Aktuelle Hinweise
News
Wenn die Vorlesung digital stattfindet, dann unter folgendem (Zoom-Link):
https://lmu-munich.zoom.us/j/5750196023?pwd=SUwwanN0bEpLNVIzWUQ0SlljcDBTQT09
Für die Teilnahme an der Vorlesung und den Übungen ist eine Anmeldung
bis Dienstag, den 19.10.2021, nötig.
You need to enroll (until Tuesday, October 15, 2021) for the lecture and
the exercise class in order to take part in the exam.
Bitte registrieren Sie sich auch möglichst umgehend für den Moodle Kurs (Einschreibeschlüssel: AlgoBio2_21 )
um Zugang zu Materialien und den Übungsaufgaben zu bekommen:
Please register as soon as possible for the Moodle course (enrollment key: AlgoBio2_21 ) to access materials and weekly assignments:
https://moodle.lmu.de/course/view.php?id=17929
Am Mittwoch (27.10.2021) wird es um 13 Uhr eine Globalübung im Zoom-Raum der Vorlesung (siehe oben) geben. Hier wird die Gruppeneinteilung für die Übungen besprochen.
On Wednesday (27.10.2021) at 13.00LT there will be an online exercise in the Zoom-room of the lexture (see above). We will assign the exercise groups during this meeting.
Allgemeine Informationen
General Information
Dozent:
Lecture Ralf Zimmer Umfang und Hörerkreis:
Credits and Target audience
4 SWS Vorlesung + 2 SWS Übung / 9 ECTS-Punkte
Vorlesung für Studierende B.Sc. Bioinformatik und B.Sc Informatik
Modulniveau: Bachelor
Präsenzstunden: 90 h
Eigenstudium: 180 h
Gesamtaufwand: 270 h
Prüfung: Schriftliche Klausur 120 Minuten
Medienformen: Folienpräsentation, Tafelanschrieb
Lehr- und Lernmethode: Vorlesung, Tutorübung, Aufgaben zum Selbststudium
Turnus: Wintersemester
Zeit und Ort
Where and when
Di 10ct-12 HGB M 203 Do 10ct-12 Theresienstr. 39 B 006
Es gibt derzeit viele Anfragen wegen Online Vorlesung bzgl. Präsenz. Es kann sein, dass die VL doch wieder per zoom angeboten wird, um Studierenden die Teilnahme zu ermöglichen, die nicht vor Ort sind. Das hängt aber von der Anzahl der Hörer ab. Bitte melden Sie sich, wenn es Probleme mit der Präsenz gibt.
There are quite many inquiries about an online lecture. Therefore, the lecture might be held via zoom again to allow for remote participation and avoid problems with access to the lecture hall. Please let me know of problems participating in person!
Übungen
Exercise class
2 SWS Übung zur Vorlesung
Assistenten:Markus Joppich Felix Offensperger Yauheniya Zhdanovich
Bitte wenden Sie sich bei Fragen zu Übungen und zum Übungsbetrieb an die Vorlesungsmail
Please address questions on exercises and classes to the e-mail address
algo2@bio.ifi.lmu.de .
Die Übung wird an drei Zeitslots stattfinden. Die Einteilung in die jeweilige Gruppe erfolgt per Moodle. Wir planen die Übungen weitestgehend in Präsenzform durchzuführen.
Classes will be in three time slots. You can enrol for a group via Moodle. Currently classes are planned to be held in person.
Bitte melden Sie sich für die Übung und Vorlesung an: Anmeldung .
Wer aus dringenden Gründen nur an einer bestimmten Übung teilnehmen kann (zB Ortsabwesenheit, med. Gründe, etc.) kann uns dies (möglichst kurz) im Kommentarfeld mitteilen. In sinnvoll begründeten Fällen würden wir dann versuchen diese Übung priorisiert zu ermöglichen.
Beispielgründe für den Gruppenwunsch 1 (digital):
Eher gute Gründe: ich bin in meinem Heimatland und habe noch keine Wohnung in München; aus med. Gründen (immunsupprimiert, etc.) soll ich Menschen meiden.
Eher nicht so gute Gründe: ich wohne in der Amalienstraße, aber wenn ich rausgehe ist es da kalt.
Gruppe 1
Mi
12ct-14
A 105/digital
Amalienstr. 17
Gruppe 2
Mi
14ct-16
A 105
Amalienstr. 17
Gruppe 3
Mi
16ct-18
A 105
Amalienstr. 17
Voraussetzungen und Vorbereitungen
Beherrschung des Stoffs des Bioinformatik bzw. Informatik Grundstudiums
der ersten drei Semester sowie der Vorlesung Algorithmische Bioinformatik I.
Modules of the bioifnromatics and informatics modules of the first three semester B.Sc. Bioinformatics.
Module Algorithmic Bioinformatics I.
Inhalt der Vorlesung
Content of the lecture
Die Vorlesung gehört zum Grundkanon des Bioinformatikstudiums (4. und 5.
Fachsemester) und behandelt algorithmische Ansätze der
Bioinformatik. Grundlegende Techniken des Algorithmenentwurfs, der
Algorithmik, der Graphentheorie, der mathematischen Optimierung und
Datenanalyse, sowie probabilistische Modelle und maschinelles Lernen
werden eingeführt und auf Bioinformatikprobleme angewendet. ,br/>
Die Vorlesung ist der zweite Teil eines zweisemestrigen Zyklus.
NP-Vollständigkeit: Reduzierbarkeit, NP-vollständige Probleme in der Bioinformatik
Heuristische und approximative Ansätze (PTAS, APX)
Randomisierte Algorithmen
Mehrfaches Sequenzen-Alignment (n-dimensionale DP; heuristische Verfahren; approximative Methoden; Baum-, Consensus-, Profil- und Center-Star-Verfahren; DiAlign; ClustalW)
Probabilistische Modellierung (Orthodoxe und Bayessche Modellierung; Bayessche Inferenz; Optimierung mit constraints; Algorithmen: EM, MC, MCMC, Gibbs Sampling)
Markov-Ketten und Hidden-Markov-Modelle (HMMs) (Modelle; Hauptprobleme; Algorithmen: Forward/Backward, Viterbi, Baum-Welch (EM))
Optional: Clustering Modelle und Algorithmen (CLICK: Graph Partitionierung, probabilistische Graph Modelle)
Optional: Expressiondatenanalyse (Image analysis, Präprozessierung, Normalisierung, Centralization, (Un-/)Supervised Methoden)
Das Modul besteht aus einer Vorlesung sowie Übungen in kleinen
Gruppen. Die in der Vorlesung besprochenen Inhalte werden im
Übungsteil anhand von praktischen Anwendungen eingeübt.
The lecture is part of the basics of the bioinformatics curriculum
(4.+5. semester) and deals with algorithmic approaches to
bioinformatics. Fundamental techniques of algorithm design, of
algorithmics, graph theory, mathematical optimization and data
analysis as well as probabilistic models and machine learning will be
introduced and applied to bioinformatics problems.
NP-completeness: reductions, NP-complete problems in bioinformatics
heuristic and approximation algorithms (PTAS, APX)
randomized algorithms
multiple alignment (n-dimensional DP; heuristic approaches; approximations; tree, consensus, profile and center star methods; DiAlign; ClustalW)
probabilistic modeling (orthodox and Bayesian modeling; Bayesian inference; optimization with constraints; EM, MC, MCMC, Gibbs sampling)
Markov chains and hidden Markov models (HMMs) (models; main problems; algorithms: forward/backward, Viterbi, Baum-Welch (EM))
Optional: clustering models and algorithms (CLICK: graph partitioning, probabilistic graph model)
Optional: Expression data analysis (image analysis, preprocessing, normalization, centralization, (Un-/)Supervised methods)
Modulprüfung Exam
Die Klausur findet voraussichtlich am Do, 10.2.2022 im Hörsaal B 006, Theresienstr. 39 statt.
The exam is scheduled to take place on Thu, Feb 10, 2022 in lecture hall B 006, Theresienstr. 39.
Material (Slides/Videos/Skript/Übungsblätter)
Material (slides/videos/script/Assignments)
Die Folien zur Vorlesung und die Übungsblätter sind hier zu finden.
Slides and assignments can be found here .
Ein Skript für das Modul steht zur Verfügung:
A script for the module is available:
link
Literatur zur Vorlesung
S. Aluru (Ed.):
Handbook of Computational Molecular Biology ,
Chapman and Hall/CRC, 2006.
H.-J. Böckenhauer, D. Bongartz:
Algorithmische Grundlagen der Bioinformatik: Modelle, Methoden und
Komplexität , Teubner, 2003.
P. Clote, R. Backofen:
Computational Molecular Biology - An Introduction , Wiley,
2000.
R.C. Deonier, S. Tavare, M.S. Waterman:
Computational Genome Analysis ,
Springer, 2005.
R. Durbin, S. Eddy, A. Krogh, G. Mitchinson:
Biological Sequence Analysis - Probabilistic Models of Proteins
and Nucleic Acids , Cambridge University Press, 1998.
D. Gusfield:
Algorithms on Strings, Trees, and Sequences: Computer Science and
Computational Biology , Cambridge University Press, 1997.
V. Heun:
Algorithmische Bioinformatik ,
Skripten ,
2001-2009.
N.C. Jones, P.A. Pevzner:
An Introduction to Bioinformatics Algorithms ,
MIT Press, 2004.
J.C. Setubal, J. Meidanis:
Introduction to Computational Molecular Biology ,
PWS Publishing Company, 1997.
W.-K. Sung:
Algorithms in Bioinformatiks: A Practical Introduction ,
CRC Press, 2010.
M.S. Waterman:
Introduction to Computational Biology: Maps, Sequences, and
Genomes , Chapman and Hall, 1995.
