MLU
INF.00894.07 - Algorithmen auf Sequenzen II (Complete module description)
Original version English
INF.00894.07 5 CP
Module label Algorithmen auf Sequenzen II
Module code INF.00894.07
Semester of first implementation
Faculty/Institute Institut für Informatik
Module used in courses of study / semesters
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation valid from SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2)
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation (WS 2009/10 - SS 2016) > Bioinformatik
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Bioinformatik (HI)
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation valid from SoSe 2023 > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2006/07 - SS 2013) > Primärmodule
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2006/07 - SS 2013) > Sekundärmodule
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
Responsible person for this module
Further responsible persons
PD. Dr. Jan Grau
Prerequisites
Skills to be acquired in this module
  • Die Studierenden haben ein Verständnis für Möglichkeiten und Limitationen moderner Sequenzerverfahren
  • Die Studierenden kennen Datenstrukturen und Algorithmen für die Lösung bioinformatischer Problemstellungen der Sequenzanalyse und können deren Effizienz einschätzen
  • Die Studierenden erkennen strukturelle Gemeinsamkeiten von Algorithmen aus verwandten Bereichen der Sequenzanalyse
  • Die Studierenden können eigene Algorithmen für einfache Probleme der Sequenzanalyse entwickeln
Module contents
  • Thematisch werden aktuelle Sequenzierverfahren (Next- und Third-Generation) vorgestellt und deren Eigenschaften diskutiert. Es werden Algorithmen und Datenstrukturen für das Mapping (u.a. FM-Index), Assemblierung (OLC, De-Bruijn), für die Erstellung und das Mapping auf Genom-Graphen, die RNA-Sekundärstruktur-Vorhersage (Nussinov, Zuker, kontextfreie Grammatiken) und statistische Sequenzanalyse (Hidden-Markov-Modelle) behandelt.
In Übungsaufgaben werden diese Algorithmen analysiert und implementiert, und eigene Algorithmen für spezifische Teilprobleme entworfen bzw. existierende Algorithmen erweitert.
Forms of instruction Course (2 SWS)
Course
Course (2 SWS)
Course
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency jedes Wintersemester
Module capacity unlimited
Time of examination
Credit points 5 CP
Share on module final degree Course 1: %; Course 2: %; Course 3: %; Course 4: %.
Share of module grade on the course of study's final grade 1
Reference text
Vertiefendes Modul der Vertiefungsrichtung "Bioinformatik"
Module course label Course type Course title SWS Workload of compulsory attendance Workload of preparation / homework etc Workload of independent learning Workload (examination and preparation) Sum workload
Course 1 Course Vorlesung 2 0
Course 2 Course Selbststudium zur Vorlesung 0
Course 3 Course Übung 2 0
Course 4 Course Bearbeiten der Übungsaufgabe 0
Workload by module 150 150
Total module workload 150
Examination Exam prerequisites Type of examination
Course 1
Course 2
Course 3
Course 4
Final exam of module
Erfolgreiche Bearbeitung von Übungsaufgaben, Erfolgreiches Vorrechnen von Übungsaufgaben
mündl./schriftl./elektron. Prüfung
Exam repetition information
Prerequisites and conditions Prerequisites Frequency Compulsory attendance Share on module grade in percent
Course 1 Winter semester No %
Course 2 Winter semester No %
Course 3 Winter semester No %
Course 4 Winter semester No %