Dot-Matrix Methode. (Java) (Javascript) 80
|
|
- Ingelore Sauer
- vor 6 Jahren
- Abrufe
Transkript
1 Dot-Matrix Methode Vergleich zweier Sequenzen (DNA oder Aminosäuren) Idee: gleiche Basen (Aminosäuren) in x-y Diagramm markieren Sequenz 1: ADRWLVKQN Sequenz 2: ADKFIVRDE (Java) (Javascript) 80
2 Dot-Matrix Methode: Beispiele A D R W L V K Q N A x D x K x F I V x R x D E wenig Info bei kurzen, unähnlichen Sequenzen! 81
3 Conserved protein domains MS2_HUMAN (P7832): human MS2 cell surface antigen MRGLGLWLLGAMMLPAIAPSRPWALMEQYEVVLPRRLPGPRVRRALPSHLGLHPERVSYVLGATGHNFTLHLRKNRDLLG SGYTETYTAANGSEVTEQPRGQDHCLYQGHVEGYPDSAASLSTCAGLRGFFQVGSDLHLIEPLDEGGEGGRHAVYQAEHL LQTAGTCGVSDDSLGSLLGPRTAAVFRPRPGDSLPSRETRYVELYVVVDNAEFQMLGSEAAVRHRVLEVVNHVDKLYQKL NFRVVLVGLEIWNSQDRFHVSPDPSVTLENLLTWQARQRTRRHLHDNVQLITGVDFTGTTVGFARVSAMCSHSSGAVNQD HSKNPVGVACTMAHEMGHNLGMDHDENVQGCRCQERFEAGRCIMAGSIGSSFPRMFSDCSQAYLESFLERPQSVCLANAP DLSHLVGGPVCGNLFVERGEQCDCGPPEDCRNRCCNSTTCQLAEGAQCAHGTCCQECKVKPAGELCRPKKDMCDLEEFCD GRHPECPEDAFQENGTPCSGGYCYNGACPTLAQQCQAFWGPGGQAAEESCFSYDILPGCKASRYRADMCGVLQCKGGQQP LGRAICIVDVCHALTTEDGTAYEPVPEGTRCGPEKVCWKGRCQDLHVYRSSNCSAQCHNHGVCNHKQECHCHAGWAPPHC AKLLTEVHAASGSLPVLVVVVLVLLAVVLVTLAGIIVYRKARSRILSRNVAPKTTMGRSNPLFHQAASRVPAKGGAPAPS RGPQELVPTTHPGQPARHPASSVALKRPPPAPPVTVSSPPFPVPVYTRQAPKQVIKPTFAPPVPPVKPGAGAANPGPAEG AVGPKVALKPPIQRKQGAGAPTAP ADAM_CROAD (P34179): adamalysin II, a metalloprotease from Crotalus adamanteus (Eastern diamondback rattlesnake) venom a zinc protease domain QQNLPQRYIELVVVADRRVFMKYNSDLNIIRTRVHEIVNIINGFYRSLNIDVSLVNLEIWSGQDPLTIQSSSSNTLNSEG LWREKVLLNKKKKDNAQLLTAIEFKCETLGKAYLNSMCNPRSSVGIVKDHSPINLLVAVTMAHELGHNLGMEHDGKDCLR GASLCIMRPGLTPGRSYEFSDDSMGYYQKFLNQYKPQCILNKP 82
4 Exons and introns Emericella (Aspergillus) nidulans calmodulin translatierte Gensequenz (horizontal), gegen sein Genprodukt (vertikal) 83
5 Repeated protein domains Drosophila melanogaster SLIT protein against itself 84
6 Low-complexity regions Plasmodium falciparum serine-repeat antigen protein precursor c.isbsib.ch/java/dotle t/lowcom.html 8
7 Terminators and other stem-loop structures 86
8 Verbesserung der dotplot Methode binäre Information: "x" oder " " besser: "mehr" oder "weniger" ähnlich Gruppen von Aminosäuren mit ähnlichen Eigenschaften bilden bestes Alignment: optimiere Häufigkeit hoher Ähnlichkeit PAM (Percent Accepted Mutation; Dayhoff 1978) - Matrizen: Wahrscheinlichkeit, daß eine Aminosäure eine andere ersetzen kann, wird statistisch berechnet unter Berücksichtigung der Häufigkeit, mit der eine Aminosäure vorkommt. Berücksichtigt wurden 172 Austausche in 71 Gruppen von Proteinsequenzen, die mindestens 8% identische Aminosäuren besitzen. Henikoff & Henikoff (1992): Amino Acid substitution matrices from protein blocks. PNAS 89, Berücksichtigt wurden 2000 Blöcke (alignte Stretches ohne gaps) aus 00 unterschiedlichen Gruppen von Proteinen: BLOSUM-Matrizen 87
9 Berechnung der Elemente der PAM1-Matrix am Beispiel Phe: Dayhoff verwendete alle manuellen Alignments über 8% Identität: diese wiesen 172 Austausche auf (der Rest identisch) bestimmte für jede Aminosäure die Häufigkeit der Mutation zu einer anderen Aminosäure (z.b. Phe zu Tyr: 260 von den 172) Normiert auf Häufigkeiten der Aminosäuren dies ergibt Spalte 1 von Table 3.2 diese Zahlen wurden als relative Mutationsraten interpretiert im Mittel gilt: etwa 99% ist die Wahrscheinlichkeit, dass sich die Aminosäure nicht ändert, und 1%, dass sie sich ändert Eichung gegen andere Daten: in 10 Mio Jahren ist die Wahrscheinlichkeit für die Änderung einer Aminosäure im Mittel 1% über 20 Mio Jahre: PAM2 = PAM1 * PAM1 88
10 woher kommen die BLOSUM62-Werte? 2000 Blöcke (alignte Stretches ohne gaps) aus 00 unterschiedlichen Gruppen von Proteinen BLOSUM62 bedeutet: keine Sequenzen ähnlicher als 62% a) absolute Häufigkeiten der Aminosäuren bestimmen="randhäufigkeiten" b) aus Randhäufigkeiten die zu erwartende zufällige Häufigkeit von Austauschen berechnen c) Quotienten von beobachteten/erwartete Häufigkeiten d) Logarithmen zur Basis 2, dann mit 2 multiplizieren und runden zur nächsten ganzen Zahl 89
11 Blosum62 ( ) A B C D E F G H I K L M N P Q R S T V W X Y Z * A B C D E F G H I K L M N P Q R S T B = either D or N V X = undetermined W X Z = either Q or E 7-4 Y * = minimum column score -4 Z -4 * Sean R Eddy (2004) Where did the BLOSUM62 alignment score matrix come from? Nature Biotechnology 22,
12 Dynamic Programming Ohne gap penalty (zeigt nur Prinzip!): A(i,j) z.b. aus BLOSUM62 Matrix Wenn i=1 oder j=1, setze S(i,j)=A(i,j) Für alle anderen Elemente von S berechne: S(i,j)=A(i,j) + max(s(i-1,j),s(i-1,j-1),s(i,j-1)) falsch S(i,j)=max( S(i-1,j), A(i,j) + S(i-1,j-1), S(i,j-1) ) Backtracking: a) größtes Randelement rechts bzw unten suchen. b) von dort aus zurückverfolgen, wie jeweiliges Element entstanden ist. c) über Deletionen/Insertionen sinnvoll (d.h. anhand A(i,j)) entscheiden 91
13 92 A-Matrix: RWALVK gegen KFIVRD D 2-1 R V I F -1 2 K K V L A W R (numbers from BLOSUM62)
14 S-Matrix: RWALVK gegen KFIVRD R W A L V K K 2-1 F I V 1+2=3 +3=0 +0= +3=1-1+3=2 falsch! 0+2=2 0+1=1 2+2=4 1+4= -1+1=0 3+4=7 4+7=11 +=2 +7=4 +11=9 R +=2-1+2=1 +=3 +11=8 2+11=13 D -4+=1 +2=0-4+3=-1 +8= -1+13=12 gop = 0 ; gep = 0; BLOSUM62 in der Vorlesung war die falsche Formel verwendet worden; die Korrektur für diese Folie ist auf der nächsten! 93
15 S-Matrix: RWALVK gegen KFIVRD R W A L V K K 2-1 F 1+2= I 3-1+3=2 2+3= 3+3=6 6 V 3 0+3=3 4+=9 9 R 9 2+9=11 D 9 11 gop = 0 ; gep = 0; BLOSUM62 Resultat: RWALVK- KF-IVRD 94
16 Verfeinerung des Verfahrens: gap penalty (gp) a) gap opening penalty (gop) b) gap extension penalty (gep) Faustregel: gop = 3* stärkster negativer score der BLOSUM-Matrix gep = stärkster negativer score der BLOSUM-Matrix S(i,j) = A(i,j) + max(s(i-1,j)+gp,s(i-1,j-1),s(i,j-1)+gp) falsch S(i,j) = max( S(i-1,j)+gp, A(i,j) + S(i-1,j-1), S(i,j-1)+gp ) Für jedes (i,j) entscheiden, ob gp=gop oder gp=gep! Damit arbeitet man in der Praxis, d.h. in Programmen. 9
17 S-Matrix mit gap penalty: R W A L V K K 2-1 F 1+2=3 =- 0-1=-1-1= =- I =-6-1+3=2 2-= 3-1=2 =-6 V =-6 0-6=-6 1+2=3 4=1 +2=0 R =-6-1-6=-7-6=-8 +3=0 2+1=3 D -4+=1-6=-8-4-7=-11-8= =-1 gop = -12 ; gep = -4; BLOSUM62 Resultat: RWALVK- -KFIVRD 96
18 Hausaufgabe Prüfen Sie die zwei dynamicprogramming-rechnungen auf Seiten 94 und 96 nach! Überlegen Sie sich eigene Aufgaben, und rechnen Sie diese! 97
19 Algorithmen zur Relation Sequenz-Struktur: Beispiel 1 D. Boyd, C. Schierle, J. Beckwith (1998) How many membrane proteins are there? Protein Science 7, 2010 Problem: "subzelluläre Lokalisation" Lösung: a) Experiment b) "per Auge" Hydrophobizität c) Algorithmus, Lernen, Anwendung (aufbauend auf Klein et al (198) The detection and classification of membranespanning proteins. Biochim Biophys Acta 81: ) 98
20 Hausaufgabe Das paper lesen und sich dazu Gedanken machen! 99
Alignment von DNA- und Proteinsequenzen
WS2012/2013 Genomforschung und Sequenzanalyse - Einführung in Methoden der Bioinformatik- Thomas Hankeln Alignment von DNA- und Proteinsequenzen das vielleicht wichtigste Werkzeug der Bioinformatik! 1
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
MehrMOL.504 Analyse von DNA- und Proteinsequenzen. Modul 2 BLAST-Sequenzsuche und Sequenzvergleiche
MOL.504 Analyse von DNA- und Proteinsequenzen Modul 2 BLAST-Sequenzsuche und Sequenzvergleiche Summary Modul 1 - Datenbanken Wo finde ich die DNA Sequenz meines Zielgens? Wie erhalte ich Info aus der DNA-Datenbank
MehrBLAST. Ausarbeitung zum Proseminar Vortag von Nicolás Fusseder am 24.10.02
BLAST Ausarbeitung zum Proseminar Vortag von Nicolás Fusseder am 24.10.02 BLAST (Basic Local Alignment Search Tool) hat seit seiner Veröffentlichung, von Altschul et al. im Jahre 1990, an großer Relevanz
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
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
MehrAlignment-Verfahren zum Vergleich biologischer Sequenzen
zum Vergleich biologischer Sequenzen Hans-Joachim Böckenhauer Dennis Komm Volkshochschule Zürich. April Ein biologisches Problem Fragestellung Finde eine Methode zum Vergleich von DNA-Molekülen oder Proteinen
MehrExpressionskontrolle in Eukaryonten
Expressionskontrolle in Eukaryonten Warum muss Genexpression kontrolliert werden? 1. Gewebsspezifische Kontrolle - nicht jedes Genprodukt ist in allen Zellen erforderlich - manche Genprodukte werden ausschliesslich
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
MehrBio Data Management. Kapitel 5a Sequenzierung und Alignments
Bio Data Management Kapitel 5a Sequenzierung und Alignments Sommersemester 2013 Anika Groß Universität Leipzig, Institut für Informatik, Abteilung Datenbanken http://dbs.uni-leipzig.de Vorläufiges Inhaltsverzeichnis
MehrFrom gene to 3D model
From gene to 3D model Ein neues Gen, was nun? 1. Database search 2. Mitglied einer Proteinfamilie spezifische Domänen 3. Gibt es Hinweise auf die Funktion, Lokalisierung 4. Expression des Gens 5. Modeling
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. Zeichenketten und Stringalgorithmen. Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Zeichenketten und Stringalgorithmen Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Warum Stringmatching? Strings und Matching Naiver Algorithmus Ulf Leser: Bioinformatik
MehrBio Data Management. Kapitel 5a Sequenzierung und Alignments
Bio Data Management Kapitel 5a Sequenzierung und Alignments Wintersemester 2014/15 Dr. Anika Groß Universität Leipzig, Institut für Informatik, Abteilung Datenbanken http://dbs.uni-leipzig.de Vorläufiges
MehrVL 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
MehrBLAST Basic Local Alignment Search Tool
BLAST Basic Local Alignment Search Tool Martin Winkels 21.12.2012 wissen leben WWU Münster Institut für Medizinische Informatik Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis 1 Einleitung 2 2
MehrAlgorithms and Hardness Results for DNA Physical Mapping, Protein Identification, and Related Combinatorial Problems
Diss. ETH No. 15258, 2003 Algorithms and Hardness Results for DNA Physical Mapping, Protein Identification, and Related Combinatorial Problems A dissertation submitted to the Swiss Federal Institute of
Mehr8. Translation. Konzepte: Translation benötigt trnas und Ribosomen. Genetischer Code. Initiation - Elongation - Termination
8. Translation Konzepte: Translation benötigt trnas und Ribosomen Genetischer Code Initiation - Elongation - Termination 1. Welche Typen von RNAs gibt es und welches sind ihre Funktionen? mouse human bacteria
MehrStatistische Verfahren:
Statistische Verfahren: Hidden-Markov-Modelle für Multiples Alignment Stochastic Context-Free Grammars (SCFGs) für RNA-Multiples Alignment Übersicht 1 1. Hidden-Markov-Models (HMM) für Multiples Alignment
MehrVorkurs Mathematik für Informatiker 3 Logarithmen
3 Logarithmen Michael Bader, Thomas Huckle, Stefan Zimmer 1. 9. Oktober 2008 Kap. 3: Logarithmen 1 Logarithmen: Definition Definition: Zu x > 0 und b > 0, b 1 sei der Logarithmus von x zur Basis b folgende
MehrBioinformatik an der FH Bingen
Bioinformatik an der FH Bingen Prof. Dr. Antje Krause 05.11.2010 Wie alles begann... 1955 erste Proteinsequenz (nach 12 Jahren Arbeit) veröffentlicht (Insulin vom Rind) Frederick Sanger MALWTRLRPLLALLALWPPPPA
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
MehrBioinformatik. Dynamische Programmierung. Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Dynamische Programmierung Ulf Leser Wissensmanagement in der Bioinformatik Motivation BLAST / FASTA und Verwandte sind *die* Bioinformatik Anwendung Teilweise synonym für Bioinformatik rundlegende
MehrVorlesung Einführung in die Bioinformatik
Vorlesung Einführung in die Bioinformatik Organisatorische Hinweise Dr. Uwe Scholz 07.04.2014 Informationen Uwe Scholz: scholz@ipk-gatersleben.de Lothar Altschmied: lothar@ipk-gatersleben.de Christian
MehrPartielle Sequenzinformation
Analyse der Sequenz Traditionell: Bestimmung einer Teilsequenz, Herstellung einer DNA-Sonde, Klonierung des Gens oder der cdna, Sequenzierung der DNA Keine Information zu PTM Limitiert: Isoformen Heute:
MehrLuke Alphey. DNA-Sequenzierung. Aus dem Englischen übersetzt von Kurt Beginnen. Spektrum Akademischer Verlag
Luke Alphey DNA-Sequenzierung Aus dem Englischen übersetzt von Kurt Beginnen Spektrum Akademischer Verlag Inhalt Abkürzungen 11 Vorwort 15 Danksagung 16 Teil 1: Grundprinzipien und Methoden 1. 1.1 1.2
MehrDATENQUALITÄT IN GENOMDATENBANKEN
DATENQUALITÄT IN GENOMDATENBANKEN Alexander Fehr 28. Januar 2004 Gliederung Motivation Biologische Grundkonzepte Genomdaten Datenproduktion und Fehler Data Cleansing 2 Motivation (1) Genomdatenbanken enthalten
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Biologische Daten als Strings Ulf Leser Wissensmanagement in der Bioinformatik Ziele für heute Wert von Reduktionismus: Genome als Strings Reinschmecken in Stringmatching Erster
MehrArchivierung von NGS-Daten Artefaktsammlung oder Datenschatz? Michael Nothnagel
Archivierung von NGS-Daten Artefaktsammlung oder Datenschatz? Michael Nothnagel Christian-Albrechts-Universität zu Kiel Next-Generation Sequencing (NGS) Nach Sanger Sequencing (1977) zweite Generation
Mehr05_10_Genes_info.jpg
Übertragung der Information von DNA auf RNA - Transkription von RNA auf Protein - Translation Übertragung der Information vom Gen auf Protein 05_10_Genes_info.jpg 1 Figure 6-2 Molecular Biology of the
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Hidden-Markov-Modelle Viterbi - Algorithmus Ulf Leser Wissensmanagement in der Bioinformatik Inhalt der Vorlesung Hidden Markov Modelle Baum, L. E. and Petrie, T. (1966). "Statistical
Mehr16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
MehrOrganisatorisches. Unit1: Intro and Basics. Bewertung. About Me.. Datenorientierte Systemanalyse. Gerhard Wohlgenannt
Organisatorisches Datenorientierte Systemanalyse Unit1: Intro and Basics Gerhard Wohlgenannt Inhalt: Datenorientierte Systemanalyse Umfang: 5 units XX.10.2013 XX.11.2013 09:00-13:30 Uhr Room XXX Infos,
MehrEinführung in die Software-Umgebung
Ortsbezogene Anwendungen und Dienste WS2011/2012 Einführung in die Software-Umgebung Die Software-Umgebung Zentrale Postgres-Datenbank mit Geodaten von OpenStreetMap: Deutschland: 13 mio. Datensätze Topologie-Informationen
MehrBioinformatik. Zeichenketten und Stringalgorithmen. Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Zeichenketten und Stringalgorithmen Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Warum Stringmatching? Strings und Matching Naiver Algorithmus Ulf Leser: Algorithmische
MehrIhre Matrikel Nummer: Ihre Unterschrift
Name, Vorname Ihre Matrikel Nummer: Ihre Unterschrift Ihre Klausur Informatik U2 SS 2010 am 30. Juli 2010 Dipl. Inform. (FH) Heidi HannaH Daudistel Bearbeitungszeit: 90 Minuten Die Klausur besteht aus
MehrEinführung in die Mathematik für Volks- und Betriebswirte
Einführung in die Mathematik für Volks- und Betriebswirte Von Prof. Dr. Heinrich Bader und Prof. Dr. Siegbert Fröhlich Mit 45 A bbildungen 8. A uflage R. Oldenbourg Verlag München Wien INHALTSVERZEICHNIS
MehrDrexler G.A. 1, Derer A 1, Dirks W.G. 2, Hable V. 3, Greubel C. 3, Burgdorfer C. 3, Dollinger G. 3, Du G. 4, Friedl A.A. 1
Nutzung von bi-cistronischen Vektoren für die Beobachtung der Rekrutierung von Signal- und Reparaturproteinen an DNA-Schäden nach Ionen- Mikrobestrahlung durch Live-Cell Imaging Drexler G.A. 1, Derer A
MehrBioinformatik Statistik und Analyse mit R 22.05.2009-1 -
Bioinformatik Statistik und Analyse mit R 22.05.2009-1 - Definition: Bioinformatik Die Bioinformatik http://de.wikipedia.org/wiki/bioinformatik (englisch bioinformatics, auch computational biology) ist
MehrProteinaufreinigung und - gewinnung
Proteinaufreinigung und - gewinnung 1-Vorlesung Ursula Rinas Protein purification Recombinant or natural Protein for research or for sale (one-time or repetitive purification) Usage (therapeutic protein
MehrMächtigkeit von WHILE-Programmen
Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
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,
MehrEntwurf von Algorithmen - Kontrollstrukturen
Entwurf von Algorithmen - Kontrollstrukturen Eine wichtige Phase in der Entwicklung von Computerprogrammen ist der Entwurf von Algorithmen. Dieser Arbeitsschritt vor dem Schreiben des Programmes in einer
MehrSoftware Echtzeitverhalten in den Griff Bekommen
Software Echtzeitverhalten in den Griff Bekommen B.Sc.Markus Barenhoff [www.embedded-tools.de] Dr. Nicholas Merriam [www.rapitasystems.com] Übersicht Reaktionszeit Nettolaufzeit Optimierung Worst-Case
MehrWichtige Themen aus der Vorlesung Bioinformatik II SS 2014
Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Hans-Peter Lenhof M. Sc. Daniel Stöckel M. Sc. Patrick Trampert M. Sc. Lara Schneider Wichtige Themen aus der Vorlesung Bioinformatik II SS 2014 Hinweis:
MehrGrundlagen der Informatik Übungen 1.Termin
: : : : : : : : : : : : : : : : : : : : : : Grundlagen der Informatik Übungen 1.Termin Dipl.-Phys. Christoph Niethammer Grundlagen der Informatik 2012 1 : : : : : : : : : : : : : : : : : : : : : : Kontakt
MehrInformationsmaterial Resistenz gegen HIV Recherche und Analyse molekularer Daten
1 Informationsmaterial Resistenz gegen HIV Recherche und Analyse molekularer Daten (inkl. Anleitungen zur Recherche von Sequenzen mit GenBank und zur Analyse mit GeneDoc) In der Computer-basierten Version
MehrAlgorithmen auf Sequenzen 12.04.2010
Algorithmen auf Sequenzen 12.04.2010 Prof. Dr. Sven Rahmann 1 Team Prof. Dr. Sven Rahmann Dipl.-Inform Tobias Marschall (Skript) Zeit Mo 8:30-10; Übungen Mi 8:30-10 ca. alle 2 Wochen (Plan!) Ort OH14,
MehrDie Suche nach Genen in Bakteriengenomen. BWInf-Workshop 22.-23. März 2011. Prof. Dr. Sven Rahmann AG Bioinformatik Informatik XI, TU Dortmund
Die Suche nach Genen in Bakteriengenomen BWInf-Workshop 22.-23. März 2011 Prof. Dr. Sven Rahmann AG Bioinformatik Informatik XI, TU Dortmund 1 Bioinformatik was ist das? Aufgabe: Analyse (molekular)biologischer
MehrEvidence of strobilurine resistant isolates of A. solani and A. alternata in Germany
Technische Universität München Evidence of strobilurine resistant isolates of A. solani and A. alternata in Germany H. Hausladen, B. Adolf and J. Leiminger outline introduction material and methods results
MehrParallele Algorithmen mit OpenCL. Universität Osnabrück, Henning Wenke, 2013-05-08
Parallele Algorithmen mit OpenCL Universität Osnabrück, Henning Wenke, 2013-05-08 Aufräumen Ressourcen in umgekehrter Abhängigkeitsreihenfolge freigeben Objekte haben Reference-Count (RC), initial 1 clrelease
MehrProteinstrukturklassen α-helikale Proteine
Proteinstrukturklassen α-helikale Proteine Wintersemester 2011/12 Peter Güntert Domäne Modul Faltung Domäne (domain): Polypeptidkette (oder Teil davon), die unabhängig in eine stabile, kompakte Tertiärstruktur
MehrBioinformatik für Biochemiker
Bioinformatik für Biochemiker Oliver Kohlbacher, Steffen Schmidt SS 2010 3. Strings, Sequenzen und Python Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Übersicht Strings
MehrExercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1
Exercise (Part II) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All
MehrArten der Intronen. Spliceosome Struktur des snrnp U1. Spliceosome. Vorlesung 3: Evolution des eukaryotischen Genoms 4/20/11
Vorlesung 3: Evolution des eukaryotischen Genoms Struktur des eukaryotischen Gens Intronen und Exonen Genduplikation--Familien des Gens Eiweißdomänen (Protein domains) Domänen und Exonen: sind sie verwandt?
MehrWas ist Bioinformatik?
9. Kurstag: Bioinformatik Der Begriff "Bioinformatik" wurde 1989 erstmals von D.R. Masys im JOURNAL OF RESEARCH OF THE NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY erwähnt. Was ist Bioinformatik? Die
Mehr1. Beschriften Sie in der Abbildung die verschiedenen Bereiche auf der DNA und beschreiben Sie ihre Funktion! nicht-codogener Strang.
ARBEITSBLATT 1 Transkription 1. Beschriften Sie in der Abbildung die verschiedenen Bereiche auf der DNA und beschreiben Sie ihre Funktion! Bindungsstelle für RNA-Polymerase RNA-Polymerase nicht-codogener
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Wintersemester 2015 / 2016 Master: 10 SP Modul Ulf Leser Wissensmanagement in der Bioinformatik Ziele für heute Lust auf das Thema machen Gefühl für Rasanz der Entwicklung
MehrNachlese zu den Referaten
Nachlese zu den Referaten Referate Die Themen Phylogenie Aminosäurematrizen für die Eukaryontenphylogenie Ansätze für die Prokaryontenphylogenie Vergleichende Sequenzierung Spezieswahl zur Informationsoptimierung
MehrShock pulse measurement principle
Shock pulse measurement principle a [m/s²] 4.0 3.5 3.0 Roller bearing signals in 36 khz range Natural sensor frequency = 36 khz 2.5 2.0 1.5 1.0 0.5 0.0-0.5-1.0-1.5-2.0-2.5-3.0-3.5-4.0 350 360 370 380 390
Mehrhttp://login-38.hoststar.ch/user/web146/awstats.php?month=06&year=2014&output=...
Statistik für web146 (-06) - main http://login-38.hoststar.ch/user/web146/awstats.php?month=06&year=&output=... Page 1 of 5 02.07. Statistik für: web146 Zuletzt aktualisiert: 01.07. - 17:27 Zeitraum: Juni
MehrAll Motorola Europe, Middle East & Africa Approved Channel Partners
To: Re: All Motorola Europe, Middle East & Africa Approved Channel Partners Information über Motorola Cenelec/ATEX Akkus der GP900,GP1200, MTS 2000 EX-Geräte (Martin Rogat, EMEA Product Manager ) Diese
MehrAlgorithmische Bioinformatik
lgorithmische Bioinformatik Stringalignment Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung pproximative Stringvergleiche Dotplots Edit-bstand und lignment Naiver lgorithmus Ulf
MehrVorlesung Grundlagen der Bioinformatik Sommersemester 2008. Dozent: Prof. Daniel Huson
Grundlagen der Bioinformatik, SS 08, D. Huson, April 21, 2008 1 1 Einführung Vorlesung Grundlagen der Bioinformatik Sommersemester 2008 Dozent: Prof. Daniel Huson Sprechstunde: Do 17-18 und n.v. (Sand
MehrHIR Method & Tools for Fit Gap analysis
HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrMolecular Farming-Produktion von therapeutischen Eiweißen in Pflanzen
Molecular Farming-Produktion von therapeutischen Eiweißen in Pflanzen Zellbiologische und methodische Grundlagen Spinnenseidenproteine aus Pflanzen Vogelgrippevakzine aus Pflanzen Therapeutische antibakterielle
MehrMolekulare Mechanismen der Signaltransduktion. 06 - Kartierung des AXR1 Gens + early auxin-induced genes Folien: http://tinyurl.
Molekulare Mechanismen der Signaltransduktion 06 - Kartierung des AXR1 Gens + early auxin-induced genes Folien: http://tinyurl.com/modul-mms bisheriges Modell auxin auxin AXR1 auxin response AXR1 potentieller
Mehr3. Speicherhierarchie und Speicherop0mierung AlDaBi Prak0kum
3. Speicherhierarchie und Speicherop0mierung AlDaBi Prak0kum David Weese WS 2010/11 Speicherhierarchie Inhalt Speicherop8mierung Bemerkungen zur P- Aufgabe SPEICHERHIERARCHIE Folien z.t. aus VL Programmierung
MehrDatenbankanwendung. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2014/15. smichel@cs.uni-kl.de
Datenbankanwendung Wintersemester 2014/15 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de Wiederholung: Anfragegraph Anfragen dieses Typs können als Graph dargestellt werden: Der
MehrHerausforderung globaler Governance. Sebastian Unger Institute for Advanced Sustainability Studies e.v. (IASS)
Nachhaltige Entwicklung im Meer -eine Herausforderung globaler Governance Sebastian Unger Institute for Advanced Sustainability Studies e.v. (IASS) 1 Nutzungsdruck auf das Meer nimmt zu Source: Review
MehrEvolution II. Molekulare Variabilität. Bachelorkurs Evolutionsbiolgie II WS 2013/14
Evolution II Molekulare Variabilität Bachelorkurs Evolutionsbiolgie II WS 2013/14 Molekulare Variabilität 1) rten der molekularen Variabilität und ihre Entstehung (rten der Mutation) 2) Wie kann man molekulare
MehrStammzellenmanipulation. Stammzellen können in Zellkultur manipuliert werden
Stammzellenmanipulation Hämatopoietische Stammzellen können gebraucht werden um kranke Zellen mit gesunden zu ersetzen (siehe experiment bestrahlte Maus) Epidermale Stammzellpopulationen können in Kultur
MehrKryptografische Algorithmen
Kryptografische Algorithmen Lerneinheit 2: Kryptoanalyse klassischer Kryptosysteme Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2015/2016 21.9.2015 Einleitung Inhalt
MehrGrundlagen der Informatik Übungen 1. Termin Zahlensysteme
Grundlagen der Informatik Übungen 1. Termin Zahlensysteme M. Sc. Yevgen Dorozhko dorozhko@hlrs.de Kurzvorstellung M. Sc. Yevgen Dorozhko Ausbildung: 2008: M. Sc. Systemprogrammieren, Nationale technische
MehrKap 4: Abbildung des E/R Modells auf das relationale Modell. Entity steht in Bez. Anzahl der a A r b B
Kap 4: Abbildung des E/R Modells auf das relationale Modell Verfeinerung von Beziehungsarten Entity steht in Bez. Anzahl der a A r b B 1 = 1 0 1 1 Kap. 4.1 Abbildung von Entities Entity-Schema Relationenschema
MehrImplementierung eines N-Queens-Solvers mit koronaler Vorbesetzung
Implementierung eines N-Queens-Solvers mit koronaler Vorbesetzung Presentation zum Lehrstuhlseminar Benedikt Reuter Dresden, 08.02.2015 Betreuer: Dr.-Ing. Thomas B. Preußer Gliederung 1. Einleitung 2.
MehrAnabole Prozesse in der Zelle
Anabole Prozesse in der Zelle DNA Vermehrung RNA Synthese Protein Synthese Protein Verteilung in der Zelle Ziel: Zellteilung (Wachstum) und Differenzierung (Aufgabenteilung im Organismus). 2016 Struktur
MehrScrum @FH Biel. Scrum Einführung mit «Electronical Newsletter» FH Biel, 12. Januar 2012. Folie 1 12. Januar 2012. Frank Buchli
Scrum @FH Biel Scrum Einführung mit «Electronical Newsletter» FH Biel, 12. Januar 2012 Folie 1 12. Januar 2012 Frank Buchli Zu meiner Person Frank Buchli MS in Computer Science, Uni Bern 2003 3 Jahre IT
Mehr1. Definition und Mechanismen
Zusammenfassung 1. Definition und Mechanismen Epigenetik (von griechisch epi- über ) bezeichnet erbliche Veränderungen in der Genexpression, die nicht von Veränderungen in der DNA Sequenz (Mutationen)
MehrGDV III - Geometric Computing detaillierterer Überblick 20.10.08 Dr. Dietmar Hildenbrand
GDV III - Geometric Computing detaillierterer Überblick 20.10.08 Dr. Dietmar Hildenbrand Interactive Graphics Systems Group (GRIS) Technische Universität Darmstadt Heutige Themen Überblick über Ray-Tracer
MehrMolekulare Mechanismen der Signaltransduktion
Molekulare Mechanismen der Signaltransduktion 07 - Identifizierung von ARF1 + Hinweise für Vorträge Folien: http://tinyurl.com/modul-mms http://www.pnas.org/content/111/14/5427/f1.large.jpg neues Modell
MehrDas bhv Taschenbuch. bhv. Winfried Seimert. OpenOffice 3.3. Über 600 Seiten 19,95 (D) mit CD-ROM
bhv Das bhv Taschenbuch Winfried Seimert OpenOffice 3.3 Über 600 Seiten 19,95 (D) mit CD-ROM Inhaltsverzeichnis 5 Inhaltsverzeichnis Einleitung 13 Aufbau des Buches 15 Die Daten 16 Teil I: Installation
MehrEDV-Fortbildung Kombi-Schulung Word-Excel 2010. Modul Excel. Informationen zum Programm. Die Programmoberfläche von Excel
EDV-Fortbildung Kombi-Schulung Word-Excel 2010 Modul Excel Informationen zum Programm Microsoft Excel ist das meistverbreitete Programm zur Tabellenkalkulation. Excel bietet sich für umfangreiche, aber
MehrDiagnostik der angeborenen Hämoglobinopathien
Diagnostik der angeborenen Hämoglobinopathien mit Massenspektrometrie Mag. Ostermann Katharina Medical University of Vienna Department of Pediatrics and Adolescent Medicine Research Core Unit Pediatric
MehrMaschinelles Lernen in der Bioinformatik
Maschinelles Lernen in der Bioinformatik Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) VL 2 HMM und (S)CFG Jana Hertel Professur für Bioinformatik Institut für Informatik
Mehr4. Relationen. Beschreibung einer binären Relation
4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B
MehrPageRank-Algorithmus
Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.
MehrIm Original veränderbare Word-Dateien
Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik
MehrAlgorithmen mit Python
Algorithmen mit Python Vorbesprechung zum Proseminar im Sommersemester 2009 http://www.python.org 1 Sie lernen in DAP Java und C/C++: 80% Syntax, 20% Algorithmen-Design Idee Schon ein einfaches Hello World
MehrSortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1
Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal
MehrDNA Replikation ist semikonservativ. Abb. aus Stryer (5th Ed.)
DNA Replikation ist semikonservativ Entwindung der DNA-Doppelhelix durch eine Helikase Replikationsgabel Eltern-DNA Beide DNA-Stränge werden in 5 3 Richtung synthetisiert DNA-Polymerasen katalysieren die
MehrKapitel 3: Problemformulierungen in der KI. oder das Problem ist die halbe Lösung
Kapitel 3: Problemformulierungen in der KI oder das Problem ist die halbe Lösung Lernziele: eine Struktur für die Definition eines problemlösenden Agenten kennen die wichtige Rolle von Abstraktionen in
MehrEin Vergleich von Methoden für Multi-klassen Support Vector Maschinen
Ein Vergleich von Methoden für Multi-klassen Support Vector Maschinen Einführung Auf binären Klassifikatoren beruhende Methoden One-Against-All One-Against-One DAGSVM Methoden die alle Daten zugleich betrachten
MehrVisuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen
Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Abschlussvortrag zur Diplomarbeit von Jörg Karpf Graphische Datenverarbeitung, Institut für Informatik 3. September 2009
MehrÜbungsblatt Molekularbiologie und Genetik für Studierende der Bioinformatik II 1. Übung
Übungsblatt Molekularbiologie und Genetik für Studierende der Bioinformatik II 1 Name des Studierenden: Datum: Einführung Übung Bitte bereiten Sie folgende Probleme vor der Übung am Mittwoch. Die Klausur
MehrKlassische Themen der Computerwissenschaft Constraint Programming: Exercises. Gruppe: 100. Inhaltsverzeichnis
Klassische Themen der Computerwissenschaft Constraint Programming: Exercises Gruppe: 100 Inhaltsverzeichnis 1 Exercise 1 1 2 Exercise 2 2 2.1 Backtracking........................... 2 2.2 Forward checking.........................
MehrACHEMA 2012 Trendbericht: Erweiterung der Produktpalette in Therapie und Diagnostik
ACHEMA 2012 Trendbericht: Erweiterung der Produktpalette in Therapie und Diagnostik www.achema.de Die Anzahl von Proteinen und Enzymen, die zu therapeutischen oder immunisierenden Zwecken eingesetzt werden,
Mehr