IN470 - Metodi Computazionali per la Biologia

Martedì dalle ore 11.30 alle 13.00 studio 314 pal C sede San L. Murialdo 1

Lezione n. 1 - Tuesday 22 September 2015

Outline del corso; Introduzione e generalita'; Bioinformatica e algoritmi; La biologia computazionale nella clinica e nell'industria farmaceutica; Farmacocinetica e farmacodinamica

Lezione n. 2 - Thursday 24 September 2015

Introduzione alla Systems Biology: cosa e' la biologia computazionale; I ruoli della modellistica matematica e della bioinformatica; a cosa mira; quali sono i problemi; Strumenti teorici utilizzati della bio-matematica e della bioinformatica.

Lezione n. 3 - Tuesday 29 September 2015

Introduzione alla biologia molecolare e cellulare (prima parte ): conoscenza di base di genetica, proteomica e processi cellulari; Ecologia ed evoluzione; le molecola base; i legami molecolari; i cromosomi; ll DNA e la sua replicazione;

Lezione n. 4 - Thursday 1 October 2015

Breve richiamo dei concetti principali della teoria della probabilita'; eventi, assiomi, variabili casuali, distribuzioni; momenti. Laboratorio: generazioni di numeri casuali; uso della funzione C drand48; creazione di un istogramma.

Lezione n. 5 - Thursday 8 October 2015

Generazione di variabili aleatorie con distribuzione arbitraria; il medoto Acceptance/Rejection; Il metodo Random Wheel Selection per la generazione di un evento con distribuzione discreta data; Calcolo della frequenza di un evento aleatorio generato al calcolatore; visualizzazione dell'istogramma di frequenze;

Lezione n. 6 - Tuesday 13 October 2015

Introduzione alla biologia molecolare e cellulare (seconda parte); genomica; Il dogma centrale della biologia; Analisi dei geni; la trascrizione del DNA; i vari tipi di RNA; la maturazione dell'RNA; la traduzione dell'RNA in proteine.

Lezione n. 7 - Thursday 15 October 2015

Il codice genetico; le proteine; sintesi; folding; Laboratorio: metodo di Gibbs per la generazione di stringhe di amino acidi; Uso del codice genetico per la traduzione di stringhe di nucleotidi in stringhe di aminoacidi;

Lezione n. 8 - Tuesday 20 October 2015

Introduzione alle teoria dell'informazione; Shannon Entropy; Conditional Entropy; Mutual Information; Diversity Indexes; Ricevimento sudenti per chiarimenti e esercitazione sul compito da svolvere in laboratorio;

Lezione n. 9 - Tuesday 27 October 2015

Introduzione ai processi stocastici; definizione base; esempi; modello di code; processo di Bernoulli e di Poisson; Processi Markoviani; i processi stocastici in bioinformatica e bio-matematica; l'autocorrelazione;

Lezione n. 10 - Thursday 29 October 2015

Laboratorio: esercitazioni sul concetto di algoritmo evolutivo; cenni sugli Algoritmi Genetici; Laboratorio; il concetto di diversita' biologica; esercitazioni sul calcolo della diversita' su bio-sequenze; Calcolo degli indici di diversita' di Shannon; Renyi entropy; Richness; Simpson index;

Lezione n. 11 - Tuesday 3 November 2015

Cenni ai Random Walks e all'algoritmo BLAST di sequence alignment come processo stocastico; Applicazione/case-study: studio del fenomeno della traslocazione del segnale cellulare mediante un algoritmo discreto basato su Automi Cellulari;

Lezione n. 12 - Thursday 5 November 2015

Esercitazione in laboratorio: costruzione di un algoritmo per la generazione di sequenze nucleotidiche Esercitazione in laboratorio; scrittura di un programma in linguaggio C per simulare l'evoluzione stocastica di sequenze nucleotidiche generate in maniera semi-casuale; Esercitazione in laboratorio: modifica del programma di evoluzione stocastica di sequenze nucleotidiche per calcolare la diversita' delle sequenze;

Lezione n. 13 - Tuesday 10 November 2015

Exact matching/string searching: generalita'; l'agoritmo di Knuth-Morris-Pratt Exact matching/string searching: l'agoritmo di Boyer-Moore

Lezione n. 14 - Thursday 12 November 2015

Confrontare sequenze: similarita' e omologia; pairwise alignment; distanza di editing; scoring matrices PAM e BLOSUM Algoritmo di Needleman-Wunsch; allineamento locale; Algoritmo Smith-Waterman; algoritmo BLAST

Lezione n. 15 - Tuesday 17 November 2015

Multiple Sequence Alignment; sequenza di consenso; algoritmi star alignment; ClustalW; entropy e circular sum scoring functions; Banche dati biologiche; motivazioni; formato dati; tassonomia; DB primari; DB secondari; NCBI, EMBL, DDBJ; NCBI Entrez

Lezione n. 16 - Thursday 19 November 2015

Hidden Markov Models; Decoding; the Viterbi Algorithm; Evaluation; Hidden Markov Models; The Forward Algorithm; The Backward Algorithm; Posterior Decoding; Hidden Markov Models; Learning; Baum-Welch Algorithm; Uso di Hidden Markov Models per l'analisi di bio-sequenze; gene finding;

Lezione n. 17 - Tuesday 24 November 2015

Phylogenetic Analysis; alberi filogenetici; dimensione dello spazio di ricerca di algoritmi filogenetici; Metodi di costruzione di alberi filogenetici; Dati usati per l'analisi filogenetica; l'algoritmo Unweighted Pair Group Method with Arithmetic mean (UPGMA); l'algoritmo Neighbor Joining Method; Ricevimento con gli studenti per domande/risposte e chiarimenti sugli argomenti trattati nelle scorse lezioni;

Lezione n. 18 - Tuesday 1 December 2015

La lezione 'Mathematical Modeling of Biological Systems' sara' tenuta dal Prof. Abdul Jarrah della American University of Sharjah, UAE La lezione 'Mathematical Modeling of Biological Systems' sara' tenuta dal Prof. Abdul Jarrah della American University of Sharjah, UAE

Lezione n. 19 - Thursday 3 December 2015

Seminar Prof. Abdul Salam Jarrah - Title: Algebraic Models for Systems Biology; La lezione 'Mathematical Modeling of Biological Systems' sara' tenuta dal Prof. Abdul Jarrah della American University of Sharjah, UAE La lezione 'Mathematical Modeling of Biological Systems' sara' tenuta dal Prof. Abdul Jarrah della American University of Sharjah, UAE

Lezione n. 20 - Thursday 10 December 2015

Machine Learning; generalita'; supervised e unsupervised learning; model selection; undefitting; overfitting; Polynomial curve fitting; machine learning come stima dei parametri ed il problema dell'overfitting; suddivisione del training set in testing e testing; concetto di bias e variance trade-off; Artificial Neural Networks; definizone; il percettrone di Rosenblatt; l'algoritmo di apprendimento del percettrone; il multi-layer perceptron; l'algoritmo di error-back propagation per l'apprendimento del MLP; tipi di neural networks; convolution networks; reinforcement networks; unsupervised learning e self-organising maps;

Lezione n. 21 - Tuesday 15 December 2015

La lezione 'Advanced Bioinformatics Methods' sara' tenuta dal Prof. Pietro Lio' dell'Universita' di Cambridge, UK. La lezione 'Advanced Bioinformatics Methods' sara' tenuta dal Prof. Pietro Lio' dell'Universita' di Cambridge, UK.

Lezione n. 22 - Thursday 17 December 2015

La lezione 'Advanced Bioinformatics Methods' sara' tenuta dal Prof. Pietro Lio' dell'Universita' di Cambridge, UK. La lezione 'Advanced Bioinformatics Methods' sara' tenuta dal Prof. Pietro Lio' dell'Universita' di Cambridge, UK.

Lezione n. 23 - Friday 18 December 2015

Seminar Prof. P. Lio' - Title: Multi scale and multi omic approaches in systems medicine

Lezione n. 24 - Tuesday 22 December 2015

Cenni introduttivi alla teoria dei grafi; rappresentazione, terminologia, concetti; cammini; cicli; connettivita'; distanza; componenti connesse; distanza; visita breadth-first search; depth-first search; algoritmo di Dijkstra; six-degree of separation; small world networks; misure di centralita'; degree centrality; eigenvector centrality; betweennes centrality; closeness centrality; La network biology; generalita'; concetti; tipi di dati biologici usati per costruire le reti; network biology e network medicine; problemi e algoritmi usati; misure di centralita'; random networks; scale-free networks; preferential attachment; scale-free network in biologia;

Lezione n. 25 - Tuesday 12 January 2016

Introduzione e cenni storici; definizione di automa cellulare; caso uni-dimensionale; caso bidimensionale; il Game of Life von Neumann replicator; cyclic CA; Greenberg-Hasting model e le Belousov-Zhabotinskii reactions; Gerard-Shuster model; HPP model of particle dynamics; software e hardware a Automi Cellulari; Esempio di CA: il modello preda-predatore;