Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Piano Didattico

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Medical bioinformatics - Immatricolazione dal 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

2° Anno  Attivato nell'A.A. 2019/2020

InsegnamentiCreditiTAFSSD
Final exam
24
E
-
Attivato nell'A.A. 2019/2020
InsegnamentiCreditiTAFSSD
Final exam
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
English B2 level
4
F
-
Tra gli anni: 1°- 2°
Tra gli anni: 1°- 2°
Other activities
2
F
-

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S004550

Crediti

12

Lingua di erogazione

Inglese en

Offerto anche nei corsi:

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

L'insegnamento è organizzato come segue:

Algorithm design

Crediti

6

Periodo

I semestre

Bioinformatics algorithms

Crediti

6

Periodo

II semestre

Obiettivi formativi

Il corso permetterà agli studenti di acquisire un bagaglio di strumenti analitici avanzati alla base delle soluzioni algoritmiche di problemi fondamentali in bioinformatica.

Conoscenza e capacità di comprensione
Fornire le conoscenze e le competenze necessarie per l'analisi e la progettazione di soluzioni algoritmiche a problemi fondamentali in bioinformatica.

Conoscenze applicate e capacità di comprensione
Capacità di progettare soluzioni algoritmiche per problemi tipici di bionformatica e biologia computazionale, quali l'analisi di sequenze omiche.

Autonomia di giudizio
Capacità di individuare le componenti strutturali critiche e quindi gli approcci più idonei nel trattamento di problemi complessi di bioinformatica.

Abilità comunicative
Capacità di descrivere con l'adeguata precisione e chiarezza un problema bioinformatico, la sua modellizzazione e la soluzione associata sia ad interlocutori esperti che in contesti meno specialistici e multidisciplinari.

Capacità di apprendere
Capacità di ampliare le proprie conoscenze in ambito bioinformatico anche in maniera autonoma, utilizzando le nozioni apprese per leggere comprendere ed eventualmente rielaborare autonomamente articoli e testi scientifici di livello avanzato.

Programma

------------------------
MM: Algorithm design
------------------------
Ricapitolazione di: concetti di base di analisi degli algoritmi; algoritmi per la visita di grafi; cammini minimi; alberi minimi ricoprenti; programmazione dinamica. Elementi di teoria della complessità computazionale e NP-completezza. Modelli di "Genome Rearrangement": algoritmo esatto per l'ordinamento di permutazini con segno; (ii) algoritmi di approssimazione per l'ordinamento di permutazioni senza segno; arossimazione della "Synteny Distance". Problemi computazionali su grafi: (i) Cicli Hamiltoniani e Cicli Euleriani; algoritmi polinomiali per problemi Euleriani; il problema del commesso viaggiatore (TSP) e sue relazioni col problema del ciclo hamiltoniano; inapprossimabilità di TSP e 2-approssimazine per le istanze metriche. Modelli per"Physical Map": (i) algoritmo efficiente per il problema degli uni consecutivi in una matrice (C1P); (ii) approssimazione per il problema della minimizzazione dei gap basato su TSP metrico. Modelli per "DNA assembly: Il problema della superstringa più corta; approssimazione basata sulla massimizzazione della compressione, mediante coperture di un grafo e matching pesato in grafi bipartiti. Reti di Flusso: problemi di massimo flusso e minimo taglio; matching massimo in grafi bipartiti; scomposizione del flusso in cammini disgiunti; perfect matching di massimo/minimo peso in grafi bipartiti pesati. Modelli per Motif Finding: (i) il problema della stringa consenso; (ii) Schemi di approssimazione polinomiale Modelli per "Haplotyping": algorithmi per il problema dell'haplotyping per un singolo individuo su dati senza gap; estensioni e parametrizzazione per il caso con gap.
------------------------
MM: Bioinformatics algorithms
------------------------
Il seguente è un sommario dei principali argomenti trattati in questo modulo. Gli argomenti tra parentesi possono variare. * Introduzione Parte I: Confronto di coppie di sequenze * Allineamento di coppie di sequenze * Distanze tra stringhe (* RNA secondary structure prediction) * Allineamento di coppie di sequence in pratica: BLAST, matrici di punteggio Parte II: Allineamento di più sequenze * Soluzione esatta DP (* Riduzione dello spazio di ricerca con il metodo Carillo-Lipman) * approssimazione, euristiche Parte III: Riconstruzione filogenetica * dati di tipo distanza: UPGMA, NJ * dati di tipo carattere: Filogenetica perfetta (PP) (* dati di tipo carattere: Large Parsimony, Small Parsimony) Parte IV: Algoritmi per "sequence assembly" (* Shotgun sequencing: SCS) * Sequencing by Hybridization e NGS: grafi di de Bruijn, tour euleriani

Bibliografia

Testi di riferimento
Attività Autore Titolo Casa editrice Anno ISBN Note
Algorithm design J. Kleinberg, É. Tardos Algorithm Design (Edizione 1) Addison Wesley 2006 978-0321295354
Algorithm design H.J. Böckenhauer, D. Bongartz Algorithmic Aspects of Bioinformatics Springer 2007
Algorithm design Neil C. Jones, Pavel A. Pevzner An introduction to bioinformatics algorithms (Edizione 1) MIT Press 2004 0-262-10106-8
Algorithm design V. Mäkinen, D. Belazzougui, F. Cunial, and A.I. Tomescu Genome Scale Algorithm Design (Edizione 1) Cambridge University Press 2015 ISBN 978-1-107-07853-6
Algorithm design J.C. Setubal, J. Meidanis Introduction to Computational Biology Pws Pub Co 1997
Bioinformatics algorithms Dan Gusfield Algorithms on Strings, Trees, and Sequences Cambridge University Press 1997 0 521 58519 8
Bioinformatics algorithms Enno Ohlebusch Bioinformatics Algorithms 2013 978-3-00-041316-2
Bioinformatics algorithms Joao Setubal and Joao Meidanis Introduction to Computational Biology 1997

Modalità d'esame

------------------------
MM: Algorithm design
------------------------
L'esame è volto ad accertare che gli studenti abbiano acquisito padronanza delle tecniche fondamentali per l'analisi e la progettazione di algoritmi e che conoscano il loro utilizzo per la soluzione di alcuni problemi computazionali classici in bioinformatica. L'esame consiste in una prova scritta con quesiti aperti. Tipicamente la prova include alcuni esercizi obbligatori ed altri esercizi a scelta. Gli esercizi obbligatori verificano le conoscenze relative all'analisi di algoritmi e alle soluzioni di problemi classici analizzati durante il corso; gli esercizi a scelta verificano la capacità dello studente di modellare un nuovo problema e progettarne una soluzione algoritmica. Al voto finale per il modulo Algorithm Design concorre la soluzione di esercizi periodici assegnati durante il corso. Il voto finale per l'intero esame di "Fundamental Algorithms for Bioinformatics" è dato dalla media aritmetica dei voti conseguiti nei due moduli
------------------------
MM: Bioinformatics algorithms
------------------------
Una prova scritta, seguita da una orale. Il superamento della prova scritta è prerequisito necessario al sostenimento dell'orale. La prova scritta include domande teoriche (problemi visti a lezione; analisi di algoritmi visti a lezione; proprietà matematiche di tali problemi e algoritmi; quali algoritmi esistono per un dato problema, etc), ed applicazione di algoritmi a problemi concreti (calcolo di un allineamento mediante l'algoritmo DP, etc). Nel colloquio orale, gli studenti dovranno anche dettagliare le soluzioni presentate per la prova scritta, e dimostrare padronanza delle conoscenze acquisite. Gli studenti del Masters in Molecular e medical biotechnology sostengono una prova con quesiti differenti.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI