BIOINFORMATICA II
(obiettivi)
Il corso ha come finalità quella di formare gli studenti in diversi settori avanzati della Bioinformatica, dallo studio dei dati ‘omici, prodotti dalle piattaforme di sequenziamento massivo di nuova generazione (Next Generation Sequencing - NGS) nelle diverse aree di interesse: genomica, trascrittomica, epigenomica, metagenomica; alla tecniche computazionali per le simulazioni di virtual screening, docking e dinamica molecolare di macromolecole biologiche, di system biology per la modellazione dell’espressione genica.
In dettaglio, gli obiettivi formativi riguardano: 1) Conoscenze di base sulle piattaforme di sequencing di nuova generazione; 2) Formati di dati di prodotti dai sequenziatori NGS; 3) Programmi di preprocessing: controllo di qualità e trimming delle short reads; 4) Algoritmi per il mapping delle reads sul genoma di riferimento; 5) Programmi per il variant calling; 6) Algoritmi per l’assembly di genomi o trascrittomi; 7) Librerie R per l’analisi dell’espressione differenziale dei geni e dei trascritti; 8) Studio di pipelines per l’epigenomica e la metagenomica; 10) Database ed algoritmi per il virtual screening; 11) Algoritmi stocastici per il docking molecolare; 12) Algoritmi per la minimizzazione dell’energia, termalizzazione del sistema macromolecolare e dinamica molecolare classica (all-atoms); 13) Equazioni per la descrizione di modelli dinamici di regolazione genica.
RISULTATI DI APPRENDIMENTO ATTESI:
CONOSCENZA E CAPACITÀ DI COMPRENSIONE. Gli studenti dovranno mostrare di aver appreso argomenti di bioinformatica previsti dal corso, ovvero: acquisizione delle metodiche di analisi dei dati NGS, capacità di progettazione e sviluppo di nuove pipeline di analisi di dati ‘omici, capacità di modelling di dati strutturali di macromolecole, capacità di configurazione ed analisi di dinamica molecolare di macromolecole biologiche, acquisizione di concetti introduttivi della system biology con applicazione a modelli dinamici di regolazione genica.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE. Gli studenti dovranno avere una comprensione degli approcci computazionali discussi a lezione tale da essere in grado di applicare gli stessi a problemi biologici specifici.
AUTONOMIA DI GIUDIZIO. Gli studenti dovranno essere in grado di interpretare criticamente i risultati ottenuti attraverso i tools bioinformatici discussi a lezione, nonché scegliere quelli più adatti per arrivare ad un determinato obiettivo.
ABILITA’ COMUNICATIVE. Gli studenti dovranno avere la capacità di trasmettere le conoscenze acquisite in modo chiaro e comprensibile, anche a persone non competenti, e dovranno dimostrare l’abilità di presentare l’informazione acquisita.
CAPACITÀ DI APPRENDIMENTO. Gli studenti dovranno essere in grado di descrivere i vari argomenti della Bioinformatica 2, in forma orale. Tale abilità verrà sviluppata mediante il coinvolgimento attivo attraverso discussioni orali in aula ed esercitazioni svolte nell’ aula informatica su temi specifici inerenti il corso.
|
Canale Unico
Docente
|
CASTRIGNANO TIZIANA
(programma)
Introduzione alle piattaforme di sequenziamento di prima, seconda e terza generazione (Next Generation Sequencing - NGS) . Conoscenza dei principali formati di dati di prodotti dai sequenziatori NGS. Introduzione ai programmi NGS di preprocessing: controllo di qualità e trimming delle short reads. Algoritmi euristici per l’allineamento delle short reads verso il genoma o il trascrittoma di riferimento. Algoritmi di assembly di genomi e trascrittomi. Metodi di costruzione dei grafi per l’assembly. Metodi di annotazione dei genomi e dei trascrittomi. Studio di pipelines di assembly di genomi e trascrittomi, genomica (Whole genome sequencing - WGS), trascrittomica (analisi di dati RNA-seq), epigenomica (analisi Chip-seq), metagenomica, analisi delle popolazione (analisi Rad-seq). Metodi di machine learning di predizione della struttura tridimensionale delle proteiche (Alphafold 2). Algoritmi stocastici per il docking molecolare. Introduzione alla Dinamica Molecolare (DM). Algoritmi per la minimizzazione dell’energia, termalizzazione del sistema macromolecolare e dinamica molecolare classica (all-atoms). Cenni sui modelli dinamici di regolazione genica: Equazioni per la descrizione di un semplice modello.
(testi)
Manuela Helmer Citterich Fabrizio Ferrè Giulio Pavesi Graziano Pesole Chiara Romualdi Fondamenti di bioinformatica 2018
Stefano Pascarella Alessandro Paiardini Bioinformatica Dalla sequenza alla struttura delle proteine 2011
|
Date di inizio e termine delle attività didattiche
|
Dal al |
Modalità di erogazione
|
Tradizionale
|
Modalità di frequenza
|
Non obbligatoria
|
Metodi di valutazione
|
Prova orale
Valutazione di un progetto
|
|