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 2025/2026Il 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 |
---|
One course to be chosen among the following
Two courses to be chosen among the following
2° Anno Attivato nell'A.A. 2019/2020
Insegnamenti | Crediti | TAF | SSD |
---|
Three courses to be chosen among the following
Insegnamenti | Crediti | TAF | SSD |
---|
One course to be chosen among the following
Two courses to be chosen among the following
Insegnamenti | Crediti | TAF | SSD |
---|
Three courses to be chosen 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.
Natural computing (2019/2020)
Codice insegnamento
4S004557
Docente
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Modelli di calcolo non convenzionale del corso Laurea magistrale in Ingegneria e scienze informatiche [LM-18/32]
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
I semestre dal 1 ott 2019 al 31 gen 2020.
Obiettivi formativi
Il corso si propone di fornire conoscenze sui modelli di calcolo naturale, intesi come processi computazionali osservati in e ispirati dalla natura. In particolare, il corso fornirà conoscenze su alcuni modelli di calcolo classici, quali linguaggi formali e automi, su vari modelli di calcolo biologico, compresi gli algoritmi biomolecolari, su metodi di analisi dell'informazione genomica e di reti metaboliche.
Conoscenza e capacità di comprensione
Al termine dell’insegnamento lo studente dovrà dimostrare di avere approfondito la propria padronanza sulle principali strutture discrete, le dinamiche biologiche discrete, e sulla nozione di calcolo, ed infine di aver sviluppato la propria capacità di riconoscerle anche in sistemi di calcolo non convenzionali, come quelli biologici.
Conoscenze applicate e capacità di comprensione
In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di: a) riconoscere e modellare i processi computazionali non convenzionali presenti nei sistemi naturali, b) progettare algoritmi di tipo biologico e biomolecolare (in particolare basati su sequenze DNA) per risolvere problemi computazionali, c) calcolare distribuzioni e indici statistici su genomi reali, d) analizzare reti biologiche, sia come strutture statiche che dinamiche.
Autonomia di giudizio
Alla fine del corso lo studente avrà sviluppato una competenza algoritmica avanzata, che si estenda al mondo naturale, e in particolare molecolare, e migliorato le proprie capacità di sviluppare software per applicare i metodi appresi nel corso a sistemi biologici specifici.
Abilità comunicative
Alla fine del corso lo studente dovrà dimostrare di essere in grado di comprendere e comunicare con un linguaggio appropriato gli argomenti illustrati durante l'insegnamento, sotto forma di: teoremi, dimostrazioni, algoritmi, e metodi di analisi di dati.
Capacità di apprendere
Capacità di applicare le metodologie introdotte ad ambiti diversi, e proseguire gli studi in modo autonomo nell'ambito del calcolo non convenzionale.
Programma
Introduzione al calcolo naturale, alle strategie algoritmiche alla base della vita, agli algoritmi e ai paradossi biologici
Calcolo DNA su doppie stringhe e complessità computazionale di bioalgoritmi
Algoritmi DNA per risolvere un paio di problemi NP-completi, per estrarre e generare librerie DNA
Metodi per estrarre e analizzare dizionari genomici
Profili genomici e distribuzioni di motivi ricorrenti
Software IGtools per analizzare e visualizzare i dati genomici
Rappresentazione discreta di sistemi biochimici
Grammatiche e reti metaboliche, e problemi di dinamica inversa
Modelli computazionali di processi biomolecolari e metabolici:
Strutture dati di base per rappresentare le reazioni chimiche, le gerarchie di membrane, le interazioni biologiche
Linguaggi formali e grammatiche, gerarchia di Chomsky
Caratterizzazione specifica delle classi REG, REC, e CF
Automi a stati finiti, macchine di Turing, universalità computazione e (bio)complessità
Introduzione alla teoria dell'informazione
Autore | Titolo | Casa editrice | Anno | ISBN | Note |
---|---|---|---|---|---|
Gheorghe Paun, Grzegorz Rozenberg, Arto Salomaa | DNA computing: new computing paradigms (Edizione 3) | Springer | 2013 | ||
Alexander Meduna | Formal Languages and Computation: Models and Their Applications | Auerbach Publications | 2014 | ||
Vincenzo Manca | Infobiotics | Springer | 2013 |
Modalità d'esame
Esami orali.
Solo per la sessione di febbraio, è prevista anche una prova scritta, il cui superamento permette (facoltativamente) di poter sviluppare progetti (e. g., su argomenti di genomica computazionale) o tenere seminari (su articoli recenti) al fine di migliorarne la valutazione.