MLU
AGE.06462.02 - Biometrie III und Grundlagen der Genominformatik (Complete module description)
Original version English
AGE.06462.02 5 CP
Module label Biometrie III und Grundlagen der Genominformatik
Module code AGE.06462.02
Semester of first implementation
Faculty/Institute Institut für Agrar- und Ernährungswissenschaften
Module used in courses of study / semesters
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation valid from WS 2020/21 > Wahlpflichtmodule der Vertiefungsrichtung `Nutztierwissenschaften`
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2018/19 - SS 2020) > Wahlpflichtmodule der Vertiefungsrichtung `Nutztierwissenschaften`
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation valid from SoSe 2023 > Bioinformatik (HB) (Anteil gem. § 5 Abs. 4-6, Anlage 2)
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Bioinformatik (HB)
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation valid from WS 2018/19 > Wahlpflichtmodule
Responsible person for this module
Further responsible persons
Dr. Monika Wensch-Dorendorf; Dr. Thomas Schmutzer
Prerequisites
Skills to be acquired in this module
  • Nach dem Besuch des Moduls wird erwartet, dass die Studierenden in der Lage sind:
  • Versuche und Erhebungen für lineare gemischte Modelle bei normalverteilten Merkmalen und qualitativen und quantitativen Einflussgrößen zu analysieren und unter Anwendung von SAS auszuwerten und zu interpretieren
  • Versuche und Erhebungen für generalisierte lineare gemischte Modelle bei binären, ordinalen sowie Zähldaten und qualitativen und quantitativen Einflussgrößen zu analysieren und unter Anwendung von SAS auszuwerten und zu interpretieren
  • ein Problem der Genominformatik zu definieren und abzuschätzen mit Hilfe welcher Software dieses gelöst werden kann
  • geeignete Lösungen zu entwickeln, um NGS Datensätze analysieren zu können und die Ergebnisse entsprechend ihrer Qualität einzustufen
  • eigene Skripte zu erarbeiten, um Schritte der Datenanalyse zu automatisieren
Module contents
1. Gemischte lineare Modelle bei unbalancierten Daten und Kovarianzstrukturen
Methoden der Varianzkompetenzschätzung (ANOVA vs. REML)
Schätzung fester Effekte, FG-Approximationen und Tests Spezielle Datenstrukturen
(wiederholte Leistungen, räumliche und zeitliche Abhängigkeiten)
Methoden der Modellbewertung
2. Generalisierte lineare Modelle Beachtung verschiedener Datenstrukturen und Verteilungstypen
(binäre Daten, Ordinaldaten, Zähldaten bei verschiedenen Kovarianzstrukturen)
3. Methoden der Genominformatik zur Analyse von Hochdurchsatz-Sequenzdaten
(shell, R und aktuelle Standsrdsoftware)
4. Kenntnisse der Standardformate (FASTA/Q, SAM, BED) und deren praktische Anwendung
Forms of instruction Lecture (3 SWS)
Exercises (1 SWS)
Course
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
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 Lecture Vorlesung 3 0
Course 2 Exercises Übung 1 0
Course 3 Course Hausarbeit 0
Course 4 Course Selbststudium und Prüfungsvorbereitung 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
Klausur o.elektr. Klausur/ o. Hausarbeit/ o. mündl. 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 %