MasterstudiumBiomedizinische Informatik
Infoblatt StudiengangFH OÖ Info-BroschüreBiomedizinische Informatik
Studienplan
| Module | Semester | |||
| 1. | 2. | 3. | 4. | |
| Software Entwicklung | ECTS-Punkte | |||
| Parallel Computing | 5 | - | - | - |
| Service Engineering | - | 5 | - | - |
| Knowledge Engineering | - | 5 | - | - |
| Musterekennung in Biologie und Medizin | 5 | - | - | - |
| Wissenschaft und Forschung | ECTS-Punkte | |||
| Machine Learning | - | 5 | - | - |
| Modellbildung und Simulation in der Biomedizin | - | 5 | - | - |
| Numerische Methoden | 5 | - | - | - |
| Multivariate Statistik für biomedizinsche Datenanlalyse | 5 | - | - | - |
| Masterarbeit | - | - | - | 28 |
| Vertiefung Medizininformatik | ECTS-Punkte | |||
| Augmented Reality in der Medizin | 5 | - | - | - |
| Heuristische Methoden in Evidence Based Medicine | - | 5 | - | - |
| Ambient Assisted Living | - | 5 | - | - |
| Genetik in der Medizin | 5 | - | - | - |
| Angewandtes Forschungsprojekt | - | - | 30 | - |
| Vertiefung Bioinformatik | ECTS-Punkte | |||
| Genominformatik | 5 | - | - | - |
| Ausgewählte Kapitel Systembiologie | - | 5 | - | - |
| Molecular Modelling | - | 5 | - | - |
| Molekulare Pathologie | 5 | - | - | - |
| Angewandtes Forschungsprojekt | - | - | 30 | - |
| Sozialkompetenz | ECTS-Punkte | |||
| Leadership Praxis | - | - | - | 2 |
Modul
Kompetenzerwerb
Der Absolvent erkennt Parallelität in Mehrprozessor- und Mehrrechnersystemen als ein Mittel zur Leistungssteigerung in Computersystemen (High-Performance-Computing) sowie die Randbedingungen, unter denen diese Leistungssteigerung zu erzielen ist. Er kann zu relevanten Problemen die Anwendbarkeit von paralleler Verarbeitung einschätzen und ist in der Lage, parallele Anwendungen selbstständig gemäß ingenieursmäßiger Vorgehensweisen (PCAM) zu entwerfen und umzusetzen.
Lehrveranstaltungen
Parallel Computing
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Motivation, Einführung und Überblick; Grundlagen des High-Performance-Computing in Bezug auf gängige Hardware- und Softwarearchitekturen; Parallel-Software- Engineering (PCAM); Werkzeuge für die Entwicklung, das Debuggen und die Performancemessung in Mehrprozessor- und Mehrrechnersystemen; allgemeine parallele Algorithmen (Fox); spezielle parallele Algorithmen der Bioinformatik (BLAST); weitere ausgewählte Themen (Load-Balancing).
Parallel Computing
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden sollen Fähigkeiten erwerben, die zum Entwurf und zur Entwicklung komplexer verteilter Softwaresysteme notwendig sind. Es wird verstärkt auf die Anforderungen kommerzieller Softwareanwendungen wie mSicherheit, Verlässlichkeit, Testbarkeit und Wartbarkeit eingegangen. In den Lehrveranstaltungen dieses Moduls werden einerseits die relevanten Konzepte erarbeitet (Modellierung und Architektur), anderseits wird auf die Umsetzung dieser Konzepte mit modernen Plattformen und Frameworks eingegangen.
Lehrveranstaltungen
Software Entwicklung: Service Engineering
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Architekturen für verteilte Softwaresysteme, O/R-Mapping (konzeptionelle Grundlagen, Hibernate, JPA), leichtgewichtige Container (Spring), Message Queues (JMS), Web-Services (SOAP, JAX-WS), Enterprise JavaBeans 3.0 (Programmiermodell, JPA, MDB, JCA, Web-Services), Einführung in SOA (WS-*-Protokolle, BPEL, SCA, SDO, Interoperabilität mit der .NET-Plattform).
Software Entwicklung: Service Engineering
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die AbsolventInnen besitzen fundierte Kenntnisse über die Methoden des Knowledge Engineering und des Semantic Web. Der erste Teil des Moduls vermittelt Kenntnisse über Methoden und Systeme für die Synthese von Wissensbasen (mit Standard-Frameworks), über Techniken der Wissensmodellierung, über die Synthese von Ontologien, und wissensbasierte Problemlösungstechniken aus Sicht der Anwendungen in Life Sciences. Nach Absolvierung des zweiten Teils des Moduls beherrschen sie Methoden für Information Retrieval, wie Indizierung, Kategorisierung und Klassifizierung von Texten mit Anwendungen im Semantik Web in medizinische und molekular-biologische Bereiche.
Lehrveranstaltungen
Knowledge Engineering
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
In dieser Lehrveranstaltung werden relevante Konzepte und Trends rund um semantische Technologien für die Biomedizinische Anwendung und das Semantic Web beleuchtet. Die grundlegenden Techniken und Systeme zur Erstellung von Wissensbasen werden erläutert und neben der Informationsintegration und Wissensmodellierung durch Ontologien auch spezielle Technologien für biomedizinische Applikationen vermittelt. Folgende Themen werden präsentiert: Grundlagen, Architektur, Anforderungen und Nutzen in der biomed. Anwendung, Wissensmodellierung, Wissenserwerb, Wissensrepräsentation, Ontologien für biomedizinische Applikationen, Wissensverarbeitung/ Reasoning, Technologische Bausteine des Semantic Web.
Knowledge Engineering
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die AbsolventInnen der Lehrveranstaltung sollen in der Lage sein, eigenständig die erlernten Methoden der Mustererkennung zu Algorithmen zu kombinieren, um Strukturen in Bilddaten aus den vielfältigen Modalitäten in den Biomedizinischen Anwendungen zu erkennen. Der (bildhaften) Mustererkennung wird mit den neuen Methoden der Strukturanalyse in mikrobiologischen sowie medizinischen Anwendungen eine gesteigerte Bedeutung beigemessen, die auf Basis klassischer Methoden aus Statistik und computerbasierter Klassifikation vermittelt werden.
Lehrveranstaltungen
Mustererkennung in Biologie und Medizin
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Mustererkennung: Schritte in der (bildhaften) Mustererkennung, Merkmale (features), Merkmalsextraktion (feature extraction),Segmentierung, Texturanalyse: Textur, Texturmodelle, Textursegmentierung,Texturklassifizierung, Textursynthese (Texturerzeugung), Klassifikation: Merkmalsauswahl (feature selection), numerische Klassifikation, Schätzen von Wahrscheinlichkeitsdichten, Verteilungsfreie Verfahren, Syntaktische Klassifikation, Analyse funktioneller Bilddaten: dynamische Zeitreihen, modellbasierte Analyse (Korrelation), paradigmenfreie Analyse: Faktorenanalyse, Independent Components, Cluster Analyse.
Mustererkennung in Biologie und Medizin
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Der Student erhält einen Überblick über den “State of the Art“ der klassischen Ansätze des maschinellen Lernens sowie neuer Methoden, die von statistischer Lerntheorie beeinflusst wurden. Der praktische Einsatz der vermittelten Methoden wird begleitend zur Theorie anhand unterschiedlicher Datensätzen aus der biomedizinischen Informatik unter Verwendung von WEKA bzw. SPSS/Clementine trainiert und vertieft.
Lehrveranstaltungen
Machine Learning
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Grundbegriffe: supervised/unsupervised learning, Hypothesenraum, feature selection, Begriffslernen, candidate elimination, cross-validation etc. case-based reasoning, rule-based reasoning, nearest neighbours, decision trees, classifier systems.neuronale Netze (klassisch & Bayesianischer Ansatz) SVM & kernel methods Bayesianische Netze, Clustering Verfahren,
Markov Chain Monte Carlo sampling Übungen mit Weka bzw. SPSS/Clementine.
Machine Learning
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die AbsolventInnen besitzen fundierte Kenntnisse über Modellierungs- und Simulationsverfahren in biomedizinischen Anwendungen. Dabei werden Modelle für lineare und nicht-lineare biologische Systeme sowie Methoden zu deren Simulation besprochen. Auf die Grundzüge von sowohl kontinuierlicher als auch diskreter Modellierung und Simulation wird ebenfalls eingegangen. Die Wichtigkeit der Thematik von Modellierung und Simulation wird durch zahlreiche Anwendungsbeispiele aus Medizin und Biologie präsentiert.
Lehrveranstaltungen
Modellbildung und Simulation
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
In dieser Lehrveranstaltung werden relevante Modellierung Methoden und Simulation Verfahren für die biomedizinische Problemen beleuchtet. Die folgende Themen werden behandelt: Grundlagen der Modellierung, Lineare und nichtlineare Systeme, Kontinuierliche und Diskrete Modellierung und Simulation, Modellierung von biologischen Systemen und Prozessen: Deterministische Simulation, Stochastische Simulation: Monte Carlo Methoden, Populationsdynamik: Räuber/Beute Modelle, Infektionsepidemiologie - Krankheitsausbreitung Kompartmentmodelle: Pharmakokinetik, Ein-Kompartment-Modelle, Zwei-Kompartment-Modelle, Insulinkinetik Biosystemanalyse: Hämodynamik, Herz-Kreislauf Simulation, Herz-Kreislauf-Regulation, Gasaustausch in den Lungen, Typisierung von Modellen und Computersimulationen. In den Übungen erfolgt synchron zur Vorlesung die praktische Erarbeitung und Behandlung der Lehrinhalte mit Software-Frameworks MATLAB/Simulink und AnyLogic.
Modellbildung und Simulation
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Der Student erhält einen Überblick über den “State of the Art“ der numerischen Methoden. Durch die Vermittlung charakteristischer Anwendungsfälle erhalten die Studierenden die Fähigkeit, selbständig neue Aufgabenstellungen zu analysieren und das vermittelte Wissen anzuwenden.
Lehrveranstaltungen
Numerische Methoden
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Einleitung: Problematik des Rechnens mit Gleitkommazahlen, Beispiele aus numerischem Differenzieren/Integrieren. Numerische lineare Algebra: least squares für Gleichungssysteme, Eigenwerte, Eigensysteme, Diagonalisierung,Monte Carlo Methoden: Grundlagen
Optimierung: Stetige Funktionen mit bzw. ohne Nebenbedingungen (Gradientenverfahren, Quasi-Newton-Methoden etc.). Ganzzahlige Optimierung, branch & bound, branch & cut Simplex/Komplex Methode, Gleichungssysteme: Algebraische Gleichungen (Newtonverfahren etc.). Differentialgleichungssysteme (Runge Kutta etc.), Dynamische Optimierung: Graphensuche, Q-learning, Approximationsmethoden, Splines, Fourier-Transformation.
Numerische Methoden
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden erwerben vertiefte Kenntnisse zu multivariaten statistischen Verfahren, so dass sie sie nicht nur in angemessener Weise anwenden, sondern bei Bedarf auch an die jeweils vorliegende Datensituation anpassen können.
Lehrveranstaltungen
Multivariate Statistik
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Grundlegende statistische Verteilungsfunktionen, Parametrische- und Nichtparametrische Statistiken, Multivariate Methoden: Korrelation/Covarianz, PC-Analysis, Lineare Diskriminanzanalyse, Partial least squares, Lineare/logistische Regression, Varimax, Faktoren-Analyse, Markov Ketten, Maximum-Likelihood Methoden, Bayesische Statistik und Techniken, Planung klinischer Studien, Diagnostische Tests, ROC Analyse, OLAP-Methoden mit SPSS, R als Praktikum (Programmieren).
Multivariate Statistik
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die AbsolventinInnen werden in die Lage versetzt, problemspezifisch relevante Wissensquellen für die Diplomarbeit auszuwählen und inhaltlich zu nützen. Durch Unterstützung und Feedback seitens des/der Betreuers/Betreuerin vom FH-Studiengang ist ein schrittweises Vorgehen mit kontinuierlicher Qualitätsverbesserung gesichert.
Lehrveranstaltungen
Diplomarbeit
Semester:
4.Semester
Typ:
Seminar / Pflicht
ECTS-Punkte:
24
Prüfungsart:
Immanente Beurteilung
Diplomarbeit Seminar
Semester:
4.Semester
Typ:
Seminar / Pflicht
ECTS-Punkte:
4
Prüfungsart:
Immanente Beurteilung
Modul
Kompetenzerwerb
Die Integration moderner bildgebender Verfahren in der Medizin mit Positionssensortechnologie und Methoden der Computergraphik ermöglicht neuartige Verfahren zur intraoperativen Navigation. Das neue Fachgebiet hat im letzten Jahrzehnt eine enorme Entwicklung erfahren und zeigt großes Zukunftspotential. Die Studierenden erhalten eine Einführung in die grundlegenden methodischen Ansätze des Faches, sowie unter dem anwendungorientierten Aspekt der Lehrveranstaltung erlernen sie den Umgang mit verschiedenen Augmented Reality Frameworks. Ziel ist eine problemorientierte Darstellung des komplexen Themengebietes.
Lehrveranstaltungen
Vertiefung Medizininformatik: Augmented Reality
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Einführung und Begriffsdefinition: Virtual Reality, Augmented Reality, Gerätekunde: Tracking Systeme: Magnetisch, Optisch (aktive, passive Marker), Head mounted Displays: Optische Schnittstelle, Bildgebende Modalitäten Registrierung, Koordinatensysteme, Transformationen, Point-Point Registrierung: Rigid Body Transformationen, Point-Many-Points Registrierung, Surface-Points, Lokale Registrierung: Non-rigid Methoden Geometrische Modellierung in der VR und AR, Augmented Reality Frameworks, Anwendungsbeispiele: Virtuelle Biopsie, AR in der Gefäßchirurgie, AR und VR in der orthopädischen Chirurgie.
Vertiefung Medizininformatik: Augmented Reality
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Der Absolvent/die Absolventin erwirbt Kenntnisse über verschiedene Ansätze der heuristischen Optimierung und wird in die Lage versetzt, die Auswahl und Adaption eines geeigneten Verfahrens für eine konkrete Aufgabenstellung zu treffen. Dabei werden auch insbesondere Problemstellungen aus der Domäne der Medizininformatik betrachtet. Der praktische Einsatz der metaheuristischen Optimierungsansätze wird begleitend zur Theorie anhand unterschiedlicher Optimierungsprobleme unter Verwendung von HeuristicLab trainiert und vertieft.
Lehrveranstaltungen
Vertiefung Medizininformatik: Heuristische Methoden in Evidence Based Medicine
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Abgrenzung zwischen numerischer und heuristischer Optimierung,Taxonomie von heuristischen Optimierungsverfahren, Beispiele kombinatorischer Optimierungsprobleme und Komplexitätstheorie, Lösungsraumverhalten und P- und NP-Probleme, Heuristische Verfahren (Überblick): Problemspezifische Verfahren vs. Metaheuristiken, Konstruktions- vs. Verbesserungsheuristiken, Nachbarschaft und Distanz von Lösungen, Lokale Suche, Nicht-Populationsbasierte heuristische Verfahren (trajektorienbasierte Verfahren), Simulated Annealing, Tabu-Suche. Populationsbasierte heuristische Verfahren: Ant-Colony Optimization, Swarm Intelligence, Genetische Algorithmen (GA): Terminologie, Kanonische GAs, Schema Theorem und Building Block Hypothese, Verfrühte Konvergenz, Selektionsstrategien, Ersetzungsstrategien, Verschiedene Problem-repräsentationen, Operatoren für Binärkodierung, Operatoren für diskrete Problemrepräsentationen am Beispiel des TSP, Reellwertige Problemrepräsentation und Operatoren, Parallele Genetische Algorithmen, Evolutionsstrategien, Genetische Programmierung.
Vertiefung Medizininformatik: Heuristische Methoden in Evidence Based Medicine
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden erwerben die Fähigkeiten, die zum Entwurf und zum Einsatz komplexer, mobiler Softwaresysteme im Gesundheitswesen notwendig sind. In den Lehrveranstaltungen dieses Moduls stehen die Konzeption und Umsetzung mobiler und telemedizinischen Anwendungen im Vordergrund, sodass neue Systeme entworfen und bestehende Systeme weiterentwickelt werden können.
Lehrveranstaltungen
Vertiefung Medizininformatik: Ambient Assisted Living
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Konzepte mobiler Systeme und Beispiele mobiler Anwendungen im medizinischen Umfeld wie Mobile Informationssysteme ( Elektronische Patientenakte, Monitoring), Mobiles Wissensmanagement , Mobile Steuerungs- und Planungssysteme, Mobile Telemedizin, Mobile Tele-Homecare-Systeme. Kontext und kontextsensitive Systeme (z.B. Kontextmodelle Kontextverteilung und -verarbeitung, Context-Toolkit, Aware Home, MediaCup, etc.). Design und Implementierungsaspekte (drahtlose Kommunikation, Mobilität, Portabilität, etc.). Mobile Software-Technologien (z.B. Java for Mobile Devices (J2ME) und Microsoft.NET Compact Framework, Google Android, etc.). Drahtlose Kommunikationstechnologien (Bluetooth, ZigBee, WLAN, GSM, UMTS, HSPDA, etc.). Konzepte und Technologien zum Lokaliseren von Objekten und Personen (z.B. GPS, Radio Frequency Identifaction (RFID), Triangulation und Trilate-ration mit WLAN, GSM, Infrarot, Bluetooth und Ultraschall Beacons).
Pervasive Computing Konzepte, " Smart Dust und Wireless Sensing Net-works, Sicherheitsaspekte bei mobilen Systemen.
Vertiefung Medizininformatik: Ambient Assisted Living
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Der Absolvent / die Absolventin soll ein Grundverständnis für genetische Phänomene bekommen, die zu pathologischen Prozessen in der Zelle führen können. Weiters werden verschiedene Methoden der molekularen Diagnostik in der klinischen Praxis vorgestellt.
Lehrveranstaltungen
Vertiefung Medizininformatik: Genetik in der Medizin
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Mendelsche Genetik, Zytogenetik, Humangenetik, Grundzüge der Populationsgenetik, Molekularbiologie, physikalische und genetische Genkartierung, Genetische und molekulare Diagnostik im Krankenhaus PFLP, PCR, Microarrays, HPLC, Elisa, enzymatische Aktivitätstests, Spektroskopie, lokale und multiple Alignments, DNA-Datenbanken GenBank, SNP, OMIM, praktische Übungen im Biolabor.
Vertiefung Medizininformatik: Genetik in der Medizin
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Im Rahmen dieses Moduls sollte das erworbene Wissen aus den Fachbereichen Projektengineering, Softwareentwicklung, spezielle Algorithmen und Methoden sowie organisatorische Projektführung für Themen aus dem Bereich molekulare oder klinische Datenbearbeitung/-analyse angewendet werden. Die Studierenden sollen zusätzlich auf den Einsatz in interdisziplinären, internationalen Arbeitsgruppen vorbereitet werden.
Lehrveranstaltungen
Projekt angewandte Forschung Medizininformatik
Semester:
3.Semester
Typ:
Berufsorientierungspraktikum / Pflicht
ECTS-Punkte:
30
Prüfungsart:
Immanente Beurteilung
Modul
Kompetenzerwerb
Die Studierenden sollen nach dem Modul moderne Hochdurchsatztechnologien im molekularbiologischen Labor kennen. Die theoretischen Grundlagen und Erkennen praktischer Schwierigkeiten bei der Durchführung verleihen ihm/ihr die Fähigkeit die gewonnen Daten kritisch zu hinterfragen und seinem Wissen entsprechend zu analysieren.
Lehrveranstaltungen
Vertiefung Bioinformatik: Genominformatik
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Molekularbiologische Hochdurchsatztechnolgien, DNA-Chips, cDNA array, Protein-Arrays, Tandem Mass Spektrometrie, MALDI, etc. Detektion, MC-Markierungssysteme, Digitalisierung, Normalisierung der Daten, Statistische Auswertung der Genexpressions-Änderung, Reduktion und Visualisierung großer Datenmengen, Clustering, Promotor- und Funktionsanalyse, Datenintegration, Fallstudien und Problemidentifikation.
Vertiefung Bioinformatik: Genominformatik
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden lernen neue facheinschlägige Themengebiete kennen, und selbstständig problemspezifisch relevante Wissensquellen auszuwählen, sowie diese inhaltlich zu nützen und aufzubereiten.
Lehrveranstaltungen
Vertiefung Bioinformatik: Ausgewählte Kapitel der Systembiologie
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Es werden aktuelle Publikationen aus der Systembiologie behandelt, die in einem Vortrag vorgestellt und diskutiert werden sollen. Zu der Publikation muss außerdem eine Ausarbeitung angefertigt werden.
Vertiefung Bioinformatik: Ausgewählte Kapitel der Systembiologie
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden lernen Methoden der Strukturbestimmung wie X-Ray und NMR kennen und bekommen einen Einblick in die wichtigsten Methoden und Verfahren zur Bestimmung molekularer Wechselwirkungen. Proteindynamik, Protein-Liganden Erkennung, Proteinfaltung sowie zur Strukturvorhersage und Molecular Modelling.
Lehrveranstaltungen
Vertiefung Bioinformatik:Molecular Modelling
Semester:
2.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Theorie Proteine, Aufbau, Faltung und Kräfte, Experimentelle Bestimmung von Sequenz und Struktur, Theorie von X-ray und NMR, X-ray in der Praxis, Theorie+Praxis Modellierung/Vorhersage, Comparative Modelling, Foldrecognition/Threading, Ab initio Strukturvorhersage Docking, Statistische Potentiale.
Vertiefung Bioinformatik:Molecular Modelling
Semester:
2.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Die Studierenden bekommen ein Verständnis für die molekularen Ursachen verschiedener Krankheiten und können dieses in Zusammenhang mit biologischen Datenbanken bringen. Aufbauend sollen sie die Grundzüge der Pharmakokinetik und Pharmakodynamik verstehen lernen und so die Wirkungsweise der entprechenden Medikation verstehen.
Lehrveranstaltungen
Vertiefung Bioinformatik: Molekulare Pathologie
Semester:
1.Semester
Typ:
Vorlesung / Pflicht
ECTS-Punkte:
3
Prüfungsart:
Schriftliche Prüfung
Inhalte:
Molekulare Mechanismen der Krankheitsentstehung, ausgewählte Beispiele, Einfluss genetischer Faktoren, Medizinische Analyse, Virologie, Parasitologie. Allgemeine Pharmakologie, Pharmakokinetik, Pharmakodynamik, Arzneistoff-Verabreichung, Wirkungsweise, Toxikologie, Pharmakophoren, Nachweisverfahren, Internet-Ressourcen, Codices, rechtliche Grundlagen, Arzneimittelgesetz, klinische Prüfung, Surveillance. Pharmakogenomik, Genotypisierung, genetische Polymorphismen, Genmarker-Analyse, multiple Drug Resistance, Toxicogenetics.
Vertiefung Bioinformatik: Molekulare Pathologie
Semester:
1.Semester
Typ:
Übung / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
Inhalte:
Begleitende Übung zur Vorlesung, praktische Anwendung des in der Vorlesung vermittelten Wissens.
Modul
Kompetenzerwerb
Im Rahmen dieses Moduls sollte das erworbene Wissen aus den Fachbereichen Projektengineering, Softwareentwicklung, spezielle Algorithmen und Methoden sowie organisatorische Projektführung für Themen aus dem Bereich molekulare oder klinische Datenbearbeitung/-analyse angewendet werden. Die Studierenden sollen zusätzlich auf den Einsatz in interdisziplinären, internationalen Arbeitsgruppen vorbereitet werden.
Lehrveranstaltungen
Projekt angewandte Forschung Bioinformatik
Semester:
3.Semester
Typ:
Berufsorientierungspraktikum / Pflicht
ECTS-Punkte:
30
Prüfungsart:
Immanente Beurteilung
Modul
Kompetenzerwerb
In Form eines Trainings in Kleingruppen wird die Fähigkeit der AbsolventInnen zur Teamarbeit weiter ausgebaut und in konkreten Fallbeispielen umgesetzt. In verstärktem Ausmaß wird dabei der Führungsfunktion Aufmerksamkeit geschenkt.
Lehrveranstaltungen
Leadership Praxis
Semester:
4.Semester
Typ:
Individualtraining / Pflicht
ECTS-Punkte:
2
Prüfungsart:
Immanente Beurteilung
