Roberto TAGLIAFERRI | ALGORITMI PER LA BIOINFORMATICA

cod. 0522100039

ALGORITMI PER LA BIOINFORMATICA

	0522100039
	DIPARTIMENTO DI CHIMICA E BIOLOGIA "ADOLFO ZAMBELLI"
	CORSO DI LAUREA MAGISTRALE
	BIOLOGIA
	2023/2024

CURRICULUM BIOINFORMATICO

	ANNO CORSO 1
	ANNO ORDINAMENTO 2022
	SECONDO SEMESTRE

MODULI

SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
INF/01	4	32	LEZIONE	AFFINE/INTEGRATIVA
INF/01	2	24	LABORATORIO	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 CLASSIFICAZIONE E CLUSTERING IN PYTHON 4H 4. RICOSTRUZIONE DI ALBERI FILOGENETICI 4H 5. UN CASO DI STUDIO: ANALISI DI DATI SINGLE CELL 8H

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 CLASSIFICAZIONE E CLUSTERING IN PYTHON 4H
4. RICOSTRUZIONE DI ALBERI FILOGENETICI 4H
5. UN CASO DI STUDIO: ANALISI DI DATI SINGLE CELL 8H

	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

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

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-05]

Roberto TAGLIAFERRI | ALGORITMI PER LA BIOINFORMATICA