RESEARCH GROUP Computational Metagenomics > Teaching
Abschlussarbeiten
Automatisierte Analyse von Software-Zitationen in den Lebenswissenschaften
Forschungssoftware ist essenziell für moderne bioinformatische Analysen, wird jedoch sehr unterschiedlich zitiert. Ziel dieses Projekts ist die Entwicklung eines automatisierten Workflows zur Erfassung, Analyse und Visualisierung von Software-Zitationen aus wissenschaftlichen Publikationen. Dabei sollen unterschiedliche Zitierpraktiken untersucht und die Sichtbarkeit von Forschungssoftware analysiert werden.
Cloud Computing
Das Deutsche Netzwerk für Bioinformatik-Infrastruktur (de.NBI) stellt eine eigene föderierte Cloud für die Lebenswissenschaften zur Verfügung. Das de.NBI-CloudPortal (https://cloud.denbi.de) bietet mit SimpleVM einen möglichen Projekt-Modus, über den Virtuelle Maschinen (VMs) gestartet und verwaltet werden können. Um den Umgang mit der Cloud weiter zu vereinfachen, soll SimpleVM erweitert werden.
Mögliche Themen für Abschlussarbeiten
- Bereitstellung und Austausch (großer) Datenmengen in virtuellen Umgebungen
- Monitoring des Resourcenverbrauchs der einzelnen Virtuellen Maschinen über das Portal, Erweiterung des SimpleVM-Systems durch entsprechende Visualisierungen
- Austausch von virtuellen Umgebungen zwischen verschiedenen de.NBI-Cloud-Standorten
- Austausch, Aktualisierung und Synchronisierung (großer) Bioinformatik-Datenbanken über mehrere de.NBI-Cloud-Standorte
Genauere Infos zum Thema
Metagenomik
Im Rahmen des “Metagenomics Toolkit”-Projekts sollen große Datenmengen mithilfe eines cloudbasierten Bioinformatik-Workflows automatisiert analysiert werden. Der Workflow ist auf Basis von Nextflow (https://www.nextflow.io) implementiert und kann mit verschiedenen Programmiersprachen erweitert werden (Python, Bash, R, etc.). Der Workflow soll durch verschiedene Analysetools aus dem Bereich der Metagenomik erweitert werden.
Mögliche Themen für Abschlussarbeiten
- Evaluation verschiedener Strategien zu Metagenom-Assembly- und -Binning
- Vorhersage des Ressourcenverbrauchs mit Hilfe von KI-Methoden
- Automatische Evaluation verschiedener Konfigurationen des Workflows
- Entwicklung eines „Minimal-Workflows“ zur Hochdurchsatzanalyse von tausenden von Datensätzen
- Erweiterung des Toolkits um Analysetools für virale Sequenzdaten
- Weiterentwicklung des Tools TraceFlow zum Benchmarking von Nextflow Pipelines (Einblick in den Ressourcenverbrauch von Tools über deren gesamte Laufzeit)