Search
Links and Functions
Language Selection
Breadcrumb Navigation
Main Navigation
Content
Algorithmische Systembiologie (WS 2012/13)
This page is available in German only.
Aktuelle Hinweise
(26.2.2013) Die Klausurergebnisse sind hier zu finden. Bestanden ist die Klausur mit einer Mindestpunktzahl von 45 Punkten.
(31.1.2013) Die Fragestunde findet am letzten Vorlesungstermin statt.
(29.1.2013) Aufgrund der Überschneidung mit einer Klausur findet am Di, den 5.2.2013, keine Vorlesung statt.
(10.1.2012) Der Klausurtermin wurde festgelegt auf den 14.2.2013, 10-12 h.
(7.1.2012) Die Vorlesung am 22.1.2013 fällt aus.
Achtung: der Übungstermin hat sich geändert!
Die erste Übung findet am Mittwoch, den 24.10.2012 statt.
Falls jemand sowohl die Systembiologie-Vorlesung als auch die Vorlesung "Perlen der Bioinformatik" besuchen möchte, gibt es die Möglichkeit, eine der entsprechenden Übungen alternativ Mittwochs 14-16 stattfinden zu lassen.
Die Vorlesung beginnt am Dienstag, den 16.10.2012.
Für die Vorlesung ist eine Anmeldung erforderlich. Das Anmeldeformular befindet sich hier .
Allgemeine Informationen
Dozenten:
Dr. Robert Küffner Prof. Dr. Caroline Friedel Umfang und Hörerkreis:
4 SWS Vorlesung + 2 SWS Übung
Vorlesung für Studierende der Bioinformatik
Vorlesung für Studierende der Informatik
Zeit und Ort:
Di 10-12 SR 105, Amalienstr. 17 Do 10-12 SR 105, Amalienstr. 17
Übungen:
2 SWS Übung zur Vorlesung
Klausurtermin:
Do, 14.2.2013 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 und Gen-Regulationsnetze 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
Scheinerwerb
Regelmäßige Teilnahme an den Übungen, 50% der Punkte aus den Übungsaufgaben sowie 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
Service Menu
Footer
