MLU
AGE.06462.02 - Biometrie III und Grundlagen der Genominformatik (Vollständige Modulbeschreibung)
Originalfassung Englisch
AGE.06462.02 5 CP
Modulbezeichnung Biometrie III und Grundlagen der Genominformatik
Modulcode AGE.06462.02
Semester der erstmaligen Durchführung
Fachbereich/Institut Institut für Agrar- und Ernährungswissenschaften
Verwendet in Studiengängen / Semestern
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung gültig ab WS 2020/21 > Wahlpflichtmodule der Vertiefungsrichtung `Nutztierwissenschaften`
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2018/19 - SS 2020) > Wahlpflichtmodule der Vertiefungsrichtung `Nutztierwissenschaften`
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bioinformatik (HB) (Anteil gem. § 5 Abs. 4-6, Anlage 2)
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Bioinformatik (HB)
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen
Dr. Monika Wensch-Dorendorf; Dr. Thomas Schmutzer
Teilnahmevoraussetzungen
Kompetenzziele
  • 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
Modulinhalte
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
Lehrveranstaltungsformen Vorlesung (3 SWS)
Übung (1 SWS)
Kursus
Kursus
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester Semester
Angebotsrhythmus Modul jedes Wintersemester
Aufnahmekapazität Modul unbegrenzt
Prüfungsebene
Credit-Points 5 CP
Modulabschlussnote LV 1: %; LV 2: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs 1
Modulveran­staltung Lehrveranstaltungs­form Veranstaltungs­titel SWS Workload Präsenz Workload Vor- / Nach­bereitung Workload selbstge­staltete Arbeit Workload Prüfung incl. Vorbereitung Workload Summe
LV 1 Vorlesung Vorlesung 3 0
LV 2 Übung Übung 1 0
LV 3 Kursus Hausarbeit 0
LV 4 Kursus Selbststudium und Prüfungsvorbereitung 0
Workload modulbezogen 150 150
Workload Modul insgesamt 150
Prüfung Prüfungsvorleistung Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul
Klausur o.elektr. Klausur/ o. Hausarbeit/ o. mündl. Prüfung
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Wintersemester Nein %
LV 2 Wintersemester Nein %
LV 3 Wintersemester Nein %
LV 4 Wintersemester Nein %