Vinaora Nivo Slider 3.x
Laurea Triennale
Vinaora Nivo Slider 3.x
Laurea Magistrale
Vinaora Nivo Slider 3.x
Informazioni per le nuove Matricole
Vinaora Nivo Slider 3.x
F.A.Q.

Vinaora Nivo Slider 3.x
Guida dello Studente - Laurea Triennale
Vinaora Nivo Slider 3.x
Guida dello Studente - Laurea Magistrale
Vinaora Nivo Slider 3.x
Piani di Studio
Vinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.x
Premio letterario Galileo per la divulgazione scientifica 2021
CyberChallenge.it
Presentazione Corso di Laurea in Ingegneria Informatica 2020/2021
Ingegneria.POT

Ultimi Avvisi

ACADEMY

Le Academy sono delle iniziative di formazione professionalizzante sviluppate dal DIETI in collaborazione con aziende quali Apple, Deloitte, CISCO, Accenture, Capgemini, TIM ed altre ancora. L'idea è di allargare le competenze fornite nei Corsi di Studio del Dipartimento con un approccio esperenziale ed a diretto contatto con il mondo del lavoro. Alcune di queste iniziative consentono anche di acquisire dei crediti formativi riconosciuti nei Corsi di Studio del nostro Dipartimento.

CANALI SOCIAL

Per ricevere aggiornamenti, puoi iscriverti ai nostri canali social su Facebook, Telegram, Instagram, LinkedIn, Twitter oppure al gruppo Teams Contact Point

UNIVERSITALY

Universitaly è il portale del Ministero dell'Istruzione, dell'Università e della Ricerca, creato appositamente per accompagnare gli studenti nel loro percorso di studi. Il sito è una vera e propria porta d’ingresso che permette di entrare nel mondo dei corsi di laurea e istruzione superiore in Italia. Link Universitaly

SCHEDA DELL'INSEGNAMENTO (SI)
SSD ING-INF/05

LAUREA MAGISTRALE IN INGEGNERIA INFORMATICA

ANNO ACCADEMICO: 2022-2023

 

INFORMAZIONI GENERALI - DOCENTE

DOCENTE: MICHELE CECCARELLI
TELEFONO: +39 0817683787
EMAIL: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

 

INFORMAZIONI GENERALI - ATTIVITÀ

INSEGNAMENTO INTEGRATO (EVENTUALE): 
MODULO (EVENTUALE):
CANALE (EVENTUALE):
ANNO DI CORSO (I, II, III): II
SEMESTRE (I, II): II
CFU: 9

 

INSEGNAMENTI PROPEDEUTICI

(se previsti dall'Ordinamento del CdS)

...................................................................................................................................................

 

EVENTUALI PREREQUISITI

Programmazione.

 

OBIETTIVI FORMATIVI

L’obiettivo del corso di Bioinformatica è quello di fornire agli studenti le nozioni specialistiche legate agli algoritmi per l’analisi di dati genomici e le loro eventuali applicazioni nella ricerca nella Biomedicina.

 

RISULTATI DI APPRENDIMENTO ATTESI

(Descrittori di Dublino)

Conoscenza e capacità di comprensione
Lo studente deve dimostrare di essere in grado di descrivere processi di gestione e analisi di dati genomici sotto forma algoritmica e comprendere le metodologie adottate nell’ambito dell’elaborazione di dati molecolari.


Capacità di applicare conoscenza e comprensione
Lo studente deve dimostrare di essere in grado di consultare le principali banche dati genomiche pubbliche e di descrivere e applicare procedure computazioni complesse per poter estrarre informazioni utili ai fini della ricerca biomedica.

 

PROGRAMMA-SYLLABUS

• Introduzione alla Biologia Molecolare e banche date biologiche
• Programmazione dinamica e allineamento di sequenze: Longest Common Subsequence, Edit Distance, Allineamento Locale, Allineamento Globale, Matrici di Sostituzione, Allineamenti Multipli.
• Modelli HMM per modeling di sequenze genomiche: Algoritmo di Viterbi, Algoritmo Forward, Posterior Decoding, Algoritmo di Baum-Welsh. Applicazioni alla classificazione di sequenze genomiche. Rappresentazione di Multiallineamenti.
• Introduzione al Next Generation Sequencing
• Algoritmi per Genome Assembly, Grafi di de Brujin, percorsi hamiltoniani e percorsi euleriani
• Algoritmi per Genome Mapping: Trie per pattern matching, Suffix Trie Tree Matching, Suffix Tree Matching, Suffix Array, Trasformata di Burrows-Wheeler e sua inversa, pattern matching con BWT
• Filogenesi molecolare e alberi filogenetici: UPGMA e Neighbor Joining
• Analisi di espressione differenziale, test statistici, analisi di arricchimento

 

MATERIALE DIDATTICO

• Bioinformatics Algorithms: An Active Learning Approach, by Pavel A. Pevzner and Phillip Compeau https://www.bioinformaticsalgorithms.org/
• Richard Durbin, Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids
• Appunti delle lezioni

 

MODALITÀ DI SVOLGIMENTO DELL'INSEGNAMENTO

Il docente utilizzera’:

a) lezioni frontali per circa il 70% delle ore totali,

b) esercitazioni per approfondire praticamente aspetti teorici per 12 ore

c) seminari per 4 ore.


La didattica verrà erogata come lezioni frontali ed esercitazioni al calcolatore.

 

VERIFICA DI APPRENDIMENTO E CRITERI DI VALUTAZIONE

a) Modalità di esame:

L'esame si articola in prova:
 Scritta e orale  
 Solo scritta o intercorso a metà  
 Solo orale
 Discussione di elaborato progettuale 
 Altro (discussione esercitazioni)  

 

In caso di prova scritta i quesiti sono (*):
 A risposta multipla  
 A risposta libera  
 Esercizi numerici  

 

 

Utilizziamo i cookie sul nostro sito Web. Alcuni di essi sono essenziali per il funzionamento del sito, mentre altri ci aiutano a migliorare questo sito e l'esperienza dell'utente (cookie di tracciamento). Puoi decidere tu stesso se consentire o meno i cookie. Ti preghiamo di notare che se li rifiuti, potresti non essere in grado di utilizzare tutte le funzionalità del sito.