Informationen zur Vorlesung
Dozent | |
---|---|
Termin | Dienstags von 11:15 Uhr bis 12:45 Uhr, Freitags von 11:15 Uhr bis 12:45 Uhr |
Raum | Härtelstr. 16-18, Raum 110; am 26.10.2018 Raum 015.1 |
Informationen zur Übung
Dozent | |
---|---|
Termin | Dienstags von 13:15 Uhr bis 14:45 Uhr |
Raum | Härtelstr. 16-18, Raum 110; am 23.10.2018, 30.10.2018, 18.12.2018, 08.01.2019: Raum 015.1; alternativer Raum PC-Pool 006 (außer am 23.10.2018 – 04.12.2018 und 05.02.2019) |
Verwendbarkeit
- Wahlpflichtmodul im Master Bioinformatik
- Vertiefungsmodul im Master Informatik, Schwerpunkt Medizinische Informatik
Ziele
Nach erfolgreichem Abschluss des Moduls können die Teilnehmer grundlegende Konzepte und Prinzipien der Genetischen Statistik richtig anwenden. Sie verstehen Probleme molekularer Studienplanung, -durchführung, Datenanalyse und Interpretation. Die Teilnehmer kennen wichtige Software- und Datenbankressourcen zur Analyse und Interpretation genetischer Daten und können diese anwenden.
Die Teilnehmer haben sich darüber hinaus mit aktuellen Problemen im Bereich der Analyse molekularer Daten selbstständig auseinandergesetzt.
- Anwenden von Konzepten und Prinzipien der Genetischen Statistik
- Verstehen von grundlegenden Problemen der molekularen Studienplanung, Durchführung, Datenanalyse und Interpretation
- Anwenden wichtiger Software- und Datenbankressourcen
- Analysieren aktueller Probleme der Analyse molekularer Daten
Inhalte
- Biologische Grundlagen
- Statistische Konzepte in der Genetik
- Populationsgenetik
- Genetische Studiendesigns + Planung
- SNP (single nucleotide polymorphism)-Array Technologie, Prozessierung, Qualitätsanalyse, Analyse von Variationen der Kopienzahl (Copy-number variations)
- Genomweite Assoziationsstudien (GWAS) und weitergehende Analysen (z.B. X-Chromosom, Seltene Varianten, Scoring-Methoden, Imputation, Berücksichtigung von Populationsstrukturen, Metaanalysen, Interaktionsanalyse)
- Genomische Annotation
- Analysetools
- Online-Ressourcen
- Genexpressionsarray Technologie, Prozessierung, Qualitätsanalyse
- Genexpressionsassoziationsanalysen, Genset-Anreicherung
- Metabolische Daten (Prozessierung, Analysen)
- Quantitative Merkmalsanalysen (QTLs) mit Schwerpunkt auf Expressions- und Metabolom-QTLs
- Integrative Analysen, Modelle