Suche
Links und Funktionen
Sprachauswahl
Navigationspfad
Hauptnavigation
Inhalt
Algorithmische Systembiologie (SS 2014)
Aktuelle Hinweise
07.07.2014: Die Klausur findet morgen (!) zur üblichen Vorlesungszeit im SR 107 statt. Zulässige Hilfsmittel sind ein Taschenrechner und ein handschriftlich beschriebenes A4-Blatt.
01.07.2014: Übungsblatt 11 ist online. Mit diesem Blatt können Sie Bonuspunkte erhalten. Zudem handelt es sich um relevanten Stoff für die Klausur, entsprechend dient dieses Blatt Ihnen auch als gute Klausurvorbereitung.
24.06.2014:
Am 26.6.2014 findet statt der Vorlesung eine Exkursion zum Vortrag von
Nobelpreisträger 2013 Arieh Warshel am Helmholtzzentrum statt
„Multiscale modeling of the function of biological systems“
(siehe auch http://www.helmholtz-helena.de/news/overview/news-detail/article/24335/index.html ).
Allgemeine Informationen
Dozenten:
Prof. Dr. Ralf Zimmer
Umfang und Hörerkreis:
4 SWS Vorlesung+ 2 SWS Übung(4V+2Ü)
9 ECTS
Vorlesung für Studierende der Bioinformatik oder Informatik
Bitte anmelden!
Zeit und Ort:
Di 10-12 A406, Amalienstr. 17
Do 10-12 A406, Amalienstr. 17
Übungen:
2 SWS Übung zur Vorlesung
Assistent: Ludwig Geistlinger
Mi 14-16 Amalienstr. 17, A406
Klausurtermin:
Di, 8.7.2014 10-12 SR 107, Amalienstr. 17
Voraussetzungen
Beherrschung des Stoffs des Bioinformatik bzw. Informatik Grundstudiums.
Inhalt der Vorlesung
The goal of systems biology is a predictive understanding of the whole. Szallasi et al., System Modeling in Cellular Biology, MIT Press
Durch die Sequenzierung des menschlichen Genoms und der Genome anderer Organismen verfügen wir nun über ein vollständiges Inhaltsverzeichnis aller direkt aus dem Genom ableitbaren Einheiten und Moleküle, im wesentlichen also aller Gen, Protein und RNA Spezies.
Weiterhin kann das Verhalten von Zellen auf der Ebene der Transkription mit Hilfe von Genexpressionsmessungen genomweit untersucht werden.
Die Kombination mit anderen "high-throughput" Techniken erlaubt es, auch Aussagen über metabolische Pathways,
Protein-Interaktionsnetze, Gen-Regulationsnetze und Signalkaskaden zu treffen.
Diese Fülle von experimentellen Daten ermöglicht es, biologische Systeme auf der Ebene von Pathways
und Netzwerken zu untersuchen und zu modellieren, d.h. auf einer höheren Organisationsstufe als die der individuellen Moleküle.
Dazu müssen Systems Biology Perspektiven entwickelt werden, zusammen mit den nötigen Techniken zur Konstruktion und Analyse komplexer biologischer Modelle.
Die Vorlesung gibt einen Einblick in das Spektrum der Algorithmen und Anwendungen sowie der aktuellen Forschung
auf dem Gebiet der Systembiologie. Über das hier erworbene Wissen hinaus werden praktische Erfahrungen mit den Problemstellungen und Methoden in der begleitenden Übung vermittelt.
Die folgenden Themen werden behandelt:
Modellierung von biologischen Systemen: Werkzeuge und Methoden
Petri Netze als Modellierungs-Framework
Simulation mit Differenzialgleichungen (ODE)
Stochastische Simulation
Metabolic Control Analysis (MCA) und Flux Balance Analysis (FBA)
Modellierung von biologischen Systemen
Netzwerkrekonstruktion und Lernen in Netzen: Boolsche und Bayes-Netze
Evolution und Selbstorganisation
Kriterien für den Scheinerwerb
Regelmäßige Teilnahme an den Übungen 50% der Punkte aus den Übungsaufgaben Bestehen der Klausur
Material
Folien und Übungsblätter zur Vorlesung sind
hier
zu finden.
Literatur zur Vorlesung
Systems Biology
Edda Klipp, Herwig R., Kowald A., Wierling C., Lehrach H., Systems Biology in Practice, Wiley-VCH, 2005
Zoltan Szallasi, Jrg Stelling, Vipul Periwal, System Modeling in Cellular Biology, MIT Press, 2006
James W. Haefner, Modeling Biological Systems, Springer, 2006
Bernhard O. Palsson, Systems Biology : Properties of Reconstructed Networks, Cambridge University Press, 2006
Complex Networks
Duncan Watts, Small Worlds, Princeton University Press, 1999
Albert-Laszlo Barabasi, Linked, Plume Books, 2003
Mark Buchanan, Nexus, Norton, 2002
Steven H. Strogatz, Nonlinear Dynamics and Chaos, 2001
Steven H. Strogatz, Sync, Theia, 2004
Duncan Watts, Six Degrees, Norton, 2004
Bornholdt&Schuster, Handbook of Graphs and Networks, Wiley, 2004
Review: R.Albert & A.-L.Barabasi, Statistical mechanics of complex networks,
Reviews of modern physics, Vol 74, Jan. 2002
Petri Nets
Bernd Baumgarten, Petri-Netze, Spektrum, 1996
Priese&Wimmel, Petri-Netze, Springer, 2002
Jrg Desel, Petrinetze, lineare Algebra, und lineare Programmierung, Teubner, 1998
Wolfgang Reisig, Petri-Netze, Eine Einfhrung, Springer, 1985
Wolfgang Reisig, Petri-Netze, Systementwurf mit Netzen, Springer, 1985
Review: T. Murata, Petri nets: Properties, Analysis, and Applications, Proceedings of the IEEE, 1989
Bayesian Networks
Finn V. Jensen, Bayesian Nwtworks and Decision Graphs, 1996
Judea Pearl, Probabilistic Reasoning in Intelleigent Systems, Morgan Kaufman, 1988
Neapolitan, Learning Bayesian Networks, Prentice Hall, 2003
(Tom Mitchell, Machine Learning, Mac Graw Hill, 1997)
(Hastie, Tibshirani, Friedman, The Elements of Statistical Learning, Springer, 2001)
Review: D. Heckerman, A tutorial on Learning with Bayesian Networks, Microsoft Research TR, 1996
Servicebereich
Fußzeile