Inhalte der Vorlesung Algorithmische Bioinformatik:
Netzwerke, Graphen und Systeme sind unter anderem:
Einführung in Graphtheorie und -algorithmen, komplexe Netzwerke
und Netzwerkeigenschaften (scale-free nets, network modules),
Petrinetze, Bayes'sche, Bool'sche, Kausale Netzwerke,
Algorithmen und Maschinelles Lernen zur Netzwerk-Inferenz und -Modellierung.
Die Vorlesung fokussiert auf genregulatorsiche Netzwerke (GRN), die insbesondere für die Lebensmittelsystembiologiie,
die Ernährungsmedizin, und kardiovaskuläre Erkrankungen aber auch Krebserkrankungen relevant sind.
Ein weiterer Fokus sind in der Vorlesung die netzwerkbasierte Analyse von scRNA-seq und spatiotemporale Messungen
sowie personalisierte Ansätze für GRNs.
Content of the lecture Algorithmic Bioinformatics: Networks,
graphs, and systems contains: Introduction to graph theory and graph
algorithms, complex networks and network properties (scale free
networks, network modules), Petri nets, Bayesian, Boolean and causal networks,
Algorithms and machine learning for network inference and modelling.
The lecture focuses on gene regulatory networks (GRNs), which are particularly relevant for food systems biology,
nutritional medicine, and cardiovascular diseases, but also for cancer.
The lecture also focuses on network-based analysis of scRNA-seq and spatiotemporal measurements
as well as personalized approaches for GRNs.
LernzieleLearning goals
Hörer der Vorlesung sollen einen guten Überblick über
Algorithmen, Verfahren und Anwendungen von Graphen und Netzwerken in der
Bioinformatik bekommen und diese auch konkret umsetzen und für neue
Fragestellungen anpassen können. Insbesondere verstehen die Studenten
den Unterschied zwischen einfachen Graphen/Netzwerken und Systemen
(Graphen mit Semantik) in der Bioinformatik. Hörer sollen auch hier
Konzepte praktisch umsetzen, anwenden und anpassen können.
Participants should get a good overview of algorithms, approaches,
and applications of graphs and networks in
bioinformatics. Students can implement them and apply them to
actual research questions. In particular, students should
understand the difference between simple graphs/networks and
systems (graphs with a semantic) in bioinformatics. Again students
will be able to practically implement, apply, and adapt these concepts.
EinordnungBackground
Die Vorlesung gehört zum Grundkanon des Bioinformatikstudiums
(ab 6. 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.
Die Vorlesung ist der dritte Teil eines dreisemestrigen
Zyklus. Teil I konzentriert sich auf Algorithmenanalyse sowie
diskrete und kombinatorische Techniken, Teil II auf speziellere
Methoden der kombinatorischen Optimierung und probabilistische
Verfahren, und Teil III (diese Vorlesung) auf Graphalgorithmen,
Netzwerk-Theorie (Erdös-Renyi and scale-free/power-law) und Petri-Netze (Systeme)
und vielfältige Anwendungen von Netzwerken in der Bioinformatik.
The lecture is part of the basic lecture series of the
bioinformatics programme (semester 6 and above) and treats
algorithmic aspects of bioinformatics.
Fundamental techniques of algorithm design, algorithmics, graph
theory, mathematical optimization and data analysis
as well as probabilistic models and machine learning will be
introduced and applied to bioinformatics problems.
The lecture is the third part of a three semester cycle. Part I
focusses on analysis of algorithms and discrete and combinatorial
techniques, Part II on special methods of combinatorial
optimization and approximation as well as on probabilistic models
and algorithms. Part III (this lecture) on graph algorithms,
network (Erdös-Renyi/scale-free/power-law networks) and systems theory (Petri nets),
and various applications of networks for bioinformatics.
