SCHEDA DELL'INSEGNAMENTO (SI)
SSD ING-INF/05
LAUREA MAGISTRALE IN INGEGNERIA INFORMATICA
ANNO ACCADEMICO: 2022-2023
INFORMAZIONI GENERALI - DOCENTE
DOCENTE: MICHELE CECCARELLI
TELEFONO: +39 0817683787
EMAIL: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
INFORMAZIONI GENERALI - ATTIVITÀ
INSEGNAMENTO INTEGRATO (EVENTUALE):
MODULO (EVENTUALE):
CANALE (EVENTUALE):
ANNO DI CORSO (I, II, III): II
SEMESTRE (I, II): II
CFU: 9
(se previsti dall'Ordinamento del CdS)
...................................................................................................................................................
EVENTUALI PREREQUISITI
Programmazione.
OBIETTIVI FORMATIVI
L’obiettivo del corso di Bioinformatica è quello di fornire agli studenti le nozioni specialistiche legate agli algoritmi per l’analisi di dati genomici e le loro eventuali applicazioni nella ricerca nella Biomedicina.
(Descrittori di Dublino)
Conoscenza e capacità di comprensione
Lo studente deve dimostrare di essere in grado di descrivere processi di gestione e analisi di dati genomici sotto forma algoritmica e comprendere le metodologie adottate nell’ambito dell’elaborazione di dati molecolari.
Capacità di applicare conoscenza e comprensione
Lo studente deve dimostrare di essere in grado di consultare le principali banche dati genomiche pubbliche e di descrivere e applicare procedure computazioni complesse per poter estrarre informazioni utili ai fini della ricerca biomedica.
PROGRAMMA-SYLLABUS
• Introduzione alla Biologia Molecolare e banche date biologiche
• Programmazione dinamica e allineamento di sequenze: Longest Common Subsequence, Edit Distance, Allineamento Locale, Allineamento Globale, Matrici di Sostituzione, Allineamenti Multipli.
• Modelli HMM per modeling di sequenze genomiche: Algoritmo di Viterbi, Algoritmo Forward, Posterior Decoding, Algoritmo di Baum-Welsh. Applicazioni alla classificazione di sequenze genomiche. Rappresentazione di Multiallineamenti.
• Introduzione al Next Generation Sequencing
• Algoritmi per Genome Assembly, Grafi di de Brujin, percorsi hamiltoniani e percorsi euleriani
• Algoritmi per Genome Mapping: Trie per pattern matching, Suffix Trie Tree Matching, Suffix Tree Matching, Suffix Array, Trasformata di Burrows-Wheeler e sua inversa, pattern matching con BWT
• Filogenesi molecolare e alberi filogenetici: UPGMA e Neighbor Joining
• Analisi di espressione differenziale, test statistici, analisi di arricchimento
MATERIALE DIDATTICO
• Bioinformatics Algorithms: An Active Learning Approach, by Pavel A. Pevzner and Phillip Compeau https://www.bioinformaticsalgorithms.org/
• Richard Durbin, Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids
• Appunti delle lezioni
MODALITÀ DI SVOLGIMENTO DELL'INSEGNAMENTO
Il docente utilizzera’:
a) lezioni frontali per circa il 70% delle ore totali,
b) esercitazioni per approfondire praticamente aspetti teorici per 12 ore
c) seminari per 4 ore.
La didattica verrà erogata come lezioni frontali ed esercitazioni al calcolatore.
VERIFICA DI APPRENDIMENTO E CRITERI DI VALUTAZIONE
a) Modalità di esame:
| L'esame si articola in prova: | |
| Scritta e orale | |
| Solo scritta o intercorso a metà | |
| Solo orale |  |
| Discussione di elaborato progettuale | |
| Altro (discussione esercitazioni) | |
| In caso di prova scritta i quesiti sono (*): | |
| A risposta multipla | |
| A risposta libera | |
| Esercizi numerici | |