BIOINFORMATICA

Biologia BIOINFORMATICA

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

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2016
SECONDO SEMESTRE
CFUOREATTIVITÀ
648LEZIONE
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 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: 2022-09-16]