Fachbereich Mathematik und Informatik
Service-Navigation
Softwarepraktikum Bioinformatik: Projekte 2019
DozentIn(en): S. Andreotti, Ch. Bielow
Maximale Teilnehmerzahl: 6
Zeitraum/Vorbesprechungstermin:
Ort: Institut für Informatik
Kurze inhaltliche Beschreibung:
In diesem Praktikum werden Algorithmen zur Analyse von Massenspektrometrie Daten implementiert, und zwar im Rahmen der Software-Bibliothek OpenMS, die zur Zeit in unserer Arbeitsgruppe entwickelt wird. Mithilfe der zu implementierenden Module werden komplexe Analyse-Pipelines für Proteom/Metabolom Daten in KNIME realisiert.
Quantitative Aufteilung (in %):
Praktische Programmierarbeit: 60%
Soft Skills: 40%
Verwendete Programmiersprache(n): C++
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren: 4*
B Biologie/Chemie: 1*
C Projektmanagement: 3*
Erforderliche Vorkenntnisse: gute Kenntnisse in C/C++
Kontaktadresse, Webseite/Link:
http://www.bsc.fu-berlin.de/TeachingAndWorkshops/SoSe18/Software_Praktikum_OpenMS/index.html
Präsentation:
Titel: Algorithmen zur Analyse von von genomischen Sequenz-Daten (SeqAn)
Dozent(en): K. Reinert, H. Hauswedell
Maximale Teilnehmerzahl: 6
Zeitraum/Vorbesprechungstermin:
25.02. – 01.03 und 04.03. – 08.03. C++ Kurs (nicht Teil des Praktikums aber DRINGEND empfohlen für unsere Teilnehmer)
11.03. – 15.03. Einführende Seminarwoche, ganztägig
18.03. – 26.04. eigenständiges Arbeiten mit wöchentlichen Treffen bzw. nach Absprache
21.03. Vorstellung Arbeits/Projektplan
26.04. Abschlusspräsentation
In Ausnahmefällen kann nach Rücksprache mit der betreuenden Person der Arbeitszeitraum auch angepasst werden (bspw. gebuchter Urlaub in Semesterferien).
Ort: Institut für Informatik
Kurze inhaltliche Beschreibung:
Implementierung von Algorithmen für die Sequenzanalyse genomischer (Massen)daten & Erstellen kleinerer Analysepipelines mit Hilfe einer bestehenden C++-Bibliothek. Dabei sollen neben dem Programmieren auch Elemente des Software-Engineering eingeübt werden (Erstellen eines Zeitplanes, Benutzung von Programmierwerkzeugen, Erstellen von Tests, Arbeiten im Team, etc.)
Quantitative Aufteilung:
Praktische Programmierarbeit: 60%
Soft Skills: 40%
Verwendete Programmiersprache(n): C++
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren: *****
B Biologie/Chemie: *
C Projektmanagement: **
Unbedingt erforderliche Vorkenntnisse: C++
Kontaktadresse, Webseite:
DozentIn(en): Sandro Andreotti
Maximale Teilnehmerzahl: 6
Zeitraum/Vorbesprechungstermin:
Ort:
Kurze inhaltliche Beschreibung:
In diesem Praktikum werden Workflows für die Analyse von biologischen Daten konzeptioniert und implementiert. Die Teilnehmer werden dabei verschiedene Workflowsysteme (KNIME, Snakemake) kennenlernen und verwenden. Die Teilnehmer werden dabei anhand aktueller Literatur ihre Workflows eigenständig erarbeiten, testen und verfeinern. Dabei werden sowohl Kenntnisse im Rahmen der Workflow Programmierung als auch ein umfangreiches Wissen über existierende Bioinformatik-Software erlangt.
Quantitative Aufteilung: (in %)
Praktische Programmierarbeit: 50%
Soft Skills: 50%
Verwendete Programmiersprache(n):
R, Python oder andere Skriptsprache
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren ****
B Biologie/Chemie *
C Projektmanagement ***
Erforderliche Vorkenntnisse: R
Kontaktadresse, Webseite/Link:
http://www.bsc.fu-berlin.de/TeachingAndWorkshops/SoSe19/Software_Praktikum_Workflows/index.html
DozentIn(en): Katinka Becker, Alexander Bockmayr
Maximale Teilnehmerzahl: 6
Zeitraum/Vorbesprechungstermin: Erste Märzwoche
Ort: Institut für Mathematik, Arnimallee 6/7
Kurze inhaltliche Beschreibung:
Durch den technologischen Fortschritt in der Biologie, der Medizin und den Lebenswissenschaften ist es heute möglich immer größere Datensätze zu generieren, sei es durch Messung, Berechnung oder den Zugriff auf weltweit verfügbare Datenbanken. Die Datensätze sollen dabei helfen biologische Prozesse oder Strukturen immer besser zu verstehen. Gerade wenn es darum geht Krankheiten zu bekämpfen und Patienten zu heilen, aber auch in Hinblick auf andere Fragestellungen der Lebenswissenschaften, können vielleicht entscheidende Informationen in zusätzlichen Daten stecken. Allerdings geht mit den größer werdenden Datensätzen auch ein immer höherer Aufwand in der Datenanalyse einher.
Eine der Hauptaufgaben besteht darin den Informationsgehalt aus den Datensätzen zu filtern.
Im Rahmen dieses Praktikums werden wir uns mit der "Logischen Analyse von Daten" nach Peter L. Hammer beschäftigen. Der Fokus der Arbeit wird in der Berechnung von Mustern in biologischen Datensätzen liegen. Zu diesem Zweck werden wir gemischt-ganzzahlige Programme (MIPs) implementieren und diese mithilfe der Software SCIP lösen.
Quantitative Aufteilung: (in %)
Praktische Programmierarbeit: 70%
Soft Skills: 30%
Verwendete Programmiersprache(n): Python
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren ****
B Biologie/Chemie **
C Projektmanagement **
Erforderliche Vorkenntnisse: Grundlagen der Linearen Algebra
Kontaktadresse, Webseite/Link:
Präsentation:
http://www.mi.fu-berlin.de/wiki/pub/AgMathLife/SoftWareProjectSS19/Softwarepraktikum_LAD19.pdf
Titel: Integrative analysis of next generation sequencing (NGS) data
Dozenten: Alena van Bömmel, Robert Schöpflin
Maximale Teilnehmerzahl: 8
Zeitraum/Vorbesprechungstermin: 04.03.-30.04.2019
Ort: Max Planck Institute for Molecular Genetics, Ihnestr. 63-73, PC-Pool
Kurze inhaltliche Beschreibung:
One of the research aims in bioinformatics and regulatory genomics is to understand the principles of transcriptional regulation. The main players of gene regulation are transcription factors (TFs), proteins binding to specific DNA sequences. Another important aspect is the accessibility of chromatin which modulates the binding of transcription factors and RNA Polymerase II to the DNA. There are several experimental techniques based on next generation sequencing which can determine the binding of regulatory proteins to DNA (ChIP-seq), which probe the DNA accessibility (ATAC-seq and DNase-seq) or which measure gene expression (RNA-seq). In our course, we want to investigate the main factors during the differentiation from mouse embryonic stem cells into fibroblasts. Especially, we are interested in understanding the interplay between these factors and their impact on gene expression. To do so, we will analyze ChIP-seq, ATAC-seq and RNA-seq data at different stages of cell differentiation to study TF binding and histone modifications across the genome with respect to the expression of the neighbouring genes. Afterwards, we will develop a statistical method to combine these data sets in an appropriate way. In this course, we will use available tools as well as implement our own scripts to perform the analyses. Students will work in groups of 3 and present their work at the end of the seminar.
Quantitative Aufteilung:
Praktische Programmierarbeit: 60 %
Soft Skills: 40 %
Verwendete Programmiersprache(n): R, Python, Shell scripts
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
Programmieren ****
Biologie/Chemie **
Projektmanagement **
Unbedingt erforderliche Vorkenntnisse: Statistische Grundlagen, Modul "Algorithmische Bioinformatik"
Kontaktadresse, Webseite:
Titel: Entwicklung einer Webapplikation zur Analyse von Genexpressionsprofilen
Dozenten: Marc Bonin, Pascal Schendel, PD Dr. med. Thomas Häupl
Maximale Teilnehmerzahl: 8
Zeitraum/Vorbesprechungstermin: 1. Märzwoche
Ort: Charité - Universitätsmedizin Berlin, AG Häupl / AG Bioinformatik, Virchowweg 11, 10117 Berlin
Kurze inhaltliche Beschreibung:
- Einarbeitung in die theoretischen Grundlagen über DNA-Microarrays (Herstellung, Hybridisierung & Auswertung)
- Einführung in das Software-Paket "R" zur Analyse von Microarraydaten (Affymetrix & Illumina)
- Entwicklung / Optimierung eines "R"-Skripts zur automatischen Qualitätsanalyse von Microarraydaten (Chipinformationen, Scanbild, Histogramme, Intensitäten, Qualitätskontrolle, Normalisierung, ...)
- Entwicklung einer Webapplikation zur Qualitätsanalyse von Microarraydaten (PHP, JavaScript)
- Github, SVN (Eclipse)
Quantitative Aufteilung:
Praktische Programmierarbeit: 60 %
Soft Skills: 40 %
Verwendete Programmiersprache(n): PHP, JavaScript, R
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
Programmieren ****
Biologie/Chemie **
Projektmanagement **
Unbedingt erforderliche Vorkenntnisse: Kenntnisse in PHP, Java & R
Kontaktadresse, Webseite:
http://www.charite-bioinformatik.de
Präsentation: https://www.charite-bioinformatik.de/files/ppt/softwarepraktikum_2019.pdf
Themen (Titel):
-Personalizing therapy through pharmacokinetics and co-morbidity analysis
-Drug (Re)Discovery and Retargeting
-Big data approach to predict chemical toxicity
DozentIn(en): Preißner, Banerjee u.a.
Maximale Teilnehmerzahl: 12
Zeitraum/Vorbesprechungstermin:
Ort:
Kurze inhaltliche Beschreibung:
Webseite, s.u.
Quantitative Aufteilung: (in %)
Praktische Programmierarbeit:
Soft Skills:
Verwendete Programmiersprache(n): s. Einzelprojekte
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren
B Biologie/Chemie
C Projektmanagement
Erforderliche Vorkenntnisse: s. Einzelprojekte
Kontaktadresse, Webseite/Link:
http://bioinformatics.charite.de/main/course_software.php
Untertitel: Genetic Algorithms in Design of Cell Classifiers
DozentIn(en): Melania Nowicka, Heike Siebert
Maximale Teilnehmerzahl: 6
Zeitraum/Vorbesprechungstermin:
Vorbesprechung in der Woche vom 11.2. (genauer Termin folgt)
Introductory week: 04.03-08.03.2019
Dates for follow-up meetings to be discussed.
Ort: Institut für Mathematik, Arnimallee 6, 14195 Berlin
Kurze inhaltliche Beschreibung:
Cell classifiers are synthetic decision-making biological circuits that may be built in the wet lab and delivered to cells. Inside, they classify a cell state as healthy or cancerous and release a drug in the latter case. During the Praktikum we will design a population of cancer cell classifiers that may together distinguish whether a given sample should be diagnosed as positive (cancerous) or negative (healthy). To optimize such classifiers we will apply so-called genetic algorithms. Genetic algorithms (GAs) are population-based metaheuristics inspired by Darwin’s theory of evolution used for solving optimization and search problems. GAs mimic a process occurring in evolution called natural selection. Briefly, the process allows for evolving a population of individuals based on their different survival and reproduction abilities. GAs are applied to solve various problems in different fields of research, e.g., in synthetic biology to design synthetic circuits.
Schedule:
- Introduction to genetic algorithms and the problem of classifier design
- Design of the genetic algorithm
- Implementation
- Presentation of results
Quantitative Aufteilung: (in %)
Praktische Programmierarbeit: 60 %
Soft Skills: 40 %
Verwendete Programmiersprache(n):
Ideally, the algorithm will be implemented in Python, but other programming languages can be considered.
Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):
A Programmieren ****
B Biologie/Chemie **
C Projektmanagement **
Erforderliche Vorkenntnisse: Python basics would be helpful.
Kontaktadresse, Webseite/Link:
http://www.mi.fu-berlin.de/en/math/groups/dibimath/index.html
Präsentation:
https://www.dropbox.com/s/db58jyrreiku4q5/SoftwarePraktikum_MNowicka.pdf?dl=0
Allgemeine Infos zum Softwarepraktikum (Projektmanagement im Softwarebereich)
