Praktikum Genomorientierte Bioinformatik (WS 2011/12)

Das Praktikum gliedert sich in Seminarteil (2011) und Blockteil (2012). Beide Teile sind durch drei Themenblöcke gegliedert, die im Seminarteil in Gruppen hintereinander bearbeitet werden:

20.10.11 - 10.11.11 Themenblock "Sequencing"
10.11.11 - 01.12.11 Themenblock "Exon-Arrays"
01.12.11 - 22.12.11 Themenblock "Mass-Spec"

Datum	Uhrzeit	Vortragende(r)	Thema	Ort
20.10.2011	14:00-14:30h	Ralf Zimmer	Einführung	Am SR 105
20.10.2011	14:30-16:30h	Lukas Windhager	Next generation sequencing (NGS)	Am SR 105
10.11.2011	14-16h	Tobias Petri	DNA-chips und Exon Arrays	Am SR 105
1.12.2011	14-16h	Florian Erhard	Quantitative Massenspektrometrie	Am SR 105
13.02.2012 - 24.02.2012	ganztags		Blockteil	Am SR 105 / CIP-Pool
27.02.2012 (28.2.2012) - 02.03.2012	ganztags		Abnahmen Blockteil	Am SR 105 / CIP-Pool

• Grundstudium Bioinformatik (Bachelor oder Diplom)
• Bioinformatik Programmierpraktikum

Thema:

Bestimmung von alternativem Splicing mit Hilfe von Transkriptom-Sequencing-, Exon-Array- und Mass-Spec-Daten.

Seminarteil (bis Weihnachten)

Der Seminarteil gliedert sich in drei drei-wöchige Themenblöcke:

• 20.10.11 - 10.11.11: Next Generation Sequencing (NGS)
• 10.11.11 - 01.12.11: DNA-chips und Exon-Arrays
• 01.12.11 - 22.12.11: Quantitative Massen-Spektrometire

Jeder Themenblock besteht aus drei Plenarterminen jeweils am Donnerstag 14h.

• 1. Termin des Blocks: Einführungsvorlesung, Ausgabe/Besprechung des Arbeitsblattes.
• 2. und 3. Termin: je 2 Kurzvorträge der Studenten über zu lesende Paper (ca 15-20 min plus Fragen).
• (1. Termin des nächsten Blocks): Abgabe der Arbeitsberichte, Präsentation der Arbeit durch Gruppe (ca 15-20 min plus Fragen).

Jeden DI, sowie DO nach den Vorträgen/Vorlesungen freies Arbeiten am Arbeitsblatt.

Projektphase (ab Weihnachten)

• 12.01.12 - 02.02.12 Projektphase während des Semesters (DI und DO nachmittags).
• 12.01.12 Vorlesung über Projektziele/Arbeitsblatt/Aufgabenteilung usw.
• Präsentationen der Konzepte der Gruppen in dieser Phase.
• (06.02.12 - 10.02.12 Klausurwoche, frei.)
• 13.02.12 - 26.02.12 Blockteil (Vollzeit).
• 27.02.12 - 02.03.12 Abgabe, Abnahme und Präsentation der Projekt-Ergebnisse.

Im Praktikum werden Methoden der Bioinformatik für die Analyse von aktuellen Hochdurchsatzdaten theoretisch eingeführt, in praktischen Übungen behandelt und implementiert. Im Blockteil soll dann die Analyse auf ein konkretes übergeordnetes Thema nämlich die Identifizierung von (alternativen) Splicevarianten in den jeweiligen Hochdurchsatzdaten fokussiert werden. Insbesondere sollen auch Verfahren zur Kombination der verschiedenen Daten und Methoden entwickelt werden.

Ziel des Praktikums ist dabei nicht nur ein breiter Überblick über aktuelle Themen der Bioinformatik, sondern auch das tiefere Auseinandersetzen mit den jeweiligen Hochdurchsatzmethoden. Den Teilnehmern wird darüber hinaus ein Einblick in aktuelle Forschungsarbeit gegeben. Das Ziel der Projektphase ist das Schreiben einer wissenschaftlichen Veröffentlichung zum Thema.

Das Praktikum gliedert sich in zwei Teile, die jeweils in Gruppen bearbeitet werden: Während der Vorlesungszeit werden die oben genannten Themen je zweiwöchig eingeführt und mit Hilfe praktischer Aufgaben vertieft. Dabei werden etablierte Methoden angewendet und implementiert, um aktuelle biologische Daten zu analysieren. Im Blockteil wird das Thema ebenfalls in Gruppen bearbeitet, wobei sich je ein Teilnehmer auf einen der Datentypen spezialisiert. Dabei sollen in einem Forschungsprojekt neue Verfahren für die Identifizierung von Splicevarianten entwickelt und evaluiert werden. Dabei sind der kreativen und innovativen Anwendung und Kombination aller möglichen Bioinformatikmethoden keine Grenzen gesetzt.

Alternatives Splicing in Next-Generation-Sequencing-Daten

• Li J, Jiang H, Wong WH. Modeling non-uniformity in short-read rates in RNA-Seq data. Genome Biology 2010, 11(5):R50. DOI: 10.1186/gb-2010-11-5-r50
• Marioni JC, Mason CE, Mane SM, Stephens M, Gilad Y. RNA-seq: An assessment of tech-nical reproducibility and comparison with gene expression arrays. Genome Research 2008, 18(9):1509-1517. DOI: 10.1101/gr.079558.108
• Mortazavi A, Williams BA, McCue K, Schaeer L, Wold B. Mapping and quantifying mammalian transcriptomes by RNA-Seq. Nature Methods 2008, 5(7):621-8. DOI: 10.1038/nmeth.1226
• Richard H, Schulz MH, Sultan M, Nurnberger A, Schrinner S, Balzereit D, Dagand E, Rasche A, Lehrach H, Vingron M, Haas SA, Yaspo M. Prediction of alternative isoforms from exon expression levels in RNA-Seq experiments. Nucl. Acids Res. 2010, 38(10):e112. DOI: 10.1093/nar/gkq041
• Wang ET, Sandberg R, Luo S, Khrebtukova I, Zhang L, Mayr C, Kingsmore SF, Schroth GP, Burge CB. Alternative isoform regulation in human tissue transcriptomes. Nature 2008, 456(7221):470-6. DOI: 10.1038/nature07509

Alternatives Splicing in Massenspektrometrie-Daten

• Cox J, Neuhauser N, Michalsk A, Scheltema RA, Olsen JV, and Mann M. Andromeda: A Peptide Search Engine Integrated into the MaxQuant Environment. J. Proteome Res., 2011, 10 (4), pp 1794–1805 DOI: 10.1021/pr101065j
• Eng JK, McCormack AL, Yates JR An approach to correlate tandem mass spectral data of peptides with amino acid sequences in a protein database. J Am Soc Mass Sptrom, 1994, 5, pp 976-989 DOI: 10.1016/1044-0305(94)80016-2
• Käll L, Storey JD, MacCoss MJ and Noble MS Assigning Significance to Peptides Identified by Tandem Mass Spectrometry Using Decoy Databases. J. Proteome Res., 2008, 7 (01), pp 29–34 DOI: 10.1021/pr700600n
• Cox J and Mann M MaxQuant enables high peptide identification rates, individualized p.p.b.-range mass accuracies and proteome-wide protein quantification Nat Biotechnol. 2008 Dec;26(12):1367-72. Epub 2008 Nov 30. DOI: 10.1038/nbt.1511

Alternatives Splicing in Microarray-Daten

• Lockstone H. Exon array data analysis using Affymetrix power tools and R statistical software Briefings in Bioinformatics 2011, online DOI
  Overview of exon array analysis.
• Clark TA, Schweitzer AC, Chen XT, Staples MK, Lu G, Wang H, Williams A, Blume JE. Discovery of tissue-specific exons using comprehensive human exon microarrays Genome Biology 2007, 8(4):R64. DOI
  Use case for alternative exon usage.
• Goeman JJ, Bühlmann P. Analyzing gene expression data in terms of gene sets: methodological issues Bioinformatics 2008, 23(8): 980-987. DOI
  Discussion of general problems when using microarray data.
• Breitling R, Armengaud P, Amtmann A, Herzyk P. Rank products: a simple, yet powerful, new method to detect differentially regulated genes in replicated microarray experiments FEBS Lett. 2004, 573(1-3):83-92. DOI
  A method to compute differential expression.
• Shah S, Pallas JA. Identifying differential exon splicing using linear models and correlation coefficients BMC Bioinformatics 2009, 10:26. DOI
  A method to detect differential exon splicing.

• Tutorials und weitere Artikel