Scuola di Medicina e Chirurgia

Università Magna Graecia di Catanzaro

Bioinformatica

Ingegneria Informatica e Biomedica

Il corso presenta le principali problematiche, metodologie, algoritmi e strumenti software per la rappresentazione, gestione ed analisi informatica dei principali dati biologici, con particolare riferimento ai dati omici (es. dati genomici, proteomici, interattomici).

Inoltre, il corso fornisce le basi per utilizzare i principali strumenti software della bioinformatica e per svolgere le principali tipologie di analisi di dati quali ricerca in banche dati biologiche, analisi di sequenza, analisi di struttura.

Il corso introduce le tecniche di analisi data mining per condurre esperimenti caso-controllo per la scopaerta di biomarcatori, con particolare riferimento a dati microarray e mass spectrometry.

Infine il corso comprende lo studio delle reti biologiche.

Collegamenti Veloci:
Docente:
Marianna Milano

Insegnamento SSD:
ING-INF/05 - Sistemi di elaborazione delle informazioni

CFU:
6
Obiettivi del Corso e Risultati di apprendimento attesi

 

  1. Conoscenza e capacità di comprensione (knowledge and understanding)

  • Conoscenza delle rappresentazioni informatiche dei principali dati omici (es. DNA, proteine, reti di interazione proteica).

  • Conoscenza delle principali banche dati biologiche.

  • Conoscenza dei principali algoritmi per la manipolazione dei dati biologici (es. sequenze e strutture proteine).

  • Conoscenza delle metodologie di preprocessamento, gestione ed analisi dei principali dati omici.

 

  1. Capacità di applicare conoscenza a comprensione (applying knowledge and understanding)

  • Capacità di interrogare le principali banche dati biologiche.

  • Capacità di utilizzare i principali software per la bioinformatica per l'allineamento di sequenze proteiche e per la predizione della struttura secondaria e terziaria delle proteine.

  • Capacità di impostare un esperimento di analisi di dati (esperimento in silico), individuando le fasi di preprocessing, analisi statistica/data mining dei dati, interpretazione dei risultati.

 

  1. Autonomia di giudizio (making judgement)

  • Capacità di raccogliere e interpretare i dati rilevanti ai fini della interrogazione di una banca dati biologica o dell'esecuzione di un esperimento di analisi dati.

 

  1. Capacità di apprendimento (learning skills)

  • Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.

  • Capacità di studiare in un modo ampiamente auto-gestito o autonomo.

 

  1. Abilità comunicative (communication skills)

  • Capacità di comunicare le fasi di un esperimento di analisi dati tramite la stesura di relazioni tecniche o la presentazione orale tramite slides.

Programma

 

 

  • Introduzione alla Bioinformatica. Rappresentazione informatica delle principali entità biologiche (DNA, proteine, ecc).

  • Banche dati biologiche. Basi di dati di sequenze di macromolecole biologiche. Problemi relativi all’archiviazione e alla ricerca di sequenze di macromolecole. Basi di dati di strutture di macromolecole biologiche. Principali banche dati biologiche.

  • Allineamento e similarità di sequenze. Algoritmi per l’allineamento tra sequenze. Allineamento locale, globale, multiplo. Analisi filogenetica. Principali algoritmi di allineamento.

  • Concetti di ricerca e di confronto tra strutture. Predizione di strutture secondarie e terziarie di macromolecole. Cenni ai problemi del protein folding. Principali algoritmi per la predizione della struttura secondaria e terziaria. Allineamento strutturale.

  • Analisi di dati genomici e proteomici. Cenni alle tecniche di analisi data mining. Classificazione. Le tecnologie per la produzione di dati genomici e proteomici (microarray, mass spectrometry). Preprocessing ed analisi di dati di espressione genica e di spettri di massa.

  • Cenni all'analisi di dati interattomici. Reti di Interazione Proteica. Algoritmi per la predizione di complessi proteici, per l'allineamento e la visualizzazione di reti di interazione proteica.

Stima dell’impegno orario richiesto per lo studio individuale del programma

Ore di studio individuale: 102

Risorse per l'apprendimento

 

Libri di testo:

  • Manuela Helmer Citterich, Fabrizio Ferrè, Giulio Pavesi, Graziano Pesole, Chiara Romualdi. FONDAMENTI DI BIOINFORMATICA. Zanichelli (https://www.zanichelli.it/ricerca/prodotti/fondamenti-di-bioinformatica?hl=helmer)

 

Ulteriori letture consigliate per approfondimento:

  • Stefano Pascarella e Alessandro Paiardini, BIOINFORMATICA. DALLA SEQUENZA ALLA STRUTTURA DELLE PROTEINE. Zanichelli (http://online.scuola.zanichelli.it/pascarella/)

  • VALLE, HELMER CITTERICH, ATTIMONELLI, PESOLE, "INTRODUZIONE ALLA BIOINFORMATICA", ZANICHELLI

 

Altro materiale didattico:

  • Articoli scientifici forniti dal docente;

  • Diapositive fornite dal docente.

Attività di supporto

  • Sulla base delle risorse messe a disposizione dalle strutture didattiche, gli studenti possono avere supporto dai tutors eventualmente selezionati dalla Scuola di Medicina e Chirurgia.

  • Ricevimento da parte del docente.

Modalità di frequenza

Le modalità sono indicate dal Regolamento didattico d’Ateneo.

Modalità di accertamento

 

Le modalità generali sono indicate nel regolamento didattico di Ateneo all’art.22 consultabile al link http://www.unicz.it/pdf/regolamento_didattico_ateneo_dr681.pdf

L'esame finale sarà svolto attraverso una prova orale. La prova orale verterà sul programma svolto a lezione.

Il voto finale della prova orale viene attribuito secondo la seguente griglia di valutazione:

 

Conoscenza e comprensione argomento

Capacità di analisi e sintesi

Utilizzo di referenze

Non idoneo

Importanti carenze.

Significative inaccuratezze

Irrilevanti. Frequenti generalizzazioni. Incapacità di sintesi

Completamente inappropriato

18-20

A livello soglia. Imperfezioni evidenti

Capacità appena sufficienti

Appena appropriato

21-23

Conoscenza routinaria

E’ in grado di analisi e sintesi corrette. Argomenta in modo logico e coerente

Utilizza le referenze standard

24-26

Conoscenza buona

Ha capacità di a. e s. buone gli argomenti sono espressi coerentemente

Utilizza le referenze standard

27-29

Conoscenza più che buona

Ha notevoli capacità di a. e s.

Ha approfondito gli argomenti

30-30L

Conoscenza ottima

Ha notevoli capacità di a. e s.

Importanti approfondimenti