Universität Wien

270200 PR Multiomics Data Science (2024S)

6.00 ECTS (6.00 SWS), SPL 27 - Chemie
Prüfungsimmanente Lehrveranstaltung
GEMISCHT

jeden Do. von 12:15-14:15 im Seminarraum 4
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 15 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Termine gemäß der Regulierung im Vorgespräch.

  • Montag 04.03. 10:30 - 16:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 11.03. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 18.03. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 08.04. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 15.04. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 22.04. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 29.04. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 06.05. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 13.05. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 27.05. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 03.06. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 10.06. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 17.06. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42
  • Montag 24.06. 10:30 - 12:30 Seminarraum 4 Institut Physikalische Chemie HP Währinger Straße 42

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

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.

Art der Leistungskontrolle und erlaubte Hilfsmittel

1. Teil - Multiomics Data Science mit Python
Im praktischen Teil der Veranstaltung werden den Studierenden Praktikumsaufgaben vorgelegt, die vor Ort bearbeitet und anschließend mit dem Praktikumsleiter besprochen werden.

2. Teil - Multiomics Data Science mit gängigen Software Programmen
Die Leistungskontrolle erfolgt während des Praktikums (Interesse, Mitarbeit), sowie anhand des abgelieferten Protokolls und der erworbenen Kenntnisse (beurteilt bei einem Abschlussgespräch).
Die Benotung basiert auf einem Punktesystem, das sich aus der Übung, dem Interesse der Studenten und einer kurzen Diskussion mit den Betreuern ergibt.

Mindestanforderungen und Beurteilungsmaßstab

Jede Teilleistung (Abarbeiten von Praktikumsaufgaben, Mitarbeit/Interesse, Protokoll & Abschlussgespräch) muss erbracht werden, um die Lehrveranstaltung positiv abschließen zu können.

Prüfungsstoff

Unterrichtsstoff aus Theorieteilen und praktischen Übungen

Literatur

Python for Chemistry: ISBN: 978-93-5551-797-5
Simultaneous Metabolite, Protein, Lipid Extraction (SIMPLEX): A Combinatorial Multimolecular Omics Approach for Systems Biology https://doi.org/10.1074/mcp.M115.053702
Critical shifts in lipid metabolism promote megakaryocyte differentiation and proplatelet formation https://doi.org/10.1038/s44161-023-00325-8
Multiomics of synaptic junctions reveals altered lipid metabolism and signaling following environmental enrichment https://doi.org/10.1016/j.celrep.2021.109797
"Multi-OMICS: a critical technical perspective on integrative lipidomics approaches" https://doi.org/10.1016/j.bbalip.2017.02.003

Zuordnung im Vorlesungsverzeichnis

CH-SAS-06, MMB IV., MNEU V.

Letzte Änderung: Di 22.10.2024 16:06