Insegnamento INTELLIGENZA ARTIFICIALE E METODI COMPUTAZIONALI PER LE BIOTECNOLOGIE
| Nome del corso | Biotecnologie molecolari e industriali |
|---|---|
| Codice insegnamento | A005464 |
| Curriculum | Comune a tutti i curricula |
| Docente responsabile | Sabata Martino |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2025 |
| Erogato | Erogato nel 2026/27 |
| Attività | Caratterizzante |
| Ambito | Discipline biologiche |
| Settore | BIO/10 |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Italiano |
| Contenuti | Biologia computazionale per: (i) lo studio quantitativo e qualitativo dei dati (ii) lo studio di correlazione fra sequenza e struttura/funzione delle proteine (iii) applicazioni della bioinformatica alle biotecnologie molecolari e industriali. |
| Testi di riferimento | Fondamenti di bioinformatica. Manuela Helmer, Citterich,Fabrizio Ferrè, Giulio Pavesi. Zanichelli Bioinformatica. Stefano Pascarella, Alessandro Paiardini. Zanichelli MATERIALE DIDATTICO FORNITO DAL DOCENTE Materiale elettronico da banche dati (https://pubmed.ncbi.nlm.nih.gov/; https://www.uniprot.org/blast/; https://scholar.google.com/) |
| Obiettivi formativi | Lo scopo del corso è quello di introdurre gli studenti al valore e al potenziale della biologia computazionale, delle analisi quantitative e qualitative dei dati biologici, e fornire loro i concetti e le metodologie bioinformatiche necessarie per le analisi dei dati anche Big Data, la predizione di strutture tridimensionali delle proteine, interazioni proteina-proteina, proteina-RNA. |
| Prerequisiti | Conoscenze di Biochimica, Biologia Molecolare, Chimica generale, Biologia Cellulare. |
| Metodi didattici | Lezioni frontali in aula di bioinformatica, con proiezioni di diapositive e lezioni interattive con computer per ogni studente. Verteranno su metodologie di base per: l’analisi dei dati, approcci di machine learning e studi di biologia strutturale di DNA e proteine. |
| Altre informazioni | Attività di didattica integrativa: E' prevista attività di tutoraggio durante lo svolgimento del corso e successivamente per gli studenti che ne faranno richiesta per aiutarli nella preparazione dell'esame. Le date di ricevimento studenti sono concordate con gli studenti. |
| Modalità di verifica dell'apprendimento | Esame scritto. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Bioinformatica: caratteristiche generali. Dati e Database: archiviazione e principali sistemi di interrogazione. Principi di programmazione: Unix e Python. Tecniche statistiche e algoritmi: Concetti di base sul calcolo delle probabilità. Distribuzioni tipiche di probabilità e test statistici (t-test, ANOVA). Data science e Data Mining: panoramica sui dati, sulle domande e strumenti con cui lavora un data scientist. Come usare R per un'efficace analisi dei dati. Database processing e data cleaning. Analisi esplorativa dei dati. Inferenza statistica. Modelli di regressione. Approcci di Machine Learning e principali algoritmi (KNN, Alberi decisionali, Random Forest, Reti neurali). Analisi dati Next Generation Sequencing (NGS). Applicazioni della bioinformatica alle biotecnologie molecolari e industriali: Analisi di sequenze genomiche e sequenze amminoacidiche. Ricerca di geni e proteine. Ricerca di pattern all’interno di una sequenza (nucleotidica, proteica). Proteine e loro evoluzione. Allineamento di sequenze e matrici di similarità. Ricerche di similarità in banche dati. Predizione della struttura tridimensionale di una proteina. Modelli per omologia e riconoscimento del folding. Tecniche computazionali e di visualizzazione per la bioinformatica strutturale. Predizione di complessi molecolari. |