Der Kurs findet im SS 2021 als Onlinekurs statt. 

Alle Kursmaterialien gibt es über OLAT. Bitte anmelden!

Inhalt

Die Vorlesung behandelt grundlegende Methoden, die zur Modellierung biologischer Systeme auf  Zellebene benötigt werden. U.a. wird die Modellierung der Bewegung mit Diffusionsgleichungen und deren verschiedenen Modifikationen (z.B. Persistenz und Chemotaxis) behandelt. Weiterhin werden Methoden zur Bildverarbeitung und das Tracking von bewegten Objekten vermittelt um die Daten, die für die Modellierung benötigt werden, zu generieren. 

Die gesamte Vorlesung wird parallel von einer Übung begleitet, in der die erlernten Methoden, von der Auswertung der Rohdaten bis zum fertigen Modell, implementiert und angewendet werden sollen. Der Beispieldatensatz mit dem während der gesamten Übung gearbeitet wird, beschäftigt sich mit Zellbewegung, ein Mechanismus der in verschiedenen biologischen Prozessen (z.B. Metastasierung, Immunabwehr) sehr wichtig ist. 

 

Kompetenz, Lern- und Qualifikationsziele 

Ziel der Veranstaltung ist es einen Einblick in die Modellierung biologischer Systeme auf Zellebene zu erhalten. Durch die begleitende Übung soll den Studenten eine forschungsnahe Herangehensweise an biologische Fragestellungen vermittelt werden, sowie eine Vertiefung der Programmierkenntnisse und der Umgang mit Bildverarbeitungssoftware. 

 

Teilnahmevoraussetzungen	keine
Empfohlene Voraussetzungen	mathematische & Programmiergrundkenntnisse
Angebotsturnus	jährlich im Sommersemester
Dauer	ein Semester
Modulprüfung	Klausur oder mündliche Prüfung
Unterrichts-/Prüfungssprache	Deutsch
Vorlesung	2 SWS
Übung	2 SWS
CP	6
Wann & Wo	Ab Semesterstart, Zoom-Termine nach Vereinbarung.

Der Kurs findet im SS 2021 als Onlinekurs statt. 

Alle Kursmaterialien gibt es über OLAT. Bitte anmelden!

Inhalte

Durch zahlreiche technologische Neuentwicklungen, z.B. in der Mikroskopie oder Sequenzierung, hat sich die Biologie stark in eine quantitative Wissenschaft gewandelt. Deshalb steht in der Forschung mehr und mehr die Gewinnung grosser Datensätze im Fokus. Biologen müssen heute, und noch stärker in der Zukunft, in der Lage sein, mit diesen Datensätzen umzugehen. Hilfreich sind dabei Bildverarbeitungsmethoden, Statistik, Datenreduktion, maschinelles Lernen oder Modellierung.

Dieser Kurs soll den Studenten eine solide Basis zum Verständnis all dieser Methoden vermitteln. Mathematische Grundkonzepte werden im Rahmen einer Vorlesung mit Übungen und im Diskurs mit der Dozentin und den Kommilitonen erarbeitet. Das hier erlernte Grundwissen liefert eine Basis und damit einen leichteren Einstieg in spezifischere Techniken der Datenanalyse.

 

Teilnahmevoraussetzungen	Keine
Anmeldung	über OLAT
Angebotsturnus	Winter- und Sommersemester
Dauer	ein Semester
Unterrichtssprache	Deutsch
Vorlesung + Übung	2 SWS
CP	3
Wann	Zoom-Termine nach Vereinbarung

Der Kurs findet im SS 2021 als Onlinekurs statt. 

Alle Kursmaterialien gibt es über OLAT. Bitte anmelden!

Der Kurs ist Teil des Kombi-Moduls "Theoretische Biologie für Biophysiker".

Inhalt

Aufbauend auf den Inhalten des Kurses "Grundlagen der theoretischen Biologie und Modellierung" werden in dieser Fortsetzung folgende Themen behandelt:

 

• einige Grundlagen der Analysis (Differentiation, Integration)
• Fourier-Reihen
• Iterierte Abbildungen
• Differentialgleichungen mit analytischen und numerischen Lösungsansätzen
• Systeme von Differentialgleichungen
• Trajektorie, Phasenraum, Fixpunkte & Stabilität

Nach diesen mathematischen Grundlagen werden die Konzepte auf Anwendungen in der Biologie übertragen, klassische Modellansätze besprochen und die Modelle analysiert. Beispiele hierbei sind Populationsdynamiken, Reaktionskinetiken, Diffusion oder Musterbildung. Eine Einführung in die Programmierung und begleitende Übungen am Computer sind ebenfalls geplant.

 

Teilnahmevorraussetzungen	Grundlagen der theoretischen Biologie I, oder Grundkenntnisse der linearen Algebra (komplexe Zahlen, Matrizen, Determinanten, Eigenwerte)
Angebotsturnus	Winter- & Sommersemester
Dauer	ein Semester
Unterrichtssprache	Deutsch
Vorlesung + Übung	2 SWS
Anmeldung	über OLAT
Wann	Zoom-Meetings nach Vereinbarung
CP	3

This course will be conducted online for the SS 2021.

All course materials are provided through OLAT. Please register! 

The course is part of the Kombi-Modul "Theoretical Biology for Biophysicists".

Content

The course focuses on developing an intuitive understanding of image processing and analysis algorithms. Algorithms are presented in order of difficulty, with the initial algorithm being those that generate a processed image without involving pixel neighbourhood information, i.e. high/lowpass filtering, histogram equalization or masking. 

 

More advanced algorithms incorporate either neighbouring information, or they extract specific data-structures, or both. For example, adaptive histogram equalization locally enhances the contrast by considering local histograms of image sub-regions. Convolution and cross-correlation are explained within this section, both of which play an important role in machine learning (convolutional neural networks) and pattern matching. Algorithms that perform qualitative assessments usually output special data-structures. For example, segmentation returns a list of groups of pixels, and triangulations output a list of vertices, edges and their connectivity. 

 

The course is mostly theoretical, exposing the details of image processing and analysis algorithms. The lectures are complemented with examples from the scientific literature and practical exercises for students, which are designed around Fiji or Python. Sample images will be provided with the exercises, but students are prompted to experiment by applying the studied algorithms to their preferred images. 

Prerequisites	None
Offered	Winter- & Summer Term
Duration	one Semester
Language	English (!)
Practical exercises	2 SWS
Registration	via OLAT
When	Zoom meetings scheduled at beginning of the semester
CP	3

This course will be conducted online for the SS 2021.

All course materials are provided through OLAT. Please register! 

Content

This course constitutes an introduction to scientific programming in the MATLAB programming language. Initially the participants will learn the generic and language-specific basics of programming and handling of various data structures. The course continues with basic data manipulation and visualization techniques. A specialized part of the course is dedicated to computational generation of random numbers and distributions (sampling), statistical analysis, and data fitting. Finally, the course teaches basic methods of numerical integration of differential equations and stochastic simulation, based on paradigmatic biophysical systems. The course will endow the participants with a compact basis of computational techniques relevant to both theoretical and experimental life sciences, which can be reused and expanded in future research projects. Prior knowledge of programming is not required for participation.

The elective module is offered in SS 2021. If you are interested please contact F. Matthäus.

Content

This module provides a foundation of theoretical biology in the form of individual student research projects, mainly based on examples of cell migration. Methods and techniques, which are hereby acquired and applied, range from data or image analysis (such as segmentation, tracking, dimension reduction of large data sets, or network analysis), to the modeling and simulation of motile cells. Examples of projects involving modeling and simulation are collective migration (of cancer cells or in developmental processes), chemotaxis, pattern formation, or the description of chemical or mechanical regulatory mechanisms of motility. Alternatively, data analysis, modeling or simulation can be carried out based on a project providing suitable data collected during a previous modul. 

Image analysis will mostly be carried out using conventional software tools (ImageJ, Matlab). For post-processing of the data, visualization or statistical analysis the student will be supported in the generation of own software.  The students may code in the programming language of their choice. For beginners, an introduction to programming (in Python, Matlab or Julia) is provided. Also modeling and simulation will involve the generation of code. The topic and results of the research project will be presented in the group seminar. In addition, every student will submit a protocol comprising 10 – 30 pages.

 

Goals

The goal of the module is to provide and extend programming skills, data analysis methods and modeling approaches for dynamical or spatio-temporal processes, or large data sets. Students should be able to apply these methods/approaches in their future research and use them as a foundation for further development. Independent research, usage of original literature, and scientific writing will be strengthened.

 

Prerequisites

None

 

Recommended

Basic programming skills, basics of statistics, good background in mathematics and/or physics