Aktuelle Hinweise
News
Die Seite befindet sich noch im Aufbau!
Diese Seite wird laufend auf den neuesten Stand gebracht, deshalb sind alle Angaben ohne Gewähr.
This page is updated regularly, so all information is subject to change.
Die Vorlesung (virtuell) beginnt am Donnerstag, den 17.10.2024, 10ct.
Mittwoch, den 16.10.2024, 12ct im CIP-Pool der Amalienstr. 17 statt.
Mittwoch, den 30.10.2024 im CIP-Pool der Amalienstr. 17 statt.
The first lesson (virtual) takes place Tuesday, Oct. 15 2024, 10ct .
Wed. 16. Oct. 2024 in CIP-Pool Amalienstr. 17.
Wed. Oct. 30 2024 in CIP-Pool Amalienstr. 17.
Für die Teilnahme an der Vorlesung und den Übungen ist eine Anmeldung im Moodle-Kurs nötig.
Bitte registrieren Sie sich möglichst umgehend!
For participation in the lecture and the exercise class, registration in the Moodle course is required.
Please register as soon as possible for the Moodle course to access materials and weekly
assignments:
https://moodle.lmu.de/course/view.php?id=35295
Der Einschreibeschlüssel wurde an alle Teilnehmer im Moodle Kurs AlgoBio1 per Ankündigung verschickt und
wird in der Intro-Veranstaltung am 16.10.2024 im CIP Amalienstr. 17 bekanntgegeben.
The enrollment key was announced to all Moodle participants of the AlgoBio1 course and
will be announced in the first lecture 16. Oct. 2024 in CIP Amalienstr. 17.
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, Vorlesungsaufzeichnung
Lehr- und Lernmethode: Vorlesung, Tutorübung, Aufgaben zum Selbststudium
Turnus: Wintersemester
Zeit und Ort
Where and when
Di 10ct-12 Vorlesungsaufzeichnung Do 10ct-12 Vorlesungsaufzeichnung
Übungen
Exercise class
2 SWS Übung zur Vorlesung
Assistenten:Evi Berchtold Armin Hadziahmetovic Samuel Klein
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 ist nicht verpflichtend, die Teilnahme muss über Moodle jede Woche angekündigt werden.
Es gibt einen regulären Termin von 12ct-14 und je nach Bedarf einen weiteren von 16ct-18.
Die Übungen werden in Präsenz durchgeführt.
Es gibt eine freiwillige Zentralübung von 14ct-16, für welche über Moodle Fragen eingereicht werden sollen.
Je nach Bedarf findet diese dann statt; dies wird über Moodle bekanntgegeben.
The exercise is not mandatory, and participation must be announced every week via Moodle.
There is a regular session from 12:15 PM to 2:00 PM, and, if necessary, an additional session from 4:15 PM to 6:00 PM.
The exercises will be conducted in person.
There is a voluntary central exercise session from 2:14 PM to 4 PM, for which questions should be sent via Moodle.
The questions determine whether the central exercise will be held or not, which will be announced via Moodle.
Reguläre Übung
Mi
12ct-14
CIP Pool
Amalienstr. 17
Zentralübung
Mi
14ct-16
CIP Pool
Amalienstr. 17
Overflow Übung
Mi
16ct-18
CIP Pool
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
Eine nicht bestandene Prüfung kann am Semesterende wiederholt werden.
A failed exam can be retaken at the end of the semester.
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.
