Threading - Algorithmen
|
|
- Mareke Wetzel
- vor 7 Jahren
- Abrufe
Transkript
1 Threading - Algorithmen Florian Lindemann Florian Lindemann () Threading - Algorithmen / 25
2 Gliederung 1 Prospect Scoring Function Algorithmus Weitere Eigenschaften Komplexität Ergebnisse 2 Prospect II 3 Raptor 4 Fazit Florian Lindemann () Threading - Algorithmen / 25
3 PROtein Structure Prediction and Evaluation Computer Toolkit Threading System/Algorithmus, vorgestellt 2000 Findet globales Threading-Alignment zwischen Target-Sequenz und Template Kombiniert Sequenz, Struktur und evolutionäre Informationen Divide & Conquer als Grundlage für Algorithmus Florian Lindemann () Threading - Algorithmen / 25
4 Florian Lindemann () Threading - Algorithmen / 25
5 Scoring Function E total = ω mutate E mutate + ω single E single + ω pair E pair + ω gap E gap Berechnet Maß zur Alignment-Bewertung Basiert auf statistischen Daten aus Datenbanken Florian Lindemann () Threading - Algorithmen / 25
6 Scoring Function E mutate = e mutate (a 1 ; a 2 ) a 1 = Template-Aminosäure a 2 = Target-Aminosäure Werte aus PAM250-Matrix. Florian Lindemann () Threading - Algorithmen / 25
7 Scoring Function E single = e single (a; s; t) a = Target-Aminosäure s = Sekundärstruktur im Template t = solvent accessibility Präferenz einer Aminosäure a in einer Sekundärstruktur s vorzukommen. Florian Lindemann () Threading - Algorithmen / 25
8 Scoring Function E pair = e pair (a 1 ; a 2 ) a 1 = Template-Aminosäure a 2 = Target-Aminosäure Kontaktpotential zwischen zwei Aminosäuren (max. 7Å Abstand der C β -Atome) Florian Lindemann () Threading - Algorithmen / 25
9 Scoring Function E gap = e gap (g) e gap = (g 1) Bestrafung für ein Gap der Länge g. Florian Lindemann () Threading - Algorithmen / 25
10 Scoring Function E total = ω mutate E mutate + ω single E single + ω pair E pair + ω gap E gap ω xxx Variable Gewichtungen, durch Trainingsets bestimmt Ziel = Alignment mit kleinstem Score wird gesucht Florian Lindemann () Threading - Algorithmen / 25
11 Algorithmus Divide&Conquer: Template aufteilen Sekundärstrukturkerne als kleinste Sub-Templates Baumstruktur Florian Lindemann () Threading - Algorithmen / 25
12 Algorithmus Florian Lindemann () Threading - Algorithmen / 25
13 Algorithmus Florian Lindemann () Threading - Algorithmen / 25
14 Algorithmus Für jede Substruktur wird Alignment berechnet Problem: Kontaktpotentiale können nicht berechnet werden Lösung: Alle möglichen Alignments werden in betracht gezogen Substruktur-Baum wird von unten nach oben abgearbeitet Florian Lindemann () Threading - Algorithmen / 25
15 Algorithmus Florian Lindemann () Threading - Algorithmen / 25
16 Weitere Eigenschaften Prospect lässt weitere Eigenschaften des Targets zu: Disulfid-Brücken Active Sites NOE distance restraints Geometrische Einschränkungen Reste mit zusätzlichen Eigenschaften werden nur an Positionen aligniert, die diese Eigenschaften auch erfüllen. Florian Lindemann () Threading - Algorithmen / 25
17 Komplexität mn + M n T C N T C/2 m = Länge der Templatesequenz n = Länge der Targetsequenz M = Anzahl der Sekundärstrukturkerne N = Maximaler Längenunterschied zweier Loops TC = Topologische Komplexität Florian Lindemann () Threading - Algorithmen / 25
18 Ergebnisse Florian Lindemann () Threading - Algorithmen / 25
19 Ergebnisse Findet optimales Alignment Super-Family-Set: Gute Ergebnisse Fold-Family-Set: Signifikant schlechter bei gleicher Identität Nicht flexibel genug Alignment-Ergebnis beschreibt nicht Signifikanz Florian Lindemann () Threading - Algorithmen / 25
20 II Änderungen Evolutionäre Daten neu berechnet Algorithmus zweigeteilt: a) Dynamic Programming ohne Kontaktpotentiale b) Einbeziehen der Kontaktpotentiale Aussage zur Verlässlichkeit der Vorhersage verbessert durch Einbeziehen von z-scores Florian Lindemann () Threading - Algorithmen / 25
21 II CASP3 Ergebnisse Florian Lindemann () Threading - Algorithmen / 25
22 RAPTOR Evolutionäre Daten wie in Prospect II Linearer Programmieransatz Berechnungszeit wächst langsamer Speicherverbrauch überschaubarer Florian Lindemann () Threading - Algorithmen / 25
23 Fazit Als Vergleichsmöglichkeit Implementierung möglich Ausgangspunkt für eigene Ideen Benutzen bei niedriger Sequenzidentität Florian Lindemann () Threading - Algorithmen / 25
24 Florian Lindemann () Threading - Algorithmen / 25
25 Literatur I Guo J. Ellrott K. Kim D., Xu D. and Xu Y. Prospect ii: protein structure prediction program for genome-scale applications. Protein Engineering, 16: , J. Xu and M. Li. Raptor: Optimal protein threading by linear programming. Journal of Bioinformatics and Computational Biology, 1:95 117, Xu Y. and Xu D. Protein threading using prospect: Design and evaluation. PROTEINS: Structure, Function, and genetics, 40: , Florian Lindemann () Threading - Algorithmen / 25
Comperative 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
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,
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-
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:
MehrBioinformatik für Biochemiker
Bioinformatik für Biochemiker Oliver Kohlbacher WS 2009/2010 12. Threading Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard-Karls-Universität Tübingen Gliederung Begriffe und Definitionen Faltungsklassen
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
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.
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
MehrMM Proteinmodelling. Michael Meyer. Vorlesung XVII
Proteinmodelling Vorlesung XVII Proteinstrukturen Es besteht ein sehr großer Bedarf an Proteinstrukturen: Die Kenntnis der 3D-Struktur hat große Vorteile für das Design neuer Wirkstoffe. Experimentelle
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 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...............................
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
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?
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
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
MehrAbbildung (mapping) bekannter Strukturen auf 3 Dimensionen. Hou J, Jun SR, Zhang C, Kim SH. Proc Natl Acad Sci U S A. (2005) 102:
Abbildung (mapping) bekannter Strukturen auf 3 Dimensionen Hou J, Jun SR, Zhang C, Kim SH. Proc Natl Acad Sci U S A. (2005) 102:3651-3656 167 empirisch: Sequenz - Struktur Chothia & Lesk (1986) EMBO J
MehrAlgorithmen und Datenstrukturen in der Bioinformatik Drittes Übungsblatt WS 05/06 Musterlösung
Konstantin Clemens Johanna Ploog Freie Universität Berlin Institut für Mathematik II Arbeitsgruppe für Mathematik in den Lebenswissenschaften Algorithmen und Datenstrukturen in der Bioinformatik Drittes
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
MehrAlgorithmen zum Strukturvergleich Strukturelle Bioinformatik WS16/17
Algorithmen zum Strukturvergleich Strukturelle Bioinformatik WS16/17 Dr. Stefan Simm, 01.11.2016 simm@bio.uni-frankfurt.de Strukturvergleich, -alignment und -superposition SPEZIFIKATION DES PROBLEMS Detailgrad
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
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
MehrMBI: Sequenz-Vergleich mit Alignment
MBI: Sequenz-Vergleich mit Alignment Bernhard Haubold 28. Oktober 2014 Wiederholung: Was ist Bioinformatik? Historische Übersicht; CABIOS Bioinformatics Gemeinsames Thema: Information in vivo DNA Epigenetik
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
MehrBioinformatik. Methoden zur Vorhersage vo n RNA- und Proteinstrukture n. Gerhard Steger
Bioinformatik Methoden zur Vorhersage vo n RNA- und Proteinstrukture n Gerhard Steger Vorwort ix Strukturvorhersage von Nukleinsäuren 1 Struktur und Funktion von RNA 3 1.1 RNA-Struktur fl 1.2 Thermodynamik
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
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
MehrEinführung in die Bioinformatik: Lernen mit Kernen
Einführung in die Bioinformatik: Lernen mit Kernen Dr. Karsten Borgwardt Forschungsgruppe für Maschinelles Lernen und Bioinformatik Max-Planck-Institut für Intelligente Systeme & Max-Planck-Institut für
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
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 06. Paarweises Alignment Teil II Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Übersicht
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
MehrBioinformatik für Biochemiker
Bioinformatik für Biochemiker Oliver Kohlbacher WS 2009/2010 13. Ab-initio-Vorhersage Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Gliederung Ab-Initio-Vorhersage
MehrMikroRNA-Bioinformatik. Annalisa Marsico High-throughput Genomics, FU Berlin
MikroRNA-Bioinformatik Annalisa Marsico High-throughput Genomics, FU Berlin 07.12.2016 Lernziele Einführung in die Welt der nicht-kodierenden RNAs Inbesondere mikrorna Molekulare Funktionen von micrornas
MehrPrimärstruktur. Wintersemester 2011/12. Peter Güntert
Primärstruktur Wintersemester 2011/12 Peter Güntert Primärstruktur Beziehung Sequenz Struktur Proteinsequenzen, Sequenzdatenbanken Sequenzvergleich (sequence alignment) Sequenzidentität, Sequenzhomologie
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
MehrAufgabenblatt 5. Silke Trißl Wissensmanagement in der Bioinformatik
Aufgabenblatt 5 Silke Trißl Wissensmanagement in der Bioinformatik Zuerst! FRAGEN? Silke Trißl: Bioinformatik für Biophysiker 2 Exercise 1 + 2 Modify program to compare protein sequence read substitution
MehrProseminar Bioinformatik
Proseminar Bioinformatik Thema Algorithmic Concepsts for Searching in Biological Databases von Uwe Altermann 30.05.2009 1 Einführung Im Folgenden soll ein Überblick über die verschiedenen algorithmischen
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........................
MehrGleichheit, Ähnlichkeit, Homologie
Gleichheit, Ähnlichkeit, Homologie Identität (identity) Verhältnis der Anzahl identischer Aminosäuren zur Gesamtzahl der Aminosäuren; objektiv Ähnlichkeit (similarity) Verhältnis ähnlicher Aminosäuren
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
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
MehrProteine V: Flexibilität. Funktion und Struktur Dynamik marginale Stabilität Abbau
Proteine V: Flexibilität Funktion und Struktur Dynamik marginale Stabilität Abbau 135 Flexibilität: Experiment und Rechnung NMR: mehrere Modelle X-ray: Temperaturfaktoren Molekulardynamik: löse Newton'sche
MehrAnwendungen dynamischer Programmierung in der Biologie
Anwendungen dynamischer Programmierung in der Biologie Überblick Algorithmus zum Finden der wahrscheinlichsten Sekundärstruktur eines RNS Moleküls Sequence Alignment Verbesserung von Sequence Alignment
Mehr3.2. Divide-and-Conquer-Methoden
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE 3.2. Divide-and-Conquer-Methoden Divide-and-Conquer-Methoden Einfache Sortieralgorithmen reduzieren die Größe des noch
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Effiziente Berechnung des Editabstands Dynamische Programmierung Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Rekursive Definition des Editabstands
MehrÜbungsaufgaben. Aufbau und Konformation von Polypeptiden. Einführung in die räumliche Struktur von Proteinen
Computergestützte Strukturbiologie (Strukturelle Bioinformatik) SS09 P. Güntert Übungsaufgaben Aufbau und Konformation von Polypeptiden 1. Warum haben Proteine im Unterschied zu DNA komplizierte und vielfältige
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
MehrProtein-Protein Bindungsstellen. Lennart Heinzerling
Protein-Protein Bindungsstellen Lennart Heinzerling 1 Worum geht es in den nächsten 45 Minuten? Auffinden von Protein- Protein Komplexen aus einer großen Menge potentieller Komplexe z.b. für -Interaction
MehrWichtige Themen aus der Vorlesung Bioinformatik II SS 2016
Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Hans-Peter Lenhof M. Sc. Daniel Stöckel M. Sc. Lara Schneider M. Sc. Tim Kehl I Wichtige Themen aus der Vorlesung Bioinformatik II SS 2016 Hinweis:
MehrWichtige Themen aus der Vorlesung Bioinformatik II SS 2017
I Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Hans-Peter Lenhof M. Sc. Tim Kehl M. Sc. Lara Schneider Wichtige Themen aus der Vorlesung Bioinformatik II SS 2017 Hinweis: Dies ist eine stichpunktartige
MehrVorlesung Einführung in die Bioinformatik
Vorlesung Einführung in die Bioinformatik Dr. Stephan Weise 04.04.2016 Einführung Gegeben: zwei Sequenzen Gesucht: Ähnlichkeit quantitativ erfassen Entsprechungen zwischen einzelnen Bausteinen beider Sequenzen
MehrSequenzen-Alignierung in der Bioinformatik. VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11
Sequenzen-Alignierung in der Bioinformatik VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 23. VO 24.01.2006 1 1 Literatur für diese VO Volker Heun: Skriptum
MehrAlgorithmen für die Speicherhierarchie
Lineare Algebra: untere Schranken Lehrstuhl für Effiziente Algorithmen Fakultät für Informatik Technische Universität München Vorlesung Sommersemester 2009 Gliederung 1 2 Zusätzliche Überlegungen Erinnerung
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
MehrSequenz Alignment Teil 2
Sequenz Alignment Teil 2 14.11.03 Vorlesung Bioinformatik 1 Molekulare Biotechnologie Dr. Rainer König Besonderen Dank an Mark van der Linden, Mechthilde Falkenhahn und der Husar Biocomputing Service Gruppe
MehrKapitel 7: Sequenzen- Alignierung in der Bioinformatik
Kapitel 7: Sequenzen- Alignierung in der Bioinformatik 7.3: Paarweise Sequenzen-Alignierung 7.4: Multiple Sequenzen Alignierung VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm
MehrBioinformatik für Lebenswissenschaftler
BIOINF 1910 Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 12. Tertiärstrukturvorhersage Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard-Karls-Universität Tübingen
MehrThema 12: RNA Structure Prediction
Thema 12: RNA Structure Prediction Vortrag gehalten von Tobias Sander am 01.02.2010 1 Einleitung 1.1 Vorwort Seit der Strukturaufklärung der DNA im Jahre 1953 durch Watson und Crick sind fast 60 Jahre
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
MehrVorlesung Bioinformatik Protein Threading
Vorlesung Bioinformatik Protein Threading Dr. Axel Mosig 18. Mai 2004 Vorhersage der Tertiärstruktur von Proteinen Ab Initio-Methoden (z.b. via Molecular Dynamics) sind rechenintensiv; nur in Einzelfällen
Mehr6 Proteinstrukturen und die dritte Dimension
6 Proteinstrukturen und die dritte Dimension Modul 10-202-2208 Bioinformatik von RNA- und Proteinstrukturen Stephan Bernhart Lehrstuhl Bioinformatik 2. Juni 2013 Stephan Bernhart (Lehrstuhl Bioinformatik)
MehrAlgebraische Statistik ein junges Forschungsgebiet. Dipl.-Math. Marcus Weber
Algebraische Statistik ein junges Forschungsgebiet Dipl.-Math. Marcus Weber Disputationsvortrag 15. Februar 2006 Gliederung 1. Statistische Modelle 2. Algebraische Interpretation statistischer Probleme
MehrAufgabenblatt 4. Silke Trißl Wissensmanagement in der Bioinformatik
Aufgabenblatt 4 Silke Trißl Wissensmanagement in der Bioinformatik Zuerst! FRAGEN? Silke Trißl: Bioinformatik für Biophysiker 2 Exercise 1 Global alignment using dynamic programming Write a program to
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
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
MehrInformatik I. Grundlagen der systematischen Programmierung. Peter Thiemann WS 2007/08. Universität Freiburg, Germany
Informatik I Grundlagen der systematischen Programmierung Peter Thiemann Universität Freiburg, Germany WS 2007/08 Literatur Herbert Klaeren, Michael Sperber. Die Macht der Abstraktion. Teubner Verlag,
Mehr3 Proteinstrukturen. Modul Bioinformatik von RNA- und Proteinstrukturen. Stephan Bernhart. 5. Mai Professur Bioinformatik
3 Proteinstrukturen Modul 10-202-2208 Bioinformatik von RNA- und Proteinstrukturen Stephan Bernhart Professur Bioinformatik 5. Mai 2014 Stephan Bernhart (Professur Bioinformatik) 3 Proteinstrukturen 5.
MehrAlgorithmen und Datenstrukturen in der Bioinformatik
Algorithmen und Datenstrukturen in der Bioinformatik Vorlesung von Dr. Gunnar Klau Wintersemester 2005/2006, FU Berlin gunnar@math.fu-berlin.de http://www.math.fu-berlin.de/~gunnar 1 Aus dem Vorlesungsverzeichnis:
MehrKap. 6.6: Kürzeste Wege
Kap. 6.6: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1./. VO DAP SS 009./9. Juli 009 1 Nachtest für Ausnahmefälle Di 1. Juli 009, 16:00 Uhr,
MehrLeast Absolute Shrinkage And Seletion Operator (LASSO)
Least Absolute Shrinkage And Seletion Operator (LASSO) Peter von Rohr 20 März 2017 Lineare Modell und Least Squares Als Ausgangspunkt haben wir das Lineare Modell und Least Squares y = Xβ + ɛ (1) ˆβ =
MehrKap. 6.6: Kürzeste Wege
0.0.00 Nachtest für Ausnahmefälle Kap..: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund./. VO DAP SS 00./. Juli 00 Di. Juli 00, :00 Uhr, OH, R.
MehrStatistische Methoden in der Bioinformatik
Statistische Methoden in der Bioinformatik Prof. Dr. Jörg Rahnenführer Raum 720 Email: rahnenfuehrer@statistik. tu-.de Voraussetzungen: Vordiplom in Statistik, Mathematik, Datenanalyse, Informatik Zeiten
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
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:
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
MehrAufbau und Konformation von Polypeptiden
1 Aufbau und Konformation von Polypeptiden Peter Güntert, Sommersemester 2009 Hierarchie von Proteinstrukturen Primärstruktur: Aminosäuresequenz Sekundärstruktur: Helices, Faltblätter, Turns, Loops Tertiärstruktur:
MehrSoftwareprojektpraktikum Maschinelle Übersetzung
Softwareprojektpraktikum Maschinelle Übersetzung Jan-Thorsten Peter, Andreas Guta, Jan Rosendahl max.bleu@i6.informatik.rwth-aachen.de 5. Mai 2017 Human Language Technology and Pattern Recognition Lehrstuhl
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
MehrEfficient Learning of Label Ranking by Soft Projections onto Polyhedra
Efficient Learning of Label Ranking by Soft Projections onto Polyhedra Technische Universität Darmstadt 18. Januar 2008 Szenario Notation duales Problem Weitere Schritte Voraussetzungen Tests Szenario
MehrDie wichtigsten Bioinformatikdatenbanken. SwissProt, PDB, Scop, CATH, FSSP, PROSITE, Pfam
Die wichtigsten Bioinformatikdatenbanken SwissProt, PDB, Scop, CATH, FSSP, PROSITE, Pfam Übersicht Nucleotidsequenzen: GenBank, EMBL Proteindatenbank SwissProt Proteinstrukturen: Brookhavens PDB Proteinklassifizierung:
MehrAlgorithmen auf Sequenzen
Algorithmen auf Sequenzen Fehlertolerante Mustersuche: Distanz- und Ähnlichkeitsmaße Sven Rahmann Genominformatik Universitätsklinikum Essen Universität Duisburg-Essen Universitätsallianz Ruhr Einführung
MehrKapitel 3: Sortierverfahren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrRNA Faltung - II. W1-High-throughput Genomics, FU Berlin OWL RNA Bioinformatics, MPI Molgen Berlin
RNA Faltung - II W1-High-throughput Genomics, FU Berlin OWL RNA Bioinformatics, MPI Molgen Berlin 05.12.16 Nussinov Nachteilen Die Maximierung der Anzahl von Bp führt unter Umständen nicht zu biologisch
MehrSupport Vector Machines, Kernels
Support Vector Machines, Kernels Katja Kunze 13.01.04 19.03.2004 1 Inhalt: Grundlagen/Allgemeines Lineare Trennung/Separation - Maximum Margin Hyperplane - Soft Margin SVM Kernels Praktische Anwendungen
MehrInformationsvisualisierung
Informationsvisualisierung Thema: 7. Visualisierung Biologischer Daten Dozent: Dr. Dirk Zeckzer zeckzer@informatik.uni-leipzig.de Sprechstunde: nach Vereinbarung Umfang: 2 Prüfungsfach: Modul Fortgeschrittene
MehrKapitel 2: Zahlentheoretische Algorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrSequenzvergleiche ohne Alignments durch lokales Dekodieren von Sequenzen
durch lokales Dekodieren von Sequenzen (16. Juli 2007) Inhalt 1 Grundidee 2 Naiver Algorithmus Definitionen Lokales N-Dekodieren Ermittlung der Distanzmatrix Aussagefähigkeit der Distanzen 3 Verbesserungen
MehrBildsegmentierung mit Level Sets
Bildsegmentierung mit Level Sets Seminar Bildsegmentierung und Computer Vision im Wintersemester 2005 Übersicht 1 Übersicht 2 Definitionen Ausbreitungsgeschwindigkeit Übersicht 3 Inter-Frame-basierte Modellierung
MehrDer LLL - Algorithmus. Seminar ganzzahlige Optimierung Wintersemester 2006/2007
Der LLL - Algorithmus Seminar ganzzahlige Optimierung Wintersemester 2006/2007 Autor: Konrad Schade Betreuer: Prof. Dr. J. Rambau 1 Einführung 1.1 Motivation In dieser Arbeit soll die Verwendung des LLL-Algotithmuses
Mehr3 Proteinstrukturen. Modul Bioinformatik von RNA- und Proteinstrukturen. Stephan Bernhart. 29. Mai Professur Bioinformatik
3 Proteinstrukturen Modul 10-202-2208 Bioinformatik von RNA- und Proteinstrukturen Stephan Bernhart Professur Bioinformatik 29. Mai 2017 Stephan Bernhart (Professur Bioinformatik) 3 Proteinstrukturen 29.
MehrAlgorithmische Geometrie 1. Einführung
Algorithmische Geometrie 1. Einführung JProf. Dr. Heike Leitte Computergraphik und Visualisierung Algorithmische Geometrie Veranstaltung: 2 SWS Vorlesung: Mi, 9:15 10:45 1 SWS Übung: Do 14:00 16:00 Übungen:
MehrAlgorithmische Bioinformatik
Algorithmische Bioinformatik Multiple Sequence Alignment Sum-of-pairs Score Center-Star Score Ulf Leser Wissensmanagement in der Bioinformatik Ziel dieser Vorlesung Aufgabenstellung Multiples Sequenzalignment
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
MehrAlgorithm Theory 3 Fast Fourier Transformation Christian Schindelhauer
Algorithm Theory 3 Fast Fourier Transformation Institut für Informatik Wintersemester 2007/08 Chapter 3 Fast Fourier Transformation 2 Polynomials Polynomials p over real numbers with a variable x p(x)
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2016 Patrick Schäfer, Humboldt-Universität zu Berlin Organisation Vorlesung: Montag 11 13 Uhr Marius Kloft RUD 26, 0 115 Mittwoch 11 13 Uhr Marius Kloft
MehrEinführung Molekulare Bioinformatik
Einführung Molekulare Bioinformatik Bernhard Haubold 22. Oktober 2013 Übersicht Was ist Bioinformatik? Kursstruktur Was ist Bioinformatik? Geschichtliche Entwicklung Information: Speicherung & Übertragung
MehrLearning Phrase Representations using RNN Encoder Decoder for Statistical Machine Translation. Yupeng Guo
Learning Phrase Representations using RNN Encoder Decoder for Statistical Machine Translation Yupeng Guo 1 Agenda Introduction RNN Encoder-Decoder - Recurrent Neural Networks - RNN Encoder Decoder - Hidden
MehrBioinformatik für Lebenswissenschaftler
Bioinformatik für Lebenswissenschaftler Oliver Kohlbacher, Steffen Schmidt SS 2010 5. Paarweises Alignment Teil I Abt. Simulation biologischer Systeme WSI/ZBIT, Eberhard Karls Universität Tübingen Übersicht
MehrSequenzanalyse-Praktikum
Sequenzanalyse-Praktikum Veranstalter: Stefan Janssen, Jens Stoye, Linda Sundermann http://wiki.techfak.uni-bielefeld.de/gi/teaching/2013summer/sequaprak praktikum-seqan@cebitec.uni-bielefeld.de Inhalte
Mehrmit Ungleichungen als Restriktionen Quadratische Programmierung Gliederung Geodätische Woche 2009 Lutz Roese-Koerner und Wolf-Dieter Schuh
. Geodätische Woche 29 Quadratische Programmierung mit Ungleichungen als Restriktionen 1 Lutz Roese-Koerner und Wolf-Dieter Schuh Institut für Geodäsie und Geoinformation Professur für Theoretische Geodäsie
Mehr