Personal Details

Einführung in die Anwendungsfelder der Bioinformatik, es werden einzelne Themengebiete aufgegriffen und diskutiert und Analysen praktisch durchgeführt. Grundkonzepte von Programmiersprachen werden besprochen und in praktischen Beispielen erarbeitet.

Vorlesung/Vortrag, Diskussion und problembasiertes Lernen

Immanente Leistungsüberprüfung

Fallbearbeitung und MC-Test

Die Lehrveranstaltung dient zur Betreuung der Bachelorarbeit, die Inhalte richten sich nach dem ausgewählten Thema.

Vorlesung/Vortrag, Arbeitsaufträge mit Feedback

Endprüfung

Dieses Seminar dient als Grundlage für die auszuführende Bachelor-Arbeit und wird zusammen mit dieser beurteilt.

Aktuelle Themen der Bioinformatik werden anhand von Beispielen aus der Forschung bzw. Industrie erörtert.

Absolvent*innen erzählen von ihrem Werdegang und den Erfahrungen, die sie nach dem Studium gemacht haben.

Es soll ein Überblick über die aktuelle Entwicklung des Feldes gegeben werden, sowie den Anforderungen und Erwartungen die an Absolvent*innen gestellt werden.

Den Studierenden sollen mögliche Themen für die Masterarbeit näher gebracht werden.

Seminarreihe mit Vorträgen und Diskussionen

Immanente Leistungsüberprüfung

Schriftlicher Report und Diskussionen

Einführung in Biomarker und ihre Rolle:

- Definition und Klassifikation von Biomarkern (diagnostisch, prognostisch, prädiktiv).

- Anwendungen von Biomarkern in personalisierter Medizin und Krankheitsüberwachung.

- Beispiele für Biomarker in Genomik, Proteomik und Metabolomik.

Datenanalyse und Validierung von Biomarkern:

- Nutzung bioinformatischer Methoden zur Identifikation und Analyse potenzieller Biomarker.

- Statistische und maschinelle Lernansätze für prädiktive Modellierung.

- Validierungsstrategien: Robustheit, Reproduzierbarkeit und klinische Relevanz.

Anwendungen in der prädiktiven Medizin:

- Integration von Multi-omics-Daten zur Vorhersage von Krankheitsrisiken und Therapieansprechen.

- Entwicklung prädiktiver Modelle für individuelle Behandlungsstrategien.

- Herausforderungen und ethische Aspekte der Biomarker-Nutzung in der Medizin.

Blended learning

Immanente Leistungsüberprüfung

Übungen während der Vorlesung sowie Prüfung

Der Inhalt dieser Lehrveranstaltung ist das Verfassen einer Masterarbeit.

Viele Studierende entwickeln Masterarbeitsthemen, forschen und verfassen ihre Masterarbeit in Kooperation mit bzw. auf Vorschlag von Unternehmen. Etwa 20% finden ein Thema mit Hilfe ihrer Lehrenden bzw. Betreuer*innen.

Die Masterarbeit ist in Rücksprache mit der HCW-Betreuerin / dem HCW-Betreuer und nach Genehmigung der Studiengangsleitung zu verfassen.

Immanente Leistungsüberprüfung

Beurteilung der Masterarbeit nach einem standardisierten Katalog.

- Anleitungen und Präsentation der Masterarbeit mit Diskussion zur Planung, Gestaltung, Durchführung, Dokumentation und Präsentation der wissenschaftlichen bzw. ingenieurtechnischen Arbeiten.

- Übung der im Rahmen der Masterprüfung abzuhaltenden Präsentation

- Was ist besonders bei der Präsentation einer wissenschaftlichen Arbeit zu beachten?

- Feedback erhalten & geben.

Präsentationen, Diskussion eines wissenschaftlichen Artikels

Immanente Leistungsüberprüfung

Beurteilung der Präsentation (Aufbau, Gestaltung der Folien, Vortragsstil, Einhaltung der zeitlichen Vorgaben)

Prüfungsgespräch über studienrelevante Inhalte.

Selbststudium

Endprüfung

Präsentation der Masterarbeit, Diskussion, Prüfungsgespräch

Einführung in das wissenschaftliche Schreiben und das Verfassen der Themenschrift.

- Richtige Zitierweise

- Schreibworkshop

Blended learning

Endprüfung

Masterarbeitsproposal (Themenschrift), Praktisches Projekt

Im Labor (wet lab) wird DNA extrahiert und eine Sequenzierung durchgeführt. Die erzeugten Daten werden analysiert und interpretiert.

Flipped classroom, mit Laborübung und anschließendem Analyseprojekt

Immanente Leistungsüberprüfung

Protokoll der Ergebnisse der Übung

Theoretische Grundlagen in der Genom- und Transkriptomanalyse:

- Einführung in die Themenbereiche Genomik und Transkriptomik, inklusive der Erzeugung der Daten.

- Softwarelösungen und Algorithmen im Bereich Genomik und Transkriptomik

Praktische Analysebeispiele aus Genomik und Transkriptomik. Anwendung entsprechender bioinformatischer Werkzeuge für

- Qualitätskontrolle und Prozessierung von Sequenzierdaten

- Assemblieren von Genomen und Transkriptomen.

- Mappen (Alignen) von Sequenzdaten

- Spezialisierte Beispiele aus dem Themenbereich (z.B. scRNA-Seq, ChIP-Seq o. a.)

Blended learning, flipped classroom

Immanente Leistungsüberprüfung

Praktische Übungsaufgaben und schriftlicher Test

Verschiedene Inhalte im Bereich Bioinformatik. Es sind Lehrveranstaltungen anrechenbar aus folgenden Bereichen:

- Biologisch/Medizinischer Fokus

- Technischer Fokus

- Wirtschaftlich/Rechtlicher Fokus

Blended learning

Immanente Leistungsüberprüfung

Praktische Übungen sowie Prüfung

Verschiedene Inhalte im Bereich Bioinformatik. Es sind Lehrveranstaltungen anrechenbar aus den folgenden Bereichen:

- Biologisch/Medizinischer Fokus

- Technischer Fokus

- Wirtschaftlich/Rechtlicher Fokus

Blended learning

Immanente Leistungsüberprüfung

Praktische Übungen und Prüfung

Einführung in die unterschiedlichen Themengebiete der Bioinformatik:

- Grundlagen der Sequenzanalyse, im speziellen der Transkript- und Genomanalyse

- Zusammenhang zwischen Sequenz, Struktur und Funktion von Proteinen

- Metabolische Modelle

- Phylogenetische Studien

- Metagenomanalysen

- Vorstellung der wichtigsten relevanten Datenbanken

Praxiserfahrung: Praktische Beispiele zu den theoretisch behandelten Themen, Verwendung der relevanten Datenbanken, Sequenzvergleiche, Genexpressionsanalyse in R. Einführende Programmierbeispiele.

Darbietende & Aktivierende Methoden

Endprüfung

Bearbeitung von Beispielen, und Selbsttest mit Moodle

1. Einführung in Künstliche Intelligenz (KI):

- Was ist KI? Grundbegriffe wie "Algorithmus", "Maschinelles lernen" und “Künstliche Intelligenz” leicht erklärt.

- Beispiele aus der Praxis: Wie KI in Medizin und der biotechnolgischen Forschung genutzt wird.

2. KI in der Biotechnologie:

- Wo und wie wird KI in der Biotechnologie angewendet. Wo gibt es aktuelle Weiterentwicklungen.

- Beispiele: KI zur Analyse von DNA-Daten oder zur Optimierung von Medikamentenentwicklung.

- Einfache Werkzeuge und Plattformen kennenlernen.

3. Ethische und gesellschaftliche Fragen:

- Diskussionen: Vorteile und Herausforderungen der KI in der Biotechnologie.

4. Praktische Einblicke und Teamarbeit:

- Gruppenprojekte: Fallstudien zu KI-Anwendungen in der Biotechnologie analysieren und präsentieren.

Kleine Programmierprojekte zur Anwendung und Interpretation von KI Tools.

Darbietende & Aktivierende Methoden

Endprüfung

Bearbeitung von Beispielen, und Selbsttest mit Moodle