Biologie + Informatik = Bioinformatik??? Dr. Ursula Rost Bioinformatics and Computational Biochemistry European Media Laboratory Heidelberg
|
|
- Christoph Weber
- vor 7 Jahren
- Abrufe
Transkript
1 Biologie + Informatik = Bioinformatik??? Dr. Ursula Rost Bioinformatics and Computational Biochemistry European Media Laboratory Heidelberg
2 Zur Person Ursula Rost Studium Diplom-Informatik, TU Clausthal & Uni Karlsruhe (TH) Promotion im FB Elektrotechnik, Uni Hannover Wissenschaftlerin am EML, Gruppe: Bioinformatics and Computational Biochemistry European Media Laboratory (EML) gegründet 1997, finanziert durch Klaus-Tschira-Stiftung Anwendungsnahe Forschung im IT-Bereich
3 Gruppen und Projekte am EML Personal Memory Intelligente Benutzer-Schnittstellen z.b. Touristenführer Heidelberg Natural Language Processing Storage Technology holographische Datenspeicherung (tesa-rom) Scientific Databases and Visualization Integration von Datenbanken zur Analyse und Visualisierung biochemischer Pfade Bioinformatics and Computational Biochemistry Modellierung biochemischer Pfade Funktionale Netzwerke Simulation Molecular and Cellular Modelling IT in the Health Sector nicht-invasive Überwachung von Lebensdaten IT für den Dialog zwischem Arzt und Patient
4 BioParc Dresden Klaus Tschira Stiftung + Wirtschaftsministerium Sachsen: Renovierung+Ausbau des Lingner Schlößchens Doppelhelix-Gebäude als Standort für Startup-Firmen im Bereich Bioinformatik Fertigstellung ca. 24
5 Übersicht Bioinformatik: Was ist das? Teilgebiete der Bioinformatik Algorithmen zum Sequenzvergleich Bioinformatik in Deutschland Zusammenfassung
6 Biologie : Informatik Biologie Wissenschaft vom Lebendigen Erscheinungsformen lebender Systeme, ihre Beziehungen untereinander Vorgänge, die sich in ihnen abspielen in der Bioinformatik Molekularbiologie Biochemie Informatik Systematisches Studium von informationsbeschreibenden und -transformierenden Prozessen in Bezug auf deren Theorie, Analyse, Entwurf, Implementierung und Anwendung. (ACM) Datenstrukturen, Algorithmen, Rechnerarchitektur, Rechnernetze, Kryptographie, Betriebssysteme,... In der Bioinformatik z.b. Algorithmen KI Datenbanken Bildverarbeitung
7 Zellbestandteile
8 Vom Gen zum Protein Gen Geo 9/2
9 Sequenzen DNA {A,T,G,C}* RNA {A,U,C,G}* Protein {A,C,D,...,Y}*
10 Genetischer Code P1 G A C U Position 2 P3 G Gly Gly A Glu Glu C Ala Ala U Val Val Gly Gly Arg Arg Asp Asp Lys Lys Ala Ala Thr Thr Val Val Met Ile C U G A Ser Ser Arg Arg Asn Asn Gln Gln Thr Thr Pro Pro Ile Ile Leu Leu C U G A Pro Pro Ser Ser Leu Leu Leu Leu C U G A Ser Ser Phe Phe C U Arg His Arg His Trp STOP STOP STOP Cys Cys Tyr Tyr G A A C D E F G H I K L M N P Q R S T V W Y Ala Cys Asp Glu Phe Gly His Ile Lys Leu Met Asn Pro Gln Arg Ser Thr Val Trp Tyr Alanin Cystein Aspartat Glutatmat Phenyalanin Glycin Histidin Isoleucin Lysin Leucin Methionin Asparagin Prolin Glutamin Arginin Serin Threonin Valin Tryptophan Tyrosin
11 Genetischer Code Genetischer Code: Abbildung von Basen-Tripletts (Codone) auf Aminosäuren {XYZ X,Y,Z {A,C,G,U} {Ala, Cys, Asp,..., Tyr} Eigenschaften des Genetischen Codes: redundant (64 Codone werden auf 2 Aminosäuren und drei STOP-Codone abgebildet) wird bei allen bekannten Lebewesen verwendet ( mit leichten Abweichungen z.b. in Mitochondrien und in Prokaryonten, bisher 15 Code Tabellen bekannt) fehlertolerant (gehört zu den.2 % Codierungen mit der höchsten Fehlertoleranz, d.h. Punktmutationen führen zu gleichen oder ähnlichen Aminosäuren)
12 Das Biochemische Netzwerk MFKPVDFSETSPVPPDIDLAPTQSPHHVAPSQDSSYDLLS... SMLKNKSFLLHGKDYPNNADNNDNEDIRAKTMNRSQSHV gatccagctg taccattatg taatataata agacacggac gcac...
13 Metabolische Pfade
14 Warum Informatik in der Biologie? Experimente liefern enorme Datenmengen Das menschliche Genom enthält 2 9 Basenpaare, die ca. 1 Gene bilden (momentane Schätzung) Die EMBL Sequenz-Datenbank enthält z.z mehr als 1.2 Millionen Gensequenz-Einträge mit mehr als 11.1 Mrd. Basenpaaren (Stand ) Die SWISS-PROT Datenbank enthält z.z. über 91 Protein-Einträge Trotzdem sind Datenbank sehr unvollständig: bisher publizierte vollständig sequenzierte Genome: 31 Bakterien 8 Archaea 3 Eukaryonten Daten sind sehr komplex Proteine enthalten Teilstrukturen mit unterschiedlicher Bedeutung, die für ihre Funktion wesentlich sind Aktivitäten in der Zelle sind durch vielfältige Abhängigkeiten geprägt, die z.z. nur in sehr geringem Umfang bekannt sind
15 Ziele der Bioinformatik Verständnis über die Abläufe in der Zelle erhöhen Informationen bereitstellen, mit denen Genetic Engineering ermöglicht wird Entwicklung von Medikamenten (z.b. um bestimmte Reaktionen in der Zelle zu ermöglichen oder zu verhindern) heilen von genetischen Defekten (bis jetzt noch nicht gelungen) Fragen beantworten wie z.b. Welche funktionale Bedeutung hat eine bestimmte Gensequenz? Welche Moleküle können an ein gegebenes Protein binden? Wie wird ein metabolisches Netzwerk reguliert?
16 Versuch einer Definition In der Bioinformatik werden mit Hilfe von Methoden aus der Mathematik und Informatik biochemische (und hierbei insbesondere genetische) Abläufe in der Zelle untersucht. Daneben gibt es weitere Gebiete in der Biologie, die Methoden der Mathematik und Informatik einsetzen, z.b. Biostatistik Populationsdynamik (Theoretische Biologie)
17 Vorgehensweise 1. Ansatz: C Probleme: ineffiziente Verfahren schwer zu bedienende Programme nicht wiederverwertbare Programme 2. Ansatz: Probleme: Ergebnisse haben keine biologische Bedeutung Modelle oft zu simpel
18
19 Vorgehensweise Bioinformatik erfordert interdisziplinäre Zusammenarbeit zwischen Naturwissenschaftlern (aus der Biologie, Biochemie und Biophysik) und anderen Wissenschaftlern (aus der Informatik und Mathematik) Biologische Experimente Hypothesen Datenanalyse- und Verarbeitung Daten
20 Übersicht Bioinformatik: Was ist das? Teilgebiete der Bioinformatik Fallstudie Auftretende Probleme und Lösungsansätze Algorithmen zum Sequenzvergleich Bioinformatik in Deutschland Zusammenfassung
21 Fallstudie Schritt 1:...G A G A A C T G T T T A G A T G C A A A A T C C A C A A G T... Schritt 2: E N C L D A K S T S... Schritt 3: Mensch... E N C L D A K S T S... Drosophila... E N C L D A Q S T H... C. elegans... E N C L D A G A T E... Hefe... E N C I D A N A T M... E. coli... E N C L D A G A T R...
22 Fallstudie Schritt 5: Schritt 6:
23 Fallstudie Geo 9/2 Schritt 6:
24 Bioinformatik Teilgebiete der Bioinformatik Sequenzanalyse (DNA, Proteine) Assembling Primer-Design Genefinding Sequenzvergleich Phylogenie Strukturanalyse, Molecular Modelling und Molecular Dynamics 3D-Struktur von Proteinen Molekülbewegungen Expressionsdatenanalyse Simulation Weitere relevante Diziplinen, die sich u.a. mit Bioinformatik beschäftigen Datenbanken Visualisierung
25 Sequenzanalyse: Assembling...G A G A A C T G G A G A G A T T T A G A T G C... Problem: Gene sind zu lang, um am Stück sequenziert zu werden (k 1 bp) Sequenzierverfahren liefern viele kleine Stücke (k 1 bp), die zusammengefügt werden müssen Whole Genome Shotgun Sequencing bringt heutzutage neue Herausforderungen mit sich
26 Sequenzanalyse: Assembling Lösungsansätze: Verfahren zur Lösung des Shortest Common Superstring Problems Abbildung auf Graphen und Suche nach dem kürzesten Hamilton Pfad Fragmente stellen Knoten dar Überlappung von zwei Fragmenten wird durch Kante zwischen diesen Fragmenten repräsentiert Länge der Überlappung kann in Distanz umgesetzt werden Consensus-String aus Hamilton-Pfad ergibt gesuchte Sequenz
27 Sequenzanalyse: Primer-Design...G A G A A C T T A G A T G C... Problem: Füllen von Lücken Biologischer Lösungsansatz: Design von sog. Primern (ca 25 Nukleotide), die in der Nähe der Endstücke binden und mit denen diese schrittweise verlängert werden können Primer müssen bestimmte Eigenschaften aufweisen, z.b. sollen sie ausschließlich an den gewünschten Stellen binden, aber nicht mit sich selbst Lösungsansatz aus der Informatik: Qualitätsfunktion für die Bewertung eines spezifischen Primers gerichtete Suchverfahren
28 Sequenzanalyse: Genefinding...G A G A A C T G G A G A G A T T T A G A T G C... G A G A A C T G T T T A G A T G C E N C L D A... Probleme: Suche nach Promotoren (Startregion eines Gens) Suche nach Introns/Exons Lösungsansätze: Ausnutzung statistischer Eigenschaften in unterschiedlichen Regionen (z.b. Verhältnis bestimmter Codone) Generalisierte HMMs
29 Sequenzanalyse: Vergleich Ziele:... E N C L D A K S T S E N C L D A Q S T H... Paarweiser Vergleich von Sequenzen, um Verwandtschaftsgrad zu ermitteln Vergleich mehrerer (relativ ähnlicher) Sequenzen zur Erstellung eines Profils für Familien von Proteinen Suche nach wiederkehrenden Motiven, die funktionale Bedeutung haben Eingesetzte Methoden Stringverarbeitungsalgorithmen (Suche, Distanzmaße,...) statistische Auswertungsverfahren Clustering-Verfahren Optimierungsverfahren Anwendung funktionale Annotation Identifikation eines Gens durch eindeutigeteilsequenz
30 Phylogenie Ziel: Analyse der evolutionsgeschichtlichen Beziehung von Organismen: Tree of Life
31 Phylogenie Ansatz: Aufbau eines phylogenetischen Baums durch Vergleich von einander entsprechenden DNA-, RNA- oder Proteinsequenzen verschiedener Organismen Blätter sind Sequenzen Kanten sind gewichtet: ihre Länge ist proportional zu einer evolutionären Distanz (Pfadmetrik) innere Knoten repräsentieren unbekannte gemeinsame Vorfahren Einsatz von mathematischen Optimierungsverfahren zur Konstruktion eines Baums
32 Strukturanalyse, Molecular Modelling und Molecular Dynamics Ziele: Bestimmung der 3D-Struktur von Proteinen Analyse des Faltungsprozesses Suche nach Liganden Analyse der Bewegungen eines Moleküls Verwendete Techniken: [Kristallographie und NMR (sehr aufwendig)] Strukturvorhersage aus Strukturvergleich Strukturvorhersage aus Sequenz mit Optimierungsverfahren Energieminimierung Berücksichtigung physikalisch-chemischer Eigenschaften Ab Initio Vorhersage (auf Atomebene, extrem aufwendig) Potentielle Anwendungen Drug Design Vorhersage der Interaktion von Molekülen in der Zelle
33 Expressionsdatenanalyse Ziel: Vollständige Kenntnis eines Genoms ist wünschenswert, aber unzureichend Genauere Kenntnis über die Abläufe in der Zelle erfordert die Analyse der wechselseitigen Beziehungen bzw. dem Zusammenspiel der Gene Verw. Technik: Microarrays Messung der Expression von bis zu 1 (bekannten) Genen gleichzeitig Auswertung des Transkriptoms welche Gene werden unter welchen Bedingungen exprimiert welche Gene sind koreguliert unter verschiedenen Bedingungen
34 Expressionsdatenanalyse Analyse-Methoden Klassische Mustererkennungsverfahren (Statistik) Maschinelle Lernverfahren (NN, induktive Lernverfahren) Potentielle Anwendungen: Identifikation komplexer genetischer Krankheiten Spezifische Entwicklung von Medikamenten (die auf den Genotyp bezogen sind) Suche nach Mutationen Zeitreihen zur Analyse verschiedener Krankheits-Stadien
35 Simulation Ziel: Modellierung biochemischer Prozesse in der Zelle Ansatz Aufstellung mathematischer Modelle Komponenten des Modells repräsentieren Moleküle bzw. Konzentrationen davon Einsatz von numerischen und stochastischen Simulationsverfahren, sowie Prozeßalgebren Anwendungsgebiete Aufklärung von Mechanismen des Stoffwechsels Verständnis der Regulierungsmechanismen allgemein Verifizierung von Expressionsdaten
36 Simulation Beispiel: Calcium-Konzentration in Leberzellen Daten aus Experiment Daten aus Simulation
37 Datenbanken Ziele: Speicherung und Organisation großer Datenmengen zielgerichteter Zugriff auf einzelne Daten Beispiele Sequenzdatenbanken Strukturdatenbanken Datenbanken für bestimmte Organismen
38 Visualisierung Ziele: Interaktive Exploration großer Datenmengen Sichtbarmachung von Zusammenhängen Beispiel: Analyse großer Bäume (z.b. Proteinbäume, phylogenetische Bäume)
39 Übersicht Bioinformatik: Was ist das? Teilgebiete der Bioinformatik Algorithmen zum Sequenzvergleich paarweiser Vergleich Vergleich mehrerer Sequenzen Datenbanksuche Bioinformatik in Deutschland Zusammenfassung
40 Sequenzanalyse Zentrales Dogma der Bioinformatik Wenn zwei Sequenzen sehr ähnlich sind, haben sie auch eine ähnliche Funktion, eine ähnliche Struktur, und sie haben einen gemeinsamen Vorfahren Vorsicht: das stimmt nicht immer!!! Das impliziert, daß die Sequenz eine Syntax bildet, die eine Funktion codiert es gibt auch Redundanz, da einige Elemente ausgetauscht werden können, ohne daß sich die Funktion ändert (robuste Semantik) Zentrale Vorgehensweise ist daher Vergleich von Sequenzen, deren Funktion unbekannt ist, mit Sequenzen, deren Funktion aus Experimenten bekannt ist Je nach Organismus, können daher heute zwischen 1 und 7% der Proteinsequenzen annotiert werden.
41 Annotation
42 Sequenzanalyse Problem: geg.: Sequenz mit unbekannter Funktion ges.: ähnlichste Sequenz mit bekannter Funktion Ansatz: Ähnlichkeitsmaß Algorithmus zur Bestimmung der Ähnlichkeit R N I R V R N I L L R N I L V N I L V R D I S L V
43 Konventionen Paarweiser Vergleich von je einem Buchstaben aus zwei Sequenzen, d.h. keine Betrachtung statistischer Abhängigkeiten innerhalb einer Sequenz Ähnlichkeit von zwei Sequenzen ergibt sich als Summe aus den Einzelähnlichkeiten (Markov-Modell) Aufstellung von sogenannten Scoring-Matrizen: Ähnlichkeitswert bezieht sich immer nur auf das dahinterliegende Modell Verfahren hauptsächlich für den Vergleich von Aminosäuresequenzen (Proteinen) R N I L L R N I L V
44 Ähnlichkeitsmaß Einfachste Vergleichsmöglichkeit: Identitäts-Matrix gleiche Buchstaben = 1, ungleiche Buchstaben = Ähnlichkeitsmaße, die über = / Vergleiche hinausgehen, nutzen chemische oder strukturelle Eigenschaften: polar/unpolar, Form, Größe, Ladung genetische Eigenschaften: minimale Anzahl ausgetauschter Basen in der dazugehörigen DNA evolutionäre Distanz: beobachtete AustauschHäufigkeiten von Aminosäuren (in bekannten Proteinfamilien)
45 PAM basiert auf evolutionärem Modell ähnliche Proteine haben einen gemeinsamen Vorfahren, aus dem beide Sequenzen durch genetische Veränderungen wie z.b. Punktmutationen hervorgegangen sind ( Edit-Distanz) empirisch aus Vorkommen von Aminosäuren in ähnlichen (mindestens 85% identischen), homologen Proteinen abgeschätzt PAM : Accepted Point Mutation PAM 1 - Matrix 1 evolutionärer Schritt 1 Mutation pro 1 Residuen erlaubt (1% Unterschied) wie hoch ist Wahrscheinlichkeit, daß sich ein Residuum ändert? PAM 25 - Matrix entspricht 8 % Unterschied
46 Dayhoff Matrix A R N D C Q E G H I L K M F P S T W Y V A R N D C Q E G H I L K M MDM78 PAM F P S T W Y
47 Gaps Neben Substitutionen können auch Einfügungen und Löschungen vorkommen? R D I S L V K N A G I R N I L V S D A K N V G I Alignment: zeichenweise Anordnung von Sequenzen derart, daß jeder Buchstabe einer Sequenz entweder einem anderen Buchstaben aus (je)der anderen Sequenz zugeordnet ist oder einer Lücke ( - ) die relative Ordnung der Buchstaben einer Sequenz bleibt dabei gewahrt R D I R N I S L V K N A G I L V S D A K N V G I
48 Gap Penalty Gaps in einem Alignment (Paarung einer Aminosäure mit einer Lücke) werden mit einem schlechten Wert bestraft, z.b. negativer Wert für jede einzelne Gap, d.h. Funktion linear in der Länge k der eingefügten bzw. gelöschten Elemente g k =q k oder zusammengesetzter Wert für Einfügungen/Auslassungen beliebiger Länge a : Gap Eröffnungsstrafe b: Gap Ausweitungsstrafe g k =a b k affin-lineare Gap Penalty
49 Beispiel R D I R N I S L V Identitäts-M. : K N A G I L V S D A K N V G I g(1) g(3) PAM25 : g(1) g(3)
50 Optimales Paarweises Alignment Ziel: Suche nach einem Alignment von zwei Sequenzen, so daß der Ähnlichkeitswert maximal ist (oder die Distanz minimal) R D I R N I S L V 2n = 2n! 2 2n n n! 2 2πn K N A G I L V S D A K N V G I Möglichkeiten für zwei Sequenzen der Länge n
51 Alignment x1 x2 x3 x4 x5 y1 y2 y3 x i 1 y4 y j 1 x i 1 y j 1
52 Alignment x1 x2 x3 x4 x5 y1 y2 y3 y4 x1 x 2 x 3 x 4 x5 y1 y2 y3 y4 x1 x2 x3 x 4 x 5 y1 y2 y3 y4
53 Dynamische Programmierung Problem: Berechnung aller möglichen Alignments und Vergleich der Scores ist zu aufwendig Lösungsansatz: Dynamische Programmierung Zerteilung des Problems in unabhängige Teilprobleme, Lösung der Teilprobleme und Kombination der Teillösungen zu Gesamtlösung Bottom-Up Vorgehensweise mit Speicherung der Teillösungen optimal x A optimal Z optimal
54 Globales Alignment Needleman-Wunsch Algorithmus benutzt Prinzip der dynamischen Programmierung: optimales Alignment für zwei Sequenzen wird aus optimalen Alignments von Teilsequenzen bestimmt kleinste Einheit: Alignment von zwei Buchstaben (Aminosäuren) bzw. Wert für eine Gap 1. Schritt: Berechnung einer Matrix, die alle möglichen Alignments der Sequenzen repräsentiert. Mit Ausnahme der Initialwerte werden alle Einträge der Matrix mit Hilfe der bereits eingetragenen Werte und einer rekursiven Formel abgeleitet. 2. Schritt: Ablesen des besten Alignments aus einem Pfad durch die Matrix (Verfolgung des besten Alignments vom Ziel zum Start)
55 Needleman-Wunsch Algorithmus Sequenz 1: x 1 x 2 x 3 x m Sequenz 2: y 1 y 2 y 3 y n Matrix F wobei F i, j den Score für das optimale Alignment der Sequenz x 1 x 2 x i mit der Sequenz y 1 y 2 y j angibt F _ x1 x 2 x 3 x m _ y1 y2 y3 F 2,3 yn
56 Rekursionsformel F i 1, j 1 F i, j 1 -g(1) + s(x, y ) F i 1, j F i, j i j -g(1) { F i 1, j 1 s x i, y j F i, j =max F i 1, j g 1 F i, j 1 g 1
57 Needleman-Wunsch: Beispiel R D I S L V R N I L V PAM 25 Lineare Gap Penalty mit q = -6
58 Needleman-Wunsch: Beispiel - R D I S L R -6 6 N -12 I -18 L 4 V -3 V -36
59 Needleman-Wunsch: Beispiel - R D I S L V R N I L V
60 Needleman-Wunsch: Beispiel - R D I S L V R N I L V
61 Needleman-Wunsch: Beispiel Ergebnis-Score: 17 Alignment R D I S L V R N I L V
62 Übersicht Bioinformatik: Was ist das? Teilgebiete der Bioinformatik Algorithmen zum Sequenzvergleich Bioinformatik in Deutschland Studiengänge an Hochschulen Forschungseinrichtungen Zusammenfassung
63 Studiengänge an Hochschulen Universitäten: Tübingen (seit WS 98/99) Bielefeld Halle(seit WS 99/) München (seit WS 99/) Berlin (seit WS /1) Frankfurt (seit WS /1) Jena (seit WS /1) Saarbrücken (seit WS 1/2) Hamburg (geplant) Leipzig (geplant) + Lehrstühle in der Informatik/Biologie/Chemie Fachhochschulen: Bingen (seit WS /1) Gießen (seit WS /1) Ostfriesland (seit WS 1/2) Weihenstephan (seit WS 1/2) Wildau (seit WS 1/2) Rhein-Sieg (geplant)
64 Curriculum Bioinformatik im Beispiel Tübingen (Diplom) Saarbrücken (Bachelor/Master) Ziel: Ziel: Vollgültiges Informatikstudium Vorbereitung auf berufliche Praxis mit starker Betonung des als Bioinformatiker Anwendungsfachs Bachelor (Semester ) Grundstudium Informatik : 38 SWS Mathematik : 22 SWS Biologie + Chemie : 24 SWS Hauptstudium Informatik : 52 SWS Anwendungsfach : 28 SWS Diplomarbeit Lösung eines Problems aus dem Anwendungsfach mit Informatikmethoden Besonderheiten spez. Algorithmenvorlesung einzelne Spezialvorlesungen Informatik : SWS Mathematik : 22 + SWS Bioinformatik : SWS Biowissenschaften : SWS Master (Semester 7-8) Informatik : 18 SWS Bioinformatik : 6 SWS Biowissenschaften : 8 SWS Master-Thesis Besonderheiten umfangreiche Praktika Industriepraktikum oder Forschungsaufenthalt
65 Forschungseinrichtungen und Forschungsförderung Forschungseinrichtungen in Deutschland EMBL Heidelberg DKFZ Heidelberg Max-Delbrück-Zentrum Berlin MIPS München... Forschungsförderung aus öffentlicher Hand DFG (5 Mio DM über 5 Jahre) Bielefeld München Leipzig Saarbrücken Tübingen BMBF (bis zu 1 Mio DM über 5 Jahre) Berlin* Braunschweig* Gatersleben* Jena* Köln* München* * Antragsteller
66 Zusammenfassung Die Bioinformatik untersucht biochemische Prozesse in der Zelle mit Hilfe von Methoden aus der Mathematik und Informatik. Bioinformatik Biologie + Informatik stattdessen Bioinformatik ist (idealerweise) eine Symbiose zwischen der Biologie und der Informatik, die zu neuen Ansätzen führt Bioinformatiker benötigen daher Verständnis biologischer Mechanismen Wissen über Methoden der Informatik Beiträge aus der Biologie Genetik Biochemie phänomenologisches Wissen Beiträge aus der Informatik Algorithmik Datenbanken Visualisierung abstrakte Modelle
Vorlesung Biophysik I - Molekulare Biophysik Kalbitzer/Kremer/Ziegler
Vorlesung Biophysik I - Molekulare Biophysik Kalbitzer/Kremer/Ziegler 23.10. Zelle 30.10. Biologische Makromoleküle I 06.11. Biologische Makromoleküle II 13.11. Nukleinsäuren-Origami (DNA, RNA) 20.11.
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Die gentechnische Produktion von Insulin - Selbstlerneinheit zur kontextorientierten Wiederholung der molekularen Genetik Das komplette
MehrAufgabe 2: (Aminosäuren)
Aufgabe 2: (Aminosäuren) Aufgabenstellung Die 20 Aminosäuren (voller Name, 1- und 3-Buchstaben-Code) sollen identifiziert und mit RasMol grafisch dargestellt werden. Dann sollen die AS sinnvoll nach ihren
MehrMOL.504 Analyse von DNA- und Proteinsequenzen
MOL.504 Analyse von DNA- und Proteinsequenzen Kurs 1 Monika Oberer, Karl Gruber MOL.504 Modul-Übersicht Einführung, Datenbanken BLAST-Suche, Sequenzalignment Proteinstrukturen Virtuelles Klonieren Abschlusstest
MehrBIOINF1110 Einführung in die Bioinforma7k. 5. Molekulare Maschinen Proteinstrukturen und ihre Funk/on
BIOINF1110 Einführung in die Bioinforma7k 5. Molekulare Maschinen Proteinstrukturen und ihre Funk/on Oliver Kohlbacher Zentrum für Bioinforma7k Tübingen Proteine Zentrales Dogma DNA Transkription mrna
MehrBIOINF1110 Einführung in die Bioinforma7k. Molekulare Maschinen Proteinstrukturen und ihre Funk/on
BIOINF1110 Einführung in die Bioinforma7k Molekulare Maschinen Proteinstrukturen und ihre Funk/on Oliver Kohlbacher Angewandte Bioinforma0k Zentrum für Bioinforma0k Tübingen Proteine 2 Zentrales Dogma
MehrInformationstechnologie in der Pflanzenzüchtung. Biocomputing in einem Züchtungsunternehmen. Andreas Menze KWS SAAT AG, Einbeck
Informationstechnologie in der Pflanzenzüchtung Biocomputing in einem Züchtungsunternehmen Andreas Menze KWS SAAT AG, Einbeck Biocomputing in einem Züchtungsunternehmen Biocomputing Was ist das? Wozu wird
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
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-
MehrModul 8: Bioinformatik A. Von der DNA zum Protein Proteinsynthese in silicio
Modul 8: Bioinformatik A. Von der DNA zum Protein Proteinsynthese in silicio Ein Wissenschaftler erhält nach einer Sequenzierung folgenden Ausschnitt aus einer DNA-Sequenz: 5 ctaccatcaa tccggtaggt tttccggctg
MehrWas ist der Promotor? Antwort: Eine spezielle Nucleotidsequenz auf der DNA, an der die RNA-Polymerase bindet um die Transkription zu starten.
Was ist der Promotor? Antwort: Eine spezielle Nucleotidsequenz auf der DNA, an der die RNA-Polymerase bindet um die Transkription zu starten. Wie bezeichnet man den Strang der DNA- Doppelhelix, der die
MehrAlgorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments
Algorithmen auf Sequenzen Paarweiser Sequenzvergleich: Alignments Sven Rahmann Genominformatik Universitätsklinikum Essen Universität Duisburg-Essen Universitätsallianz Ruhr Einführung Bisher: Berechnung
MehrCell Biology Gravitational Biology
Biologie im Nebenfach Informationen für Nebenfächler-Informatik Dr. Peter Richter Department Biologie Lehrstuhl für Zellbiologie AG für Gravitationsbiologie Staudtstr. 5, 90158 Erlangen, Deutschland Tel.
MehrAminosäuren - Proteine
Aminosäuren - Proteine ÜBERBLICK D.Pflumm KSR / MSE Aminosäuren Überblick Allgemeine Formel für das Grundgerüst einer Aminosäure Carboxylgruppe: R-COOH O Aminogruppe: R-NH 2 einzelnes C-Atom (α-c-atom)
MehrMathematik und Naturwissenschaften, Biologie, Biochemie. Biochemie II - Tutorium
Mathematik und Naturwissenschaften, Biologie, Biochemie Biochemie II - Tutorium Dresden, 20.10.2016 Alexander Götze 3.Semester Molekulare Biotechnologie a.goetze2207@googlemail.com Mi. 2DS DRU. 68 H Michel
MehrPeptide Proteine. 1. Aminosäuren. Alle optisch aktiven proteinogenen Aminosäuren gehören der L-Reihe an: 1.1 Struktur der Aminosäuren
1. Aminosäuren Aminosäuren Peptide Proteine Vortragender: Dr. W. Helliger 1.1 Struktur 1.2 Säure-Basen-Eigenschaften 1.2.1 Neutral- und Zwitterion-Form 1.2.2 Molekülform in Abhängigkeit vom ph-wert 1.3
Mehr15. Aminosäuren, Peptide und Proteine
15. Aminosäuren, Peptide und Proteine 1 Proteine (Polypeptide) erfüllen in biologischen ystemen die unterschiedlichsten Funktionen. o wirken sie z.b. bei vielen chemischen eaktionen in der atur als Katalysatoren
MehrAminosäurenanalytik. Probenvorbereitung Eiweißfällung, Oxidation und Hydrolyse Karl-Heinz Jansen SYKAM CHROMATOGRAPHIE
Aminosäurenanalytik Probenvorbereitung Eiweißfällung, Oxidation und Hydrolyse Karl-Heinz Jansen SYKAM CHROMATOGRAPHIE Proteinfällung 2 Proteinfällung 3 Proteinfällung 4 Proteinfällung 5 Proteinfällung
MehrAlgorithmische Anwendungen WS 2005/2006
Algorithmische Anwendungen WS 2005/2006 Sequenzalignment Gruppe F_lila_Ala0506 Allal Kharaz Yassine ELassad Inhaltsverzeichnis 1 Problemstellungen...................................... 3 1.1 Rechtschreibkorrektur...............................
MehrAF. Bioinformatik im Bachelor-Studiengang Informatik. CIBIV Center for Integrative Bioinformatics Vienna. Bioinformatik eine Definition
AF. Bioinformatik im Bachelor-Studiengang Informatik Center for Integrative Bioinformatics Vienna (CIBIV) Max F. Perutz Laboratories (MFPL) Vienna, Austria http://www.cibiv.at April 11, 2011 CIBIV Center
MehrVeranstaltungen, SWS, ECTS, Prüfungsdauer
Anhang 1: 1 2 3 4 5 6 7 8 9 10 Veranstaltungen, SWS, ECTS, Pflichtveranstaltungen in Grundstudium Veranstaltung SWS ECTS (Klausur) (mündl.) Einführung in die Informatik I (LMU/TUM Alt) # 4V+3Ü 9 135-225
MehrPharmazeutische Biologie Grundlagen der Biochemie
Pharmazeutische Biologie Grundlagen der Biochemie Prof. Dr. Theo Dingermann Institut für Pharmazeutische Biologie Goethe-Universität Frankfurt Dingermann@em.uni-frankfurt.de Aminosäure... chirale Moleküle
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Ringvorlesung Biologie Sommer 07 Burkhard Morgenstern Institut für Mikrobiologie und Genetik Abteilung für Bioinformatik Goldschmidtstr. 1 Online Materialien zur Ringvorlesung:
MehrAminosäuren. Die Mischung macht's. Die Proteinfabrik. ANKUBERO GmbH. Verschiedene Aminosäuren und Proteine
Aminosäuren ANKUBERO GmbH Lieber Kunde, lieber Interessent, Die Mischung macht's Verschiedene Aminosäuren und Proteine Aufgeteilt in drei Hauptgruppen unterscheidet man essenzielle, semi-essenzielle oder
Mehr(einsatz (2/1) (transponiere 12 endlos)) (einsatz (4/1) endlos) :+: (einsatz (6/1) endlos )))
Algorithmen und Datenstrukturen I phrase1 phrase2 c e (1/4) (1/4) :*: :*: d f (1/4) (1/4) :*: :*: e g (1/4) (1/2) :*: c (1/4) phrase3 = g :*: (1/8) e (1/4) :*: a :*: (1/8) c (1/4) :*: g (1/8) :*: f (1/8)
MehrMathematik und Naturwissenschaften, Biologie, Biochemie. Biochemie II - Tutorium
Mathematik und Naturwissenschaften, Biologie, Biochemie Biochemie II - Tutorium Dresden, 12.10.2016 Alexander Götze 3.Semester Molekulare Biotechnologie a.goetze2207@googlemail.com Mi. 2DS DRU. 68 H Michel
MehrAliphatische Aminosäuren. Aromatische Aminosäuren
Prof. Dr..-U. eißig rganische Chemie I 17.1 Aliphatische Aminosäuren systematischer ame (Trivialname) truktur Vorkommen, Bedeutung 2-Aminoethansäure (α-aminoessigsäure, Glycin) 3 C 2 C 2 α Proteine, Peptide
MehrStudiengang Informatik der FH Gießen-Friedberg. Sequenz-Alignment. Jan Schäfer. WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel
Studiengang Informatik der FH Gießen-Friedberg Sequenz-Alignment Jan Schäfer WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel Überblick Einführung Grundlagen Wann ist das Merkmal der Ähnlichkeit erfüllt?
MehrBioinformatik Teil 1
Bioinformatik Teil 1 Geschichte und Gegenwart Ralf Hofestädt Universität Bielefeld, AG Bioinformatik und Medizinische Informatik 60. Jahrestag GMDS, Köln, 28.10.2015 Bioinformatik Methoden und Konzepte
Mehr7. Anhang 103. Punktmutanten von PABPN1 L119A 33,8 kda 0,9 µm E120A 33,7 kda 2,5 µm I122Q 33,8 kda 0,6 µm. K135A 33,7 kda 4,2 µm
7. Anhang 103 7. Anhang 7.1. Verwendete Proteine In der folgenden Tabelle sind alle verwendeten Proteine dargestellt. Die mit * 1 gekennzeichneten Proteine wurden von S. Meyer erhalten, mit * 2 gekennzeichnete
MehrVerfahren zu Strukturvorhersagen in vereinfachten Modellen. Tobias Voigt Sommerakademie 2002 St. Johann
Verfahren zu Strukturvorhersagen in vereinfachten Modellen Tobias Voigt Sommerakademie 2002 St. Johann Einführung! Sequenzierung von Proteinen und Nukleinsäuren ist heute Routine! Die räumliche Struktur
MehrPairwise Alignment. Steffen Forkmann. Proseminar: BioInformatik
Pairwise Alignment Steffen Forkmann Proseminar: BioInformatik Wintersemester 2004/2005 Inhaltsverzeichnis 1 Problemstellungen 3 1.1 Rechtschreibkorrektur............................... 3 1.2 DNA- und Aminosäure-Sequenzen........................
MehrPharmazeutische Biologie WS2011/2012. Das neue Paradigma: Personalisierte Medizin
2. Vorlesung Pharmazeutische Biologie WS2011/2012 Das neue Paradigma: Personalisierte Medizin Prof. Theo Dingermann Institut für Pharmazeutische Biologie Biozentrum Max-von Laue-Str. 9 60438 Frankfurt
MehrProteinogene Aminosäuren. Unpolare, aliphatische Seitenketten Monoaminomonocarbonsäuren
Proteinogene Aminosäuren Unpolare, aliphatische Seitenketten Monoaminomonocarbonsäuren Proteinogene Aminosäuren Unpolare, heterozyklische Seitenkette Monoaminomonocarbonsäuren Proteinogene Aminosäuren
MehrAttached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie
Rheinisch-Westfälischen Technischen Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Rossmanith Attached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie Deniz Özmen Emmanuel
MehrPraktikum Algorithmischen Anwendungen WS 2006/07 Bioinformatik Sequence-Aligment Team C rot Ala0607
Praktikum Algorithmischen Anwendungen WS 2006/07 Bioinformatik Sequence-Aligment Team C rot Ala0607 Blöink, Frank 11038619 ai600@gm.fh-koeln.de Wolters, Benjamin 11037092 ai651@gm.fh-koeln.de 26. Januar
MehrBioinformatik. Lokale Alignierung Gapkosten. Silke Trißl / Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Lokale Alignierung Gapkosten Silke Trißl / Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Ähnlichkeit Lokales und globales Alignment Gapped Alignment Silke Trißl:
MehrAlgorithmen und Datenstrukturen in der Bioinformatik Zweites Übungsblatt WS 05/06 Musterlösung
Johanna Ploog, Konstantin Clemens Freie Universität Berlin Institut für Mathematik II Arbeitsgruppe für Mathematik in den Lebenswissenschaften Algorithmen und Datenstrukturen in der Bioinformatik Zweites
MehrSoftwarewerkzeuge der Bioinformatik
Softwarewerkzeuge der Bioinformatik Inhalt dieser Veranstaltung: Softwarewerkzeuge kennenlernen für I II III Sequenzanalyse Analyse von Proteinstruktur und Ligandenbindung Zell- bzw. Netzwerksimulationen
MehrAMTLICHE BEKANNTMACHUNG
Nr. 21 vom 13. August 2008 AMTLICHE BEKANNTMACHUNG Hg.: Die Präsidentin der Referat Rechtsangelegenheiten in Studium und Lehre Änderung der Fachspezifischen Bestimmungen für den Masterstudiengang Bioinformatik
MehrDendrogramm der Primaten
Arbeitsblatt 1 Dargestellt ist ein Ausschnitt der DNA-Sequenz für das Enzym NAD- Polymerase, dass bei den Primatenarten Mensch(M), Schimpanse(S), Gorilla(G), Orang-Utan(O) und Gibbon(Gi) vorhanden ist.
MehrBioinformatik: Schnittstelle zwischen Informatik und Life-Science
Bioinformatik: Schnittstelle zwischen Informatik und Life-Science Andreas Zendler (PD Dr.rer.nat.Dr.phil.) GI / GChACM 12. ovember 2001 Inhaltsübersicht I. Einführung II. Bioinformatik III. Industrial
Mehr9. Übung zur Einführung in die Informatik (HaF) (Abschnitt IV: Rechnerstrukturen und Betriebssysteme) Musterlösung
INFO V Bayerische Julius Maximilians Universität Würzburg Lehrstuhl für Technische Informatik Am Hubland 9774 Würzburg Tel. 93 888 7 Fax: 93 888 7 9. Übung zur Einführung in die Informatik HaF Abschnitt
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?
MehrKapitel 2: Modellierung. Programmieren in Haskell 1
Kapitel 2: Modellierung Programmieren in Haskell 1 Eine Formelsprache für Musik Programmieren in Haskell 2 Formeln, die Musik bedeuten Note 0 (1/4) -- Viertelnote tiefes C Note 24 (1/1) -- ganze Note c
MehrHomologie und Sequenzähnlichkeit. Prof. Dr. Antje Krause FH Bingen 06721 / 409 253 akrause@fh-bingen.de
Homologie und Sequenzähnlichkeit Prof. Dr. Antje Krause FH Bingen 06721 / 409 253 akrause@fh-bingen.de Homologie Verwandtschaft aufgrund gleicher Abstammung basiert auf Speziation (Artbildung): aus einer
MehrAlgorithmen für paarweise Sequenz-Alignments. Katharina Hembach
Proseminar Bioinformatik WS 2010/11 Algorithmen für paarweise Sequenz-Alignments Katharina Hembach 06.12.2010 1 Einleitung Paarweise Sequenz-Alignments spielen in der Bioinformatik eine wichtige Rolle.
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Paarweises
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de SS 2011 8. Biologische Netzwerke - Gut vernetzt hält besser Überblick
MehrCampherchinon (teuer)
chiral pool alle chiralen, nicht racemischen Verbindungen aturstoffe - müssen enantiomerenrein verfügbar sein - müssen leicht und rein isolierbar sein dann sind diese billig im andel verfügbar alle Verbindungen,
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de SS 2012 5. Biologische Netzwerke - Gut vernetzt hält besser Überblick
MehrBayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel
MehrApplication Notes. Aracus
Application Notes Aracus membrapure GmbH Wolfgang Küntscher Str. 14 16761 Hennigsdorf / Berlin Mail: info@membrapure.de Tel.: 03302 / 201 20 0 Fax: 03302 / 201 20 21 Index Physiological Extended 54 amino
MehrSeminar Genetischer Code und Genomgrammatik
Seminar Genetischer Code und Genomgrammatik Thema: Statistische Betrachtung des menschlichen Genoms Dozent: Prof. Dr. rer. nat. Andreas de Vries Studierender: Cem Kiyak 25.08.2011 1 Inhalt Einleitender
MehrBioinformatik. Margarethe Kyral
Bioinformatik Margarethe Kyral Beispiel 1 neuer Krankheitserreger DNA-Sequenzierung Beispiel 1 neuer Krankheitserreger DNA-Sequenzierungsgeräte und -verfahren Beispiel 1 neuer Krankheitserreger Borreliose-Bakterium
MehrVerbesserung der dotplot Methode
erbesserung der dotplot Methode binäre Information: "x" oder " " besser: "mehr" oder "weniger" ähnlich Gruppen von Aminosäuren mit ähnlichen Eigenschaften bilden bestes Alignment: optimiere Häufigkeit
MehrAlgorithmische Bioinformatik 1
Vorlesung Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht
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
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
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Substitutionsmatrizen Ulf Leser Wissensmanagement in der Bioinformatik Ziele Ein sehr kleiner Einblick in Evolutionsgenetik Kenntnis einer typischen realen bioinformatischen
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)
MehrSoftwarewerkzeuge der Bioinformatik
Softwarewerkzeuge der Bioinformatik Inhalt dieser Veranstaltung: Softwarewerkzeuge kennenlernen für I II III Sequenzanalyse Analyse von Proteinstruktur und Ligandenbindung Zell- bzw. etzwerksimulationen
MehrDer molekulare Bauplan des Lebens; biologische Nano- und Mikrobausteine von Lebewesen. RNA und DNA als sich selbst replizierende Informationsspeicher
Der molekulare Bauplan des Lebens; biologische Nano- und Mikrobausteine von Lebewesen RNA und DNA als sich selbst replizierende Informationsspeicher Quelle: Biochemie, J.M. Berg, J.L. Tymoczko, L. Stryer,
MehrAlternativen zu Fischmehl für die Fütterung in der nachhaltigen Aquakultur
Alternativen zu Fischmehl für die Fütterung in der nachhaltigen Aquakultur Entwicklung von Futterproteinen auf der Basis von Reststoffen aus Landwirtschaft und Lebensmittelindustrie Einleitung Hintergrund
MehrBioinformatik II: Phylogenetik
Bioinformatik II: Phylogenetik phylogenetisch Phylai: griechische Klans phylum: der Stamm phylogenetisch: die Stammesgeschichte von Lebewesen betreffend Hierarchien der Klassifikation: Domäne: Eukaryonten
MehrZentrales Dogma der Biologie
Zentrales Dogma der Biologie Transkription: von der DNA zur RNA Biochemie 01/1 Transkription Biochemie 01/2 Transkription DNA: RNA: Biochemie 01/3 Transkription DNA: RNA: Biochemie 01/4 Transkription RNA:
MehrMM Biopolymere. Michael Meyer. Vorlesung XV
Biopolymere Vorlesung XV Simulation von Biomolekülen Modellierung von Proteinen Identifizierung und/oder Verwandtschaft mit anderen Proteinen Funktion eines Proteins oder Sequenzfragmentes Modellierung
MehrBiochemie (für Bioinformatiker) WS 2010/2011, 1. Klausur (50 Punkte)
Datum: 06.12.2010 Name: Matrikel-Nr.: Vorname: Studiengang: Bioinformatik Biochemie (für Bioinformatiker) WS 2010/2011, 1. Klausur (50 Punkte) Modulnr.: FMI-BI0027 iermit bestätige ich meine Prüfungstauglichkeit.
MehrAlgorithmen auf Sequenzen
Algorithmen auf Sequenzen Vorlesung von Prof. Dr. Sven Rahmann im Sommersemester 2008 Kapitel 6 Alignments Webseite zur Vorlesung http://ls11-www.cs.tu-dortmund.de/people/rahmann/teaching/ss2008/algorithmenaufsequenzen
MehrStruktur in der Bioinformatik
Struktur in der Bioinformatik Rolf Backofen Lehrstuhl für Bioinformatik Institut für Informatik FS Jena Überblick Einführung nwendungsbeispiel: Selenoproteine Proteinfaltung Protein Docking c R. Backofen
MehrEvolution und Algorithmen
Kapitel 6 Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine learning in bioinformatics
MehrLinearität und Nachweisgrenzen
ASA-Doku 2015-2 Linearität und Nachweisgrenzen Linearität und Nachweisgrenzen im Hydrolysatprogramm k.jansen@sykam.de Version 1.3 /6.8.2015 SYKAM Chromatographie Vertriebs GmbH Carl-von-Linde-Straße 2
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de SS 2014 8. Biologische Netzwerke - Gut vernetzt hält besser Überblick
MehrEingebetteten Systemen. Biologie Bioinformatik. Definition und Eigenschaften Klassifizierung und Anwendungen Moore's Gesetz Evolvable Hardware
Eingebetteten Systemen Definition und Eigenschaften Klassifizierung und Anwendungen Moore's Gesetz Evolvable Hardware Biologie Bioinformatik 1 Christian Igel: Evolutionäre Algorithmen: Optimierung nach
MehrErste Satzung zur Änderung der Ordnung
Auszug aus den Amtlichen Bekanntmachungen 2/2008 Seite 39 Erste Satzung zur Änderung der Ordnung für den Bachelorstudiengang Biowissenschaften und die konsekutiven Master-Studiengänge (1) Ökologie, Evolution
MehrWas ist Bioinformatik?
Bioinformatik: Vom Genom zum Medikament Was ist Bioinformatik? Biowissenschaften Bioinformatik Informatik Die Bioinformatik entwickelt ein virtuelles Biolabor. Die Bioinformatik entwickelt ein virtuelles
MehrModulübersichtstabelle des Studienganges Master of Science Informatik
Master of Science (Seite 1 von 11) Modulübersichtstabelle des Studienganges Master of Science Modul/zugehörige Lehrveranstaltungen Prüfungsleistung Art/Dauer (Modulabschlussprüfung und/oder semesterbegleitende
MehrDot-Matrix Methode. (Java) (Javascript) 80
Dot-Matrix Methode Vergleich zweier Sequenzen (DNA oder Aminosäuren) Idee: gleiche Basen (Aminosäuren) in x-y Diagramm markieren Sequenz 1: ADRWLVKQN Sequenz 2: ADKFIVRDE http://myhits.vital-it.ch/cgi-bin/dotlet
MehrInformation und Produktion. Rolland Brunec Seminar Wissen
Information und Produktion Rolland Brunec Seminar Wissen Einführung Informationssystem Einfluss des Internets auf Organisation Wissens-Ko-Produktion Informationssystem (IS) Soziotechnisches System Dient
Mehr2 Abkürzungsverzeichnis/Definitionen
KAPITEL 2. ABKÜRZUNGSVERZEICHNIS/DEFINITIONEN 10 2 Abkürzungsverzeichnis/Definitionen 2.1 Abkürzungsverzeichnis AS βa Boc CD Cha C-Terminus DBU DCM DIC DIPA DMA DMF ε EDTA EEDQ eq. ESI-TOF Fmoc HATU HBTU
MehrÜbungsaufgaben zur Einführung in die Bioinformatik - Lösungen
18.01.2013 Prof. P. Güntert 1 Vorlesung BPC I: Aspekte der Thermodynamik in der Strukturbiologie Übungsaufgaben zur Einführung in die Bioinformatik - Lösungen 1. Hamming und Levenshtein Distanzen a) Was
Mehr4.9.7 Konstruktion der Suffixbäume
.9.7 Konstruktion der Suffixbäume Beipiel: xabxa (siehe Abbildung.27) Man beginnt mit der Konstruktion eines Suffixbaumes für gesamten String und schreibt eine 1 am Blatt, weil der Suffix xabxa an der
MehrEinführung in die Bioinformatik
Einführung in die Bioinformatik SS 2013 1. Was ist Bioinformatik? Kay Nieselt Integrative Transkriptomik Zentrum für Bioinformatik Tübingen Kay.Nieselt@uni-tuebingen.de Ablauf und Formales Ringvorlesung
MehrModulangebot für das Sommersemester 2019 aus dem Institut für Informatik
MARTIN-LUTHER-UNIVERSITÄT HALLE-WITTENBERG Modulangebot für das Sommersemester 2019 aus dem Institut für Informatik Algorithmen auf Sequenzen I (INF.00893.06) Alle Studienleistungen im Modul Prof. Dr.Ivo
MehrDie Technische Universität München und die Fakultät für Informatik. Julie Mäding
Die und die Fakultät für 1 TUM. Campus Garching Chemie Physik Mathematik Maschinenwesen TUM Institute for Advanced Study Medizintechnik Forschungs- Neutronenquelle 2 Die Bewerbung an der Fakultät für 3
MehrErratum zur Diplomarbeit von Andreas Bender. Korrekturverzeichnis: Kapitel 3.2.2, Seiten 39-46
Erratum zur Diplomarbeit von Andreas Bender Korrekturverzeichnis: Kapitel 3.2.2, Seiten 39-46 3.2.2. Einzelne Aminosäuren in N-terminalen Abschnitten In den Abbildungen 16-22 sind die relativen Aminosäurehäufigkeiten
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 9. Vorlesung Peter Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Invertierte Listen Nutzung vor allem zur Textsuche
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrVORANSICHT II/B3. Retinopathia pigmentosa eine Genmutation verdunkelt langsam die Welt. Der Beitrag im Überblick. Retinopathia pigmentosa Reihe 2 S 1
Reihe 2 S 1 Verlauf Material Retinopathia pigmentosa eine Genmutation verdunkelt langsam die Welt Barbara Jäger, Tuttlingen Häufig wird Retinopathia pigmentosa bereits in der Kindheit bemerkt. Die Kinder
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. Substitutionsmatrizen BLAST. Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Substitutionsmatrizen BLAST Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Substitutionsmatrizen: PAM und BLOSSUM Suche in Datenbanken: Basic Local Alignment Search
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
MehrKapitel 1: Einführung und biologische Grundlagen
Kapitel 1: Einführung und biologische Grundlagen Ziele der Vorlesung n Grundverständnis wichtiger Verfahren zur Datengewinnung Sequenzierung, Microarrayanalyse,... n Klassifizierung von Bio-Datenbanken,
MehrKapitel 1: Einführung und biologische Grundlagen
Kapitel 1: Einführung und biologische Grundlagen Ziele der Vorlesung n Grundverständnis wichtiger Verfahren zur Datengewinnung Sequenzierung, Microarrayanalyse,... Literatur und verwendete Materialien
MehrKapitel 7: Sequenzen- Alignierung in der Bioinformatik
Kapitel 7: Sequenzen- Alignierung in der Bioinformatik VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 19. VO 14. Juni 2007 1 Literatur für diese VO Volker
Mehr