791391 Efficient microarray data analysis using R and FSPMA (in Eng.)


Art
Vorlesung und Übung
Semesterstunden
1
Vortragende/r (Mitwirkende/r)
Sykacek, Peter
Organisation
Angeboten im Semester
Wintersemester 2018/19
Unterrichts-/ Lehrsprachen
Englisch

Lehrinhalt

Der theoretische Teil der Vorlesung behandelt die folgenden Themen:

1) Normierungsmethoden für Microarraydaten,
2) Mixed Model ANOVA,
3) ANOVA Tabellen,
4) Experimenten Designs,
5) Spezifizieren von Kontrasten für gewünschte Vergleiche,
6) Korrekturen für multiples Testen,
7) Der Einsatz von FSPMA zur Analyse von Ein- und Zweikanal Microarrays,
8) Visualisierungen von Microarraydaten mit FSPMA
9) Kombinieren von FSPMA mit anderen R-Bibliotheken.



Der praktische Teil der Vorlesung gibt Studenten die Möglichkeit, diese theoretischen Fertigkeiten in der Analyse von zwei öffentlich verfügbaren Microarraydatensätzen anzuwenden. Die Übung behandelt alle oben aufgelisteten Themen in der Praxis. Darüber hinaus wird der Einfluß unterschiedlicher Analyseschritte (z.B. Auswahl der Normierungsmethode) auf das Ergebnis untersucht. Die Ergebnisse dieser praktischen Arbeit werden in einem Laborprotokoll zusammengefaßt. Dieses Protokoll stellt einen essentiellen Teil der Bewertung dar, die letztendlich in einer abschließenden Gruppendiskussion der einzelnen Resultate finalisiert wird.

Inhaltliche Voraussetzungen (erwartete Kenntnisse)

Der erfolgreiche Abschluß der Vorlesung setzt Grundkenntnisse in Statistik und gute Computeranwenderkenntnisse voraus.

Lehrziel

Der erfolgreiche Abschluß der Lehrveranstaltung erlaubt AbsolventInnen Microarrays mit Hilfe des Statistik Paketes R und der Library FSPMA effizient zu analysieren. Studierende kennen nach dem Kurs die theroretischen Grundlagen statistischer Tests im Allgemeinen und von ANOVA Modellen im speziellen. Erfolgreiche KursteilnehmerInnen können einfache Microarrayanalysen in R erstellen und sinnvolle grafische Auswertungen gestalten. Darüber hinaus sind AbsolventInnen in der Lage sich selbständig in weiterführende Analysebibliotheken einzuarbeiten, wie sie beispielsweise im Bioconductor Archiv zu finden sind.
Noch mehr Informationen zur Lehrveranstaltung, wie Termine oder Informationen zu Prüfungen, usw. finden Sie auf der Lehrveranstaltungsseite in BOKUonline.