- Oggetto:
- Oggetto:
Methods in Computational Biology III
- Oggetto:
Methods in Computational Biology III
- Oggetto:
Anno accademico 2023/2024
- Codice dell'attività didattica
- BIO0221C
- Docente
- Ugo Ala (Titolare del corso)
- Insegnamento integrato
- METHODS IN COMPUTATIONAL BIOLOGY (BIO0221)
- Corso di studi
- Laurea Triennale in Biotecnologie
- Anno
- 3° anno
- Periodo didattico
- Secondo semestre
- Tipologia
- A scelta dello studente
- Crediti/Valenza
- 2
- SSD dell'attività didattica
- BIO/13 - biologia applicata
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Inglese
- Modalità di frequenza
- Obbligatoria
- Tipologia d'esame
- Scritto ed orale
- Prerequisiti
- Conoscenze di genetica e di biologia molecolare, in particolare dei meccanismi di regolazione genica.
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
The course aims to present students with an overview of approaches that have been developed in the fields of artificial life and complex systems. In particular, the main thread of the course will be the analysis of the scientific method through specific cases (from mathematical models to network science in the formalization of biological phenomena), with a focus on molecular dynamics and gene regulation. A part of the course will be devoted to the study of the microbiome and the analysis of specific modeling approaches both statistical and with Machine Learning techniques.
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 l’analisi del metodo scientifico attraverso casi specifici (da modelli matematici alla network science (reti e alberi) nella formalizzazione di fenomeni biologici), con particolare attenzione alle dinamiche molecolari e di regolazione genica. Una parte del corso sarà dedicata allo studio del microbioma e l’analisi di specifici approcci di modellizzazione sia statistica sia con tecniche di Machine Learning.
- Oggetto:
Risultati dell'apprendimento attesi
Students will acquire the ability to critically read scientific papers on modeling by computational approaches of biological phenomena, which describe and analyze high-throughput experimental results related primarily to gene regulation and the microbiome.
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 principalmente alla regolazione genica e al microbioma.
- Oggetto:
Modalità di insegnamento
Course topics will be addressed through faculty presentations and critical reading of recent scientific publications.
Gli argomenti del corso verranno affrontati attraverso presentazioni dei docenti e la lettura critica di pubblicazioni scientifiche recenti.
- Oggetto:
Modalità di verifica dell'apprendimento
Multiple choice quiz, followed by an oral presentation on one of the the topics covered by the lectures.
Quiz a risposta multipla, seguito da una presentazione orale su uno dei temi coperti a lezione.
- Oggetto:
Attività di supporto
- Oggetto:
Programma
La modellizzazione nella scienza e il Metodo Scientifico
- Il metodo scientifico e la sua evoluzione
- Disegno sperimentale
- Modelli computazionali nelle scienze della vita
- Modelli matematici nelle biotecnologie: e.g. ceRNA cross-talk
- Analisi del microbioma
- Tecniche di apprendimento automatico (Machine Learning) in biologia
Modeling in science and Scientific method
- Scientific method and its evolution
- Experimental design
- Computational modeling in life sciences
- Mathematical models in biotechnology: e.g. ceRNA cross-talk
- Microbiome analysis
- Machine Learning approaches in biology
Testi consigliati e bibliografia
- Oggetto:
- Articoli indicati durante il corso
- Artificial Intelligence in Bioinformatics - From Omics Analysis to Deep Learning and Network Mining
- Autori: Mario Cannataro, Pietro Hiram Guzzi, Giuseppe Agapito, Chiara Zucco, Marianna Milano
- Casa editrice: Elsevier
- ISBN: 978-0-12-822952-1
- Oggetto: