Prüfungen o. Klausuren als indiv. Ergänzung 3LP benotet o. unbenotet Seminar Block 2LP Vorlesung Donnerstags 14-16
MehrExercises to Introduction to Bioinformatics Assignment 5: Protein interaction networks. Samira Jaeger
Exercises to Introduction to Bioinformatics Assignment 5: Protein interaction networks Samira Jaeger Aufgabe 1 Netzwerkzentralität (6P) In der Vorlesung haben Degree Centrality besprochen. Finde drei weitere
MehrEinführung in die Angewandte Bioinformatik: Proteinsequenz-Datenbanken
Einführung in die Angewandte Bioinformatik: Proteinsequenz-Datenbanken 14.05.2009 Prof. Dr. Sven Rahmann 1 3 Proteinsequenz-Datenbanksysteme NCBI Entrez Proteins EBI SRS Proteins UniProt (empfohlen) 2
MehrAlgorithmische Bioinformatik
FREIE UNIVERSITÄT BERLIN Fachbereich Mathematik und Informatik Institut für Informatik (WE 3) FU BERLIN Freie Universität Berlin FB Mathematik und Informatik, Institut für Informatik, Takustr. 9, D-14195
MehrMultiple Alignments. Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann. Webseite zur Vorlesung
Multiple Alignments Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann Webseite zur Vorlesung http://bioinfo.wikidot.com/ Sprechstunde Mo 16-17 in OH14, R214 Sven.Rahmann -at-
MehrLehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena
Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap
MehrPrimärstruktur. Wintersemester 2011/12. Peter Güntert
Primärstruktur Wintersemester 2011/12 Peter Güntert Primärstruktur Beziehung Sequenz Struktur Proteinsequenzen, Sequenzdatenbanken Sequenzvergleich (sequence alignment) Sequenzidentität, Sequenzhomologie
MehrBioinformatik. BLAST Basic Local Alignment Search Tool. Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik BLAST Basic Local Alignment Search Tool Ulf Leser Wissensmanagement in der Bioinformatik Heuristische Alignierung Annotation neuer Sequenzen basiert auf Suche nach homologen Sequenzen in
MehrGenomics. Ernst W. Mayr Fakultät für Informatik TU München
Genomics Ernst W. Mayr Fakultät für Informatik TU München http://wwwmayr.in.tum.de/ A. Biologische Hintergründe nde 1. Gene und Phänotypisches 1.1. Beobachtungen nach Mendel 1.2. Eukaryotische Zelle 1.3.
MehrRouting in WSN Exercise
Routing in WSN Exercise Thomas Basmer telefon: 0335 5625 334 fax: 0335 5625 671 e-mail: basmer [ at ] ihp-microelectronics.com web: Outline Routing in general Distance Vector Routing Link State Routing
MehrAlignments & Datenbanksuchen
WS2015/2016 Genomforschung und Sequenzanalyse - Einführung in Methoden der Bioinformatik- Thomas Hankeln Alignments & Datenbanksuchen 1 break-thru Doolittle et al. 1983, Waterfield et al. 1983 > DB-Suche...
MehrVL Algorithmische BioInformatik (19710) WS2013/2014 Woche 3 - Montag
VL Algorithmische BioInformatik (19710) WS2013/2014 Woche 3 - Montag Tim Conrad AG Medical Bioinformatics Institut für Mathematik & Informatik, Freie Universität Berlin Vorlesungsthemen Part 1: Background
MehrMOL.504 Analyse von DNA- und Proteinsequenzen. Datenbanken & Informationssysteme
MOL.504 Analyse von DNA- und Proteinsequenzen Datenbanken & Informationssysteme Inhaltsübersicht Informationsysteme National Center for Biotechnology Information (NCBI) The European Bioinformatics Institute
MehrLevel 2 German, 2015
91126 911260 2SUPERVISOR S Level 2 German, 2015 91126 Demonstrate understanding of a variety of written and / or visual German text(s) on familiar matters 2.00 p.m. Friday 4 December 2015 Credits: Five
MehrFIVNAT-CH. Annual report 2002
FIVNAT-CH Schweizerische Gesellschaft für Reproduktionsmedizin Annual report 2002 Date of analysis 15.01.2004 Source: FileMaker Pro files FIVNAT_CYC.FP5 and FIVNAT_PAT.FP5 SUMMARY TABLE SUMMARY RESULTS
MehrIhre Namen: Gruppe: Öffnen Sie die Fasta-Dateien nur mit einem Texteditor, z.b. Wordpad oder Notepad, nicht mit Microsoft Word oder Libre Office.
Ihre Namen: Gruppe: Evolutionsbiologie 2, WS2016/2017: Bioinformatik - Übung 1 Erstellen Sie vor Beginn der Übung einen Ordner auf dem Desktop, in dem Sie alle benötigten Dateien speichern kö nnen (z.b.
MehrFOLDALIGN und sein Algorithmus. Nadine Boley Silke Szymczak
FOLDALIGN und sein Algorithmus Nadine Boley Silke Szymczak Gliederung 2 Einleitung Motivation des Ansatzes zu FOLDALIGN Sankoff-Algorithmus Globales Alignment Zuker-Algorithmus Kombination FOLDALIGN Algorithmus,
MehrEvolution & Genetik (Beispiel Hämoglobin) Prof. Dr. Antje Krause FH Bingen 06721 / 409 253 akrause@fh-bingen.de
Evolution & Genetik (Beispiel Hämoglobin) Prof. Dr. Antje Krause FH Bingen 06721 / 409 253 akrause@fh-bingen.de DNA (Desoxyribonukleinsäure) 5 3 CGATGTACATCG GCTACATGTAGC 3 5 Doppelhelix Basen: Adenin,
Mehr"What's in the news? - or: why Angela Merkel is not significant
"What's in the news? - or: why Angela Merkel is not significant Andrej Rosenheinrich, Dr. Bernd Eickmann Forschung und Entwicklung, Unister GmbH, Leipzig UNISTER Seite 1 Unister Holding UNISTER Seite 2
Mehr1. Absolventenfeier Bioinformatik. 8. Juli 2005
1. Absolventenfeier Bioinformatik Bioinformatik München (BIM) Ein gemeinsames Studienprogramm der Ludwig-Maximilians-Universität München (LMU) Technischen Universität München (TUM) mit Unterstützung durch
MehrTranskription und Translation sind in Eukaryoten räumlich und zeitlich getrennt. Abb. aus Stryer (5th Ed.)
Transkription und Translation sind in Eukaryoten räumlich und zeitlich getrennt Die Initiation der Translation bei Eukaryoten Der eukaryotische Initiationskomplex erkennt zuerst das 5 -cap der mrna und
MehrElectrical tests on Bosch unit injectors
Valid for Bosch unit injectors with order numbers 0 414 700 / 0 414 701 / 0 414 702 Parts Kit Magnet*: - F00H.N37.925 - F00H.N37.933 - F00H.N37.934 * For allocation to the 10-place Bosch order number,
MehrGenannotation bei Prokaryoten
Genannotation bei Prokaryoten Maike Tech Abt. Bioinformatik Institut für Mikrobiologie und Genetik (IMG) Universität Göttingen 28. November 2005 Genetik von Pro- und Eukaryoten Eukaryoten Prokaryoten Zellkern
MehrTuning des Weblogic /Oracle Fusion Middleware 11g. Jan-Peter Timmermann Principal Consultant PITSS
Tuning des Weblogic /Oracle Fusion Middleware 11g Jan-Peter Timmermann Principal Consultant PITSS 1 Agenda Bei jeder Installation wiederkehrende Fragen WievielForms Server braucheich Agenda WievielRAM
MehrProteinstrukturvorhersage Strukturelle Bioinformatik WS15/16
Proteinstrukturvorhersage Strukturelle Bioinformatik WS15/16 Dr. Stefan Simm, 02.12.2015 simm@bio.uni-frankfurt.de Proteinstrukturvorhersage EINLEITUNG Strukturparameter Lokale inter Rest Interaktionen
MehrHinweis. Vorlesungs-Mitschnitt (WS 2008/9) Prof. Ulrik Brandes Algorithmen und Datenstrukturen Video (26 Episoden)
Hinweis Vorlesungs-Mitschnitt (WS 2008/9) Prof. Ulrik Brandes Algorithmen und Datenstrukturen Video (26 Episoden) https://streaming.uni- konstanz.de/archive/vorlesungen/wintersemester- 2008/algorithmen-und-datenstrukturen/
MehrAnleitung für Vermieter. Directions for Landlord/Landlady. zum Erstellen eines Accounts und zum Anlegen von Angeboten
Anleitung für Vermieter zum Erstellen eines Accounts und zum Anlegen von Angeboten Stand: August 2016 Directions for Landlord/Landlady for setting up an account and uploading offers Status: August 2016
Mehr7. Anhang. 7. Anhang. Abbildung 7.1: Aminosäuresequenz AtMYC2 im Wildtyp und in jin1. Unterschiede zwischen den Sequenzen sind rot unterlegt.
7. Anhang 10 20 30 40 50 60 70 80 90 100 jin1 MTDYRLQPTMNLWTTDDNASMMEAFMSSSDISTLWPPASTTTTTATTETTPTPAMEIPAQAGFNQETLQQRLQALIEGTHEGWTYAIFWQPSYDFSGASV AtMYC2 MTDYRLQPTMNLWTTDDNASMMEAFMSSSDISTLWPPASTTTTTATTETTPTPAMEIPAQAGFNQETLQQRLQALIEGTHEGWTYAIFWQPSYDFSGASV
MehrProjektskizze: Studie/ Auswertung/ Publikation
Projektskizze: Studie/ Auswertung/ Publikation Name: PD Dr. Dr. Robert Bals, CAPNetz C11 Datum: 30. 8. 2007 Institution(en)/Autor(en): Klinikum der Universität Marburg Klinik für Innere Medizin mit Schwerpunkt
MehrIn den Proteinen der Lebewesen treten in der Regel 20 verschiedene Aminosäuren auf. Deren Reihenfolge muss in der Nucleotidsequenz der mrna und damit
In den Proteinen der Lebewesen treten in der Regel 20 verschiedene Aminosäuren auf. Deren Reihenfolge muss in der Nucleotidsequenz der mrna und damit in der Nucleotidsequenz der DNA verschlüsselt (codiert)
MehrComperative Protein Structure Modelling of Genes and Genomes
Comperative Protein Structure Modelling of Genes and Genomes Satisfaction of Spatial Restraints / Loop Modelling Nikolas Gross und Maximilian Miller Ludwig-Maximilians-Universität 29.11.2007 1 von 31 Table
MehrVom Gen zum Protein. Zusammenfassung Kapitel 17. Die Verbindung zwischen Gen und Protein. Gene spezifizieren Proteine
Zusammenfassung Kapitel 17 Vom Gen zum Protein Die Verbindung zwischen Gen und Protein Gene spezifizieren Proteine Zellen bauen organische Moleküle über Stoffwechselprozesse auf und ab. Diese Prozesse
MehrVorhersage von Protein-Funktionen. Patrick Pfeffer
Vorhersage von Protein-Funktionen Patrick Pfeffer Überblick Motivation Einleitung Methode Markov Random Fields Der Gibbs Sampler Parameter-Schätzung Bayes sche Analyse Resultate Pfeffer 2 Motivation Es
MehrLieferkettenmanagement unter. Biodiversitätsaspekten
Lieferkettenmanagement unter Berücksichtigung von Biodiversitätsaspekten 2. Dialogforum: Biodiversität und Unternehmen Judith Winterstein, GIZ Berlin, judith.winterstein@giz.de 20.10.2011 Deutsche Gesellschaft
Mehr