Roberto TAGLIAFERRI | ALGORITMI PER LA BIOINFORMATICA
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 | |
| 2024/2025 |
| OBBLIGATORIO | |
| ANNO CORSO 1 | |
| ANNO ORDINAMENTO 2022 | |
| SECONDO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| INF/01 | 4 | 32 | LEZIONE | |
| INF/01 | 2 | 24 | LABORATORIO |
| 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. |
| 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 |
| Metodi Didattici | |
|---|---|
| LEZIONI FRONTALI, ESERCITAZIONI IN AULA ED ESPERIENZE DI LABORATORIO |
| Verifica dell'apprendimento | |
|---|---|
| PROVA ORALE SU TUTTI I CONTENUTI DEL CORSO DOPO LA FINE DEL CORSO. PRESENTAZIONE DI UN PROGETTO PER VERIFICARE LA CAPACITA' DI APPLICARE I MODELLI AI DATI BIOINFORMATICI, CONCORDATO CON I DOCENTI DURANTE IL CORSO. LA PROVA ORALE CON LA DISCUSSIONE DEL PROJECT WORK SONO FINALIZZATI A VALUTARE IL LIVELLO DI PADRONANZA DELLA DISCIPLINA. TALE LIVELLO VIENE ESPRESSO SULLA BASE DELLA SCALA DI VOTI DA 18/30 (CONOSCENZA LIMITATA DELL’ARGOMENTO) AL 30/30 LODE (IL CANDIDATO DIMOSTRA SIGNIFICATIVA PADRONANZA DEI CONTENUTI). ENTRAMBE LE PARTI CONCORRONO IN MANIERA UGUALE ALLA VALUTAZIONE FINALE. LA DURATA DELLA PROVA ORALE E' DI CIRCA 20 MINUTI, COME ANCHE LA DURATA DELLA PRESENTAZIONE DEL PROGETTO. |
| Testi | |
|---|---|
| MARKETA ZVELEBIL, JEREMY O. BAUM: UNDERSTANDING BIOINFORMATICS, GARLAND SCIENCE 2008 SLIDE E ALTRI CONTENUTI MESSI A DISPOSIZIONE DEI DOCENTI DURANTE IL CORSO E DISPONIBILI SU TEAMS |
| Altre Informazioni | |
|---|---|
| È RICHIESTA LA FREQUENZA REGOLARE AL CORSO SECONDO I CRITERI DEFINITI DALL’AREA DIDATTICA. |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-18]
