Corso di Laurea in Biotecnologie

Metodi di Biologia Computazionale

Methods in Computational Biology

Anno accademico 2015/2016

Sommario insegnamento

• Obiettivi formativi
• Risultati dell'apprendimento attesi
• Modalità di insegnamento
• Modalità di verifica dell'apprendimento
• Attività di supporto
• Programma
• Testi consigliati e bibliografia
• Note
• Strumenti didattici

Obiettivi formativi

Il corso si propone di presentare agli studenti una panoramica sugli approcci che sono stati sviluppati nei campi della vita artificiale e dei sistemi complessi. In particolare, il filo conduttore del corso sarà lo studio della network science (reti e alberi) nella modellizzazione di fenomeni biologici, con particolare attenzione alle dinamiche molecolari evolutive e di regolazione genica, al fine di fornire agli studenti una panoramica dei concetti di filogenesi ed evoluzione degli organismi e degli approcci computazionali adatti agli studi di epidemiologia molecolare e della regolazione genica.

Risultati dell'apprendimento attesi

Gli studenti acquisiranno la capacità di leggere criticamente lavori scientifici sulla modellizzazione mediante approcci computazionali di fenomeni biologici, che descrivono e analizzano risultati sperimentali high-throughput relativi alla regolazione ed espressione genica, oltre che inferenze di tipo evolutivo nel campo dell’epidemiologia molecolare 

Modalità di insegnamento

Gli argomenti del corso verranno affrontati attraverso presentazioni dei docenti e la lettura critica di pubblicazioni scientifiche recenti.

Modalità di verifica dell'apprendimento

Colloquio orale che consiste nella presentazione di due articolo della letteratura primaria scelti dallo studente e relativi a due diverse parti del corso.

Attività di supporto

Programma

Vita Artificiale e Sistemi Complessi

• Scienze sperimentali, scienze estate e modelli
• Network science: caratteristiche e proprietà di network complessi
• Vita artificiale: rappresentazione mediante network di fenomeni biologici
• Vita artificiale: metodi bioispirati
• Sistemi complessi: dinamiche di modelli a network e fenomeni emergenti 

Regolazione Genica

• I network di regolazione trascrizionale e post-trascrizionale
• Metodi sperimentali high-throughput per lo studio della regolazione genica
• Analisi e interpretazione dei dati sperimentali
• Metodi computazionali per lo studio della regolazione genica
• Network di regolazione genica

Epidemiologia Molecolare e Inferenze Evolutive

• Genetica di popolazione e cluster analysis
• Epidemiologia molecolare: distanze genetiche ed evolutive
• Filogenesi: modelli evolutivi e alberi
• Evoluzione: inferenze a applicazioni

Vita Artificiale e Sistemi Complessi

• Andrea Tettamanzi e Marco Tomassini, Soft Computing, Springer
  • Mark Newman, Networks: an introduction, Oxford Press
  • Guido Caldarelli, Scale Free Networks, Cambridge
  • Alain Barrat, Marc Barthélemy e Alessandro Vespignani, Dynamical Processes on Complex Networks, Cambridge    

Regolazione Genica

• Articoli indicati durante il corso

Epidemiologia Molecolare e Inferenze Evolutive

• Page RDM and Holmes EC, Molecular evolution: A phylogenetic approach, Blackwell Science, Ltd., Oxford

Orario lezioni

Note

Il corso si terrà nel secondo semestre. Gli studenti interessati a parteciparvi sono pregati di registrarsi su questa pagina. Prima dell'inizio delle lezioni del secondo semestre i docenti del corso contatteranno gli studenti registrati per concordare l'orario delle lezioni.

• Materiale didattico
• Bacheca appelli
• Vai a Moodle
• Visita i forum