Protein Prediction II for Bioinformaticians

Worum geht's

In diesem Modul lernst du moderne Methoden zur Vorhersage von Proteinfunktion aus Sequenz und Struktur kennen und anzuwenden. Du verstehst, welche Aspekte von Funktion vorhergesagt werden können, welche Daten und ML‑Strategien dafür nötig sind und wie man Überbewertung durch Data Leakage und Bias vermeidet. Am Ende kannst du eigene Vorhersageansätze entwerfen, bewerten und bis auf Pseudocode-Ebene umsetzen.

Was du danach kannst

• Verständnis zentraler Konzepte der Proteinfunktionsvorhersage
• Anwendung moderner ML-/KI-Methoden auf Funktionsvorhersagen
• Erkennen und Vermeiden von Overfitting, Data Bias und Data Leakage
• Nutzung evolutionärer Informationen (MSAs) und Grenzen deren Einsatzes
• Einordnung und Bewertung von Protein-Sprachmodellen (pLMs)
• Entwicklung und Evaluierung eigener Vorhersagewerkzeuge in Teamarbeit
• Kritische Analyse und Peer-Review publizierter Methoden
• Kommunikation der Stärken und Grenzen von Vorhersagen gegenüber Experimentatoren

Aus was das Modul besteht

• VorlesungenVermittlung der theoretischen Grundlagen zu Sequenz- und Struktur-basierten Funktionsvorhersagen sowie ML‑Konzepten
• SeminareInteraktive Diskussionen zu aktuellen Methoden und Studien
• ÜbungenPraktische Implementierung und Anwendung von Vorhersagemethoden; Datenaufbereitung und Evaluierung
• Projektarbeit (Gruppen)Entwicklung oder Testen einer ML-basierten Lösung mit anschließender Präsentation

Lehrmethode

• Vorlesung (interaktive Seminare, Beamer und Whiteboard)Einführung und Vertiefung der Theorie; Teile werden am Whiteboard erklärt; Aufzeichnungen und Folien verfügbar
• Übungen und GruppenprojektePraktische Umsetzung der Vorlesungsinhalte und Performance-Evaluation eigener Werkzeuge
• Seminare/PräsentationenPräsentation und Diskussion der Projektergebnisse vor Kommiliton:innen und Tutoren