Roberto TAGLIAFERRI | BIOINFORMATICA

cod. 0522100021

BIOINFORMATICA

	0522100021
	DIPARTIMENTO DI CHIMICA E BIOLOGIA "ADOLFO ZAMBELLI"
	CORSO DI LAUREA MAGISTRALE
	BIOLOGIA
	2022/2023

PERCORSO COMUNE Coorte 2021/2022

	OBBLIGATORIO
	ANNO CORSO 2
	ANNO ORDINAMENTO 2016
	SECONDO SEMESTRE

MODULI

	SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
	INF/01	6	48	LEZIONE	AFFINE/INTEGRATIVA

DOCENTI

	ROBERTO TAGLIAFERRI T Curriculum
	FRANCESCO BARDOZZO Curriculum

	Obiettivi
	L'INSEGNAMENTO HA IL FINE DI FORNIRE GLI STRUMENTI METODOLOGICI E TECNOLOGICI PER L’ANALISI DI DATI BIOINFORMATICI. IN PARTICOLARE, GLI STUDENTI E LE STUDENTESSE DOVRANNO PADRONEGGIARE LE METODOLOGIE E GLI ALGORITMI PER L’ALLINEAMENTO DI SEQUENZE NUCLEOTIDICHE E PROTEICHE, A COPPIE O MULTIPLO, LOCALE O GLOBALE, PER LA RICOSTRUZIONE DI ALBERI FILOGENETICI, PER IL CLUSTERING E LA CLASSIFICAZIONE DI DATI BIOINFORMATICI (AD ESEMPIO DATI DI ESPRESSIONE, DATI FUNZIONALI DI GENOMICA E PROTEOMICA, PER LA DIAGNOSTICA MEDICA, ECC.). ATTRAVERSO LE LEZIONI TEORICHE E LE ATTIVITÀ IN LABORATORIO, LE STUDENTESSE E GLI STUDENTI ACQUISIRANNO LE ADEGUATE COMPETENZE PER USARE IL SISTEMA OPERATIVO LINUX A RIGA DI COMANDO, PER FARE CODING PER USARE E MODIFICARE PROGRAMMI DI MACHINE E DEEP LEARNING, E DI PATTERN RECOGNITION STATISTICO PER RISOLVERE PROBLEMI DI INTERESSE BIOLOGICO.

L'INSEGNAMENTO HA IL FINE DI FORNIRE GLI STRUMENTI METODOLOGICI E TECNOLOGICI PER L’ANALISI DI DATI BIOINFORMATICI. IN PARTICOLARE, GLI STUDENTI E LE STUDENTESSE DOVRANNO PADRONEGGIARE LE METODOLOGIE E GLI ALGORITMI PER L’ALLINEAMENTO DI SEQUENZE NUCLEOTIDICHE E PROTEICHE, A COPPIE O MULTIPLO, LOCALE O GLOBALE, PER LA RICOSTRUZIONE DI ALBERI FILOGENETICI, PER IL CLUSTERING E LA CLASSIFICAZIONE DI DATI BIOINFORMATICI (AD ESEMPIO DATI DI ESPRESSIONE, DATI FUNZIONALI DI GENOMICA E PROTEOMICA, PER LA DIAGNOSTICA MEDICA, ECC.).
ATTRAVERSO LE LEZIONI TEORICHE E LE ATTIVITÀ IN LABORATORIO, LE STUDENTESSE E GLI STUDENTI ACQUISIRANNO LE ADEGUATE COMPETENZE PER USARE IL SISTEMA OPERATIVO LINUX A RIGA DI COMANDO, PER FARE CODING PER USARE E MODIFICARE PROGRAMMI DI MACHINE E DEEP LEARNING, E DI PATTERN RECOGNITION STATISTICO PER RISOLVERE PROBLEMI DI INTERESSE BIOLOGICO.

	Prerequisiti
	OPPORTUNE CONOSCENZE ELEMENTARI DI MATEMATICA, STATISTICA E INFORMATICA.

	Contenuti
	1. GESTIONE, ANALISI E VISUALIZZAZIONE DI DATI MULTIMEDIALI. LE BANCHE DATI DI INTERESSE BIOLOGICO. 4H 2. ALLINEAMENTO DI SEQUENZE; MATRICI DI PUNTEGGIO E DOT-PLOT; ALLINEAMENTI MULTIPLI. 4H 4. L’EVOLUZIONE DELLE PROTEINE; RICERCA IN BANCA DATI PER SIMILARITÀ; SIGNIFICATIVITÀ DELL’ALLINEAMENTO; RICONOSCIMENTO DI OMOLOGIA. 2H 5. ALGORITMI DI ALLINEAMENTO: PROGRAMMAZIONE DINAMICA, FASTA, BLAST E HMM. 6H 6. LA STRUTTURA E L’INTERPRETAZIONE DI ALBERI FILOGENETICI; EVOLUZIONE MOLECOLARE E SUE CONSEGUENZE; RICOSTRUZIONE DELL’ALBERO FILOGENETICO. 4H 7. ANALISI DELL’ESPRESSIONE DEI GENI: I DATI DI ESPRESSIONE GENICA E ALCUNE TECNICHE DI ANALISI 4H 8. ALGORITMI DI CLUSTERING E METODI STATISTICI: LA PREPARAZIONE DEI DATI DI ESPRESSIONE DEI GENI; ALCUNE TECNICHE DI ANALISI BASATE SUL CLUSTERING; CLASSIFICAZIONE DEI CAMPIONI CON DATI DI ESPRESSIONE. 6H 9. DIAGNOSTICA E ALGORITMI DI MACHINE LEARNING & AI. 2H PARTE APPLICATIVA: 1. SCRITTURA DI PROGRAMMI IN LINEA DI COMANDO IN LINUX: 4 H 2. IL LINGUAGGIO PYTHON, ELEMENTI DI BASE 4H 3. ALGORITMI DI CLUSTERING IN PYTHON 4H 3. ALGORITMI DI CLASSIFICAZIONE IN PYTHON 4H

Contenuti

1. GESTIONE, ANALISI E VISUALIZZAZIONE DI DATI MULTIMEDIALI. LE BANCHE DATI DI INTERESSE BIOLOGICO. 4H
2. ALLINEAMENTO DI SEQUENZE; MATRICI DI PUNTEGGIO E DOT-PLOT; ALLINEAMENTI MULTIPLI. 4H
4. L’EVOLUZIONE DELLE PROTEINE; RICERCA IN BANCA DATI PER SIMILARITÀ; SIGNIFICATIVITÀ DELL’ALLINEAMENTO; RICONOSCIMENTO DI OMOLOGIA. 2H
5. ALGORITMI DI ALLINEAMENTO: PROGRAMMAZIONE DINAMICA, FASTA, BLAST E HMM. 6H
6. LA STRUTTURA E L’INTERPRETAZIONE DI ALBERI FILOGENETICI; EVOLUZIONE MOLECOLARE E SUE CONSEGUENZE; RICOSTRUZIONE DELL’ALBERO FILOGENETICO. 4H
7. ANALISI DELL’ESPRESSIONE DEI GENI: I DATI DI ESPRESSIONE GENICA E ALCUNE TECNICHE DI ANALISI 4H
8. ALGORITMI DI CLUSTERING E METODI STATISTICI: LA PREPARAZIONE DEI DATI DI ESPRESSIONE DEI GENI; ALCUNE TECNICHE DI ANALISI BASATE SUL CLUSTERING; CLASSIFICAZIONE DEI CAMPIONI CON DATI DI ESPRESSIONE. 6H
9. DIAGNOSTICA E ALGORITMI DI MACHINE LEARNING & AI. 2H
PARTE APPLICATIVA:
1. SCRITTURA DI PROGRAMMI IN LINEA DI COMANDO IN LINUX: 4 H
2. IL LINGUAGGIO PYTHON, ELEMENTI DI BASE 4H
3. ALGORITMI DI CLUSTERING IN PYTHON 4H
3. ALGORITMI DI CLASSIFICAZIONE IN PYTHON 4H

	Metodi Didattici
	LEZIONI FRONTALI, ESERCITAZIONI IN AULA ED ESPERIENZE DI LABORATORIO

	Verifica dell'apprendimento
	PROVA ORALE SU TUTTI I CONTENUTI DEL CORSO. UN PROGETTO PER VERIFICARE LA CAPACITA' DI APPLICARE I MODELLI AI DATI BIOINFORMATICI.

	Testi
	MARKETA ZVELEBIL, JEREMY O. BAUM: UNDERSTANDING BIOINFORMATICS, GARLAND SCIENCE 2008 SLIDE E MATERIALE FORNITO DAI DOCENTI.

	Altre Informazioni
	È RICHIESTA LA FREQUENZA REGOLARE AL CORSO SECONDO I CRITERI DEFINITI DALL’AREA DIDATTICA.

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-08-21]

Roberto TAGLIAFERRI | BIOINFORMATICA