270200 PR Multiomics Data Science (2024S)

Teil 1 - Multiomics-Rohdatenanalysen mit modernsten Software-Pipelines (von Rohdaten über Identifizierung bis zu Tabellen mit Quantifizierungsergebnissen). Datensätze, die mit Hochdurchsatzmethoden gewonnen wurden, können aufgrund der großen Datenmengen nicht manuell analysiert werden. Die notwendige Sorgfalt bei der Dateninterpretation muss daher teilweise an Softwarepakete übertragen werden. Tatsächlich liegen zwischen der Datenerfassung und der Analyse viele Verarbeitungsschritte. Ein Schwerpunkt dieses ersten Teils des Kurses ist die Vorstellung der gängigsten Programme zur Unterstützung der Verarbeitung von Daten aus der Proteomik, Transkriptomik und Lipidomik. Jeder Schritt der Datenverarbeitung sowie mögliche Optimierungen von Algorithmen und erforderlichen Einstellungen werden analysiert und getestet. Ein weiterer Schwerpunkt ist die Verwendung von Python zur Interpretation dieser Datensätze nach biochemischen oder biomedizinischen Kriterien.

Teil 2 - Multiomics Data Science Einführung mit Python
Es werden grundlegende Themen der Datenanalyse von Multiomics-Daten behandelt, darunter Regressionen, Hauptkomponentenanalysen, Clustering, Zeitreihenanalysen, Klassifikationen, statistische Tests einschließlich Anreicherungsanalysen. Der Kurs beginnt mit einer Einführung in Python für die Anwendung der genannten Analysemethoden.

Teil 3 - Datenintegration auf der Multiomics-Ebene

Integration von Daten in getrennter und kombinierter Form zur echten Integration von Omics-Daten in einer pathway- und datengesteuerten Weise.