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
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.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following2° Anno Sarà attivato nell'A.A. 2026/2027
| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
3 courses among the following| Insegnamenti | Crediti | TAF | SSD |
|---|
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.
Programming for bioinformatics (2025/2026)
Codice insegnamento
4S009830
Crediti
12
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Corsi Singoli
Autorizzato
L'insegnamento è organizzato come segue:
Laboratorio
Teoria
Obiettivi di apprendimento
Il corso ha l’obiettivo di fornire gli strumenti di programmazione necessari per l’analisi di dati genomici, trascrittomici e proteomici provenienti dalle tecnologie di ultima generazione. Conoscenza e capacità di comprensione L'insegnamento ha l'obiettivo di fornire allo studente la conoscenza e comprensione dei paradigmi e strumenti di programmazione avanzata per la gestione di dati e informazioni biomediche/bioinformatiche. Conoscenze applicate e capacità di comprensione Lo studente sarà dunque in grado di a) applicare i paradigmi e strumenti di programmazione avanzata per l’analisi di dati genomici, trascrittomici e proteomici; b) applicare l'analisi delle prestazioni del codice e individuazione di criticità e loro ottimizzazione. Autonomia di giudizio Capacità di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico; capacità di individuare le criticità per il trattamento di problemi complessi di bioinformatica. Abilità comunicative Lo studente sarà, inoltre, in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico, relazionarsi con i colleghi nello svolgimento di lavori in gruppo, e relazionarsi con gli interlocutori nell'ambiente lavorativo o di ricerca. Capacità di apprendere Capacità di comprendere la letteratura scientifica nel processo di interpretazione dei risultati o soluzione proposta, e di svolgere lavori di approfondimento individuale e di gruppo volti ad affrontare problemi dal mondo della ricerca e aziendale.
Prerequisiti e nozioni di base
Nozioni di base di programmazione
Programma
Programma del Corso
Programmazione in R
Costrutti di base: variabili, operatori, strutture di controllo (if, for, while).
Input/Output (I/O): lettura e scrittura di file (CSV, Excel), interazione con l’ambiente.
Funzioni: definizione, argomenti, valori di ritorno, funzioni anonime.
Strutture dati: vettori, liste, matrici, data frame, fattori.
Programmazione in Python
Costrutti di base: variabili, tipi di dato, operatori, strutture di controllo (if, for, while).
Input/Output (I/O): lettura e scrittura di file (txt, CSV), gestione dell’input da tastiera.
Funzioni: definizione, parametri, valori di ritorno, funzioni lambda.
Strutture dati: liste, tuple, dizionari, insiemi.
Programmare con Bioconductor
Fondamenti di Bioconductor: installazione e gestione dei pacchetti.
Strutture dati principali: SummarizedExperiment, GRanges, SingleCellExperiment.
Analisi di dati omici: importazione, normalizzazione e manipolazione di dati genomici e trascrittomici.
Analisi dei dati RNA-Seq
Introduzione:
Tecnologie NGS e principi di progettazione sperimentale
Panoramica degli strumenti R, Python e piattaforme web
Preprocessing dei dati:
Dal formato FASTQ al BAM
Indicizzazione del genoma di riferimento
Mappatura dei reads sul genoma
Ordinamento e indicizzazione degli allineamenti
Controllo di qualità della mappatura
Analisi avanzata:
Scoperta di varianti e perfezionamento dei call set
Analisi differenziale di espressione genica
Uso di DESeq2 per dati di RNA-Seq
Applicazioni pratiche:
Esercitazioni su RNA codificante e non codificante
Workflow integrati in R e Python
Modalità didattiche
Gli studenti seguiranno lezioni teoriche ed esercitazioni il cui contenuto sarà fornito tramite notebook. Gli studenti installeranno e utilizzeranno i software relativi agli argomenti scelti e analizzeranno casi reali.
Modalità di verifica dell'apprendimento
L’esame consiste di una parte scritta (A) e di una progettuale (B). (A) consiste nello sviluppo di esercizi e nella risoluzione di domande teoriche in aula nelle date di esame relativi al programma del corso. (B) consiste nello sviluppo di un progetto concordato con il docente da svolgere in classe e/o in autonomia a casa (in base alla tipologia di progetto) (il progetto ha validità tutto l’anno accademico).
Criteri di valutazione
Il voto per le parti (A) e (B) è espresso in trentesimi.
Criteri di composizione del voto finale
Il voto finale è calcolato come min(31, ((A+B)/2)+C).
C è espresso nell'intervallo[-4,+4] è riflette la maturazione e autonomia scientifica acquisita durante lo sviluppo delle prove e del progetto, nell’esposizione e nell’interpretazione della letteratura scientifica e del contesto scientifico del progetto.
Lingua dell'esame
English
