COMPUTATIONAL GENOMICS

Internazionalizzazione della Didattica COMPUTATIONAL GENOMICS

0622900032
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
DIGITAL HEALTH AND BIOINFORMATIC ENGINEERING
2021/2022

OBBLIGATORIO
ANNO CORSO 1
ANNO ORDINAMENTO 2018
SECONDO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324LABORATORIO
Obiettivi
Il corso fornisce le conoscenze di base per l’analisi di dati prodotti da piattaforme di Next Generation Sequencing e la costruzione di pipeline per l’analisi di tali dati.

Conoscenze e capacità di comprensione
Banche dati bioinformatiche, struttura, modalità di accesso e consultazione. Principali problemi per l’analisi di dati omici quali l’allineamento di sequenze, la ricerca di geni, mutazioni e varianti, la correlazione tra geni, genome assembly. Caratteristiche dei principali tool e piattaforme disponibili sul mercato.

Conoscenza e capacità di comprensione applicate
Accedere alle principali banche dati bioinformatiche e utilizzarle in specifiche applicazioni. Impiegare i principali tool e piattaforme per l’analisi dei dati. Realizzare pipeline per l’analisi di diverse tipologie di dati omici quali DNA, RNA, mRNA, miRNA, riferiti a diverse specie.
Prerequisiti
SEBBENE NON FORMALMENTE PREVISTA, PER GARANTIRE IL RAGGIUNGIMENTO DEGLI OBIETTIVI DEL CORSO, È FORTEMENTE CONSIGLIATO L’AVER ALMENO SEGUITO IL CORSO DI BIOLOGY AND GENOMICS
Contenuti
Introduzione al corso ed ai problemi di bioinformatica (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/0/0)

Introduzione al linguaggio di programmazione R (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/4/0)

INDEXING TECHNIQUES FOR READ ALIGNMENT (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/0/0)

database e risorse in ambito biologico e della bioinformatica (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/4/0)

Tecnologie ed applicazioni di NEXT GENERATION SEQUENCING (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/10/0)

GENOME ASSEMBLY ALGORITHMS AND GRAPHS (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/2/0)

Applicazioni della bioinformatica (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/0/8)

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 20/20/8
Metodi Didattici
L'INSEGNAMENTO (48H DI LEZIONI, ESERCITAZIONI E ATTIVITÀ DI LABORATORIO) È CARATTERIZZATO DA UN SETTING DINAMICO, CHE COMPRENDE L'ANALISI DI CASI DI STUDIO CON LA PARTECIPAZIONE ATTIVA DEGLI STUDENTI CHE ESEGUIRANNO APPROFONDIMENTI SPECIFICI SULL'USO DELLE TECNOLOGIE NGS E DEGLI STRUMENTI E DEGLI SCHEMI DI ANALISI DEL GENOMA DURANTE L'IMPLEMENTAZIONE DEL PROJECT WORK. IN PARTICOLARE, LE ATTIVITÀ DIDATTICHE INCLUDERANNO LEZIONI (20 ORE), ESERCITAZIONI (20 ORE) E LABORATORIO (8 ORE) CHE INCLUDE ANCHE LO SVILUPPO DEL PROJECT WORK. PER LO SVILUPPO DEL PROGETTO GLI STUDENTI APPLICHERANNO LE LORO CONOSCENZE AL FINE DI SCEGLIERE AUTONOMAMENTE LE TECNOLOGIE PIÙ APPROPRIATE (STRUTTURE, STRUMENTI, ECC.) PER RISOLVERE PROBLEMI SPECIFICI NEI DOMINI APPLICATIVI PREVISTI (BAC). LE ATTIVITÀ DIDATTICHE SARANNO SUPPORTATE DALL'USO DELLA PIATTAFORMA DI E-LEARNING DI ATENEO PER FACILITARE E STIMOLARE LA DISCUSSIONE E IL DIBATTITO TRA GLI STUDENTI, NONCHÉ PER LA NOTIFICA E LA DISTRIBUZIONE DI MATERIALE DIDATTICO.
Verifica dell'apprendimento
L'ESAME FINALE È FINALIZZATO A VALUTARE LE CONOSCENZE E LA COMPRENSIONE COMPLESSIVA DEI CONCETTI PRESENTATI NEL CORSO, LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER SVILUPPARE APPLICAZIONI SPECIFICHE E LA CAPACITÀ DI COMUNICARE E PRESENTARE IL LAVORO SVOLTO (ABILITÀ COMUNICATIVE). L'ESAME CONSISTE IN UNA PARTE PRATICA E UNA PROVA ORALE (COLLOQUIO). LA PARTE PRATICA CONSISTE NELLO SVILUPPO DI UN PROGETTO DI LAVORO DA SVOLGERE IN GRUPPI (2-4 STUDENTI) SULLE TEMATICHE PROPOSTE AD INIZIO CORSO. LA PROVA ORALE CONSISTE NELLA PRESENTAZIONE DEI RISULTATI RAGGIUNTI DURANTE LO SVILUPPO DEL LAVORO DEL PROGETTO. OGNI MEMBRO DEL GRUPPO ESPONE IL PROPRIO CONTRIBUTO PER LA REALIZZAZIONE DEL PROGETTO INSIEME A UNA DISCUSSIONE SUGLI STRUMENTI BIOINFORMATICI E SULLA ARCHITETTURA DELLA PIPELINE REALIZZATA UNITAMENTE AI RISULTATI OTTENUTI.
NELLA VALUTAZIONE FINALE, ESPRESSA CON UN PUNTEGGIO DI 30/30, LA PARTE PRATICA PESERÀ PER IL 65% E L'ESAME ORALE PER IL 35%. LA LODE (30/30 CUM LAUDE) SARÀ ASSEGNATA AGLI STUDENTI CHE DIMOSTRERANNO UNA PIENA PADRONANZA DI TUTTI I PRINCIPALI ASPETTI METODOLOGICI E TECNOLOGICI AFFRONTATI NEL CORSO E COME QUESTI POSSONO ESSERE UTILIZZATI PER LA CREAZIONE DI APPLICAZIONI E SOLUZIONI IN DIVERSI DOMINI APPLICATIVI INSIEME CON LE IMPLICAZIONI DERIVANTI DAL LORO USO.
Testi
COURSE BOOKS
COMPUTATIONAL METHODS FOR NEXT GENERATION SEQUENCING DATA ANALYSIS (MANDOIU I AND ZELIKOVSKY A) (2016)
BIOINFORMATICS ALGORITHMS - AN ACTIVE LEARNING APPROACH (3RD EDITION - 2018) PHILLIP COMPEAU & PAVEL PEVZNER

SUGGESTED BOOKS AND LEARNING MATERIAL
HTTPS://EN.WIKIBOOKS.ORG/WIKI/NEXT_GENERATION_SEQUENCING_%28NGS%29
NEXT-GENERATION SEQUENCING DATA ANALYSIS (XINKUN WANG) (2014)
BIOINFORMATICS: A PRACTICAL HANDBOOK OF NEXT GENERATION SEQUENCING AND ITS APPLICATIONS BY LLOYD LOW, MARTTI TAMMI 2017

MATERIALE DIDATTICO INTEGRATIVO SARA' DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
L'INSEGNAMENTO È EROGATO IN INGLESE
  BETA VERSION Fonte dati ESSE3
  • Didattica