Protein Prediction II for Computer Scientists

Worum geht's

Du lernst Methoden zur Vorhersage von Proteinfunktionen aus Sequenz- und Strukturinformationen kennen sowie Ansätze zur Vorhersage von Interaktionen, Subzellulärer Lokalisation und Effekten einzelner Aminosäurevarianten. Am Ende kannst du ML-/KI-basierte Vorhersagemethoden kritisch bewerten, selbst Lösungsansätze entwerfen und in Pseudocode oder Programmen umsetzen.

Was du danach kannst

Verstehen zentraler Aspekte der Proteinfunktionsvorhersage
Umgang mit begrenzten und verrauschten Daten
Vermeidung von Overfitting und Data Leakage
Bewertung und kritische Analyse veröffentlichter Methoden
Entwicklung und Präsentation eigener Vorhersagemethoden (Gruppenarbeit)
Kommunikation mit Forschenden anderer Disziplinen über Anforderungen und Grenzen von KI-Lösungen

Aus was das Modul besteht

VorlesungVermittlung des theoretischen Hintergrunds und Überblick über Methoden
Übungen/ProjektarbeitProgrammierung und Entwicklung einer neuartigen Vorhersagemethode; Gruppenprojekt mit Präsentation

Lehrmethode

Vorlesungen (inkl. Q&A)Erklären des theoretischen Hintergrunds, interaktive Diskussionen
Whiteboard-PräsentationenVertiefung und interaktive Erarbeitung von Details
Übungen mit ProjektarbeitPraktische Anwendung, Implementierung und Präsentation eigener Lösungen
Aufzeichnungen und FolienNachbereitung und Referenzmaterial

Solltest du schon können

Protein Prediction 1 für Informatikerempfohlen
Bachelor in Informatik oder verwandten Fächern und praktische Erfahrung mit ML/KIempfohlen

Prüfung

mündliche PrüfungGruppenprojektPräsentation

Mündliche Prüfung am Semesterende: 20 Minuten (Einzelne) bzw. 60 Minuten (Gruppen). Die Fragen stammen ausschließlich aus Vorlesungen und Projektarbeit. Studierende, die wesentlich zum erfolgreichen Projekt beitragen, können bei bestandener Prüfung einen Notenbonus von 0,3 erhalten.

Literatur

AM Lesk - Overview zur Proteinfunktion (Buch, 2004)
B Rost et al. - Review zur Vorhersage von Proteinfunktionen (Cellular and Molecular Life Sciences, 2003)
T Goldberg et al. - Ort/Lokalisierung (Bioinformatics, 2012)
H Stark et al. - Ort/Lokalisierung (Bioinform Adv, 2021)
Y Ofran & B Rost - Interaktionen (J Mol Biol, 2003)
M Littmann et al. - Interaktionen (Scientific Reports, 2021)
T Hamp und B Rost - Interaktionen (Bioinformatics, 2015)
Y Bromberg & B Rost - Auswirkung von Varianten (Nucleic Acids Research, 2007)
C Marquet, J Schlensok, M Abakarova, B Rost und E Laine - Auswirkung von Varianten (Bioinformatics, 2024)

Termine

ÜbungExercises for Protein Prediction II for Computer Scientists (IN2291)

Mo.10:00–12:00
01.09.034, Seminarraum (5609.01.034)
14× · 19.10.–01.02.
- 19.10.
- 26.10.
- 02.11.
- 09.11.
- 16.11.
- 23.11.
- 30.11.
- 07.12.
- 14.12.
- 21.12.
- 11.01.
- 18.01.
- 25.01.
- 01.02.

VorlesungProtein Prediction II for Computer Scientists (IN2291)2 Gruppen zur Wahl

ADi.14:00–16:00
00.13.009A, Seminarraum (5613.EG.009A)
15× · 13.10.–02.02.
- 13.10.
- 20.10.
- 27.10.
- 03.11.
- 10.11.
- 17.11.
- 24.11.
- 01.12.
- 08.12.
- 15.12.
- 22.12.
- 12.01.
- 19.01.
- 26.01.
- 02.02.
BDo.12:00–14:00
00.13.009A, Seminarraum (5613.EG.009A)
14× · 15.10.–04.02.
- 15.10.
- 22.10.
- 29.10.
- 05.11.
- 12.11.
- 19.11.
- 26.11.
- 10.12.
- 17.12.
- 07.01.
- 14.01.
- 21.01.
- 28.01.
- 04.02.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Filter