Corso di laurea
Quantitative and Computational Biology
Università degli Studi di Trento · 46 materie · 0 file condivisi
Sfoglia il materiale didattico
Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!
Materie del corso
L’obiettivo del corso è fornire agli studenti una conoscenza avanzata della genomica umana e microbica, con particolare attenzione all’interpretazione della variabilità genomica, dei tratti complessi, dell’organizzazione…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo del corso è fornire agli studenti una conoscenza avanzata della genomica umana e microbica, con particolare attenzione all’interpretazione della variabilità genomica, dei tratti complessi, dell’organizzazione del genoma microbico e all’utilizzo di approcci genomici e metagenomici per lo studio di processi biologici e associati alle malattie. Al termine del corso, gli studenti saranno in grado di: Human Genomics • Comprendere l’architettura genetica dei tratti complessi e il contributo delle varianti comuni e rare. • Descrivere e interpretare i genome-wide association studies (GWAS) e le loro implicazioni per la biologia dei tratti complessi. • Spiegare come le evidenze derivanti dalla genomica regolatoria e funzionale contribuiscano alla comprensione delle basi molecolari dei tratti complessi. Microbial Genomics • Comprendere i principi della genetica batterica, della genomica e della pangenome analysis. • Descrivere i principali approcci genomici e metagenomici utilizzati per caratterizzare le comunità microbiche. • Valutare criticamente come le analisi di genomica e metagenomica microbica vengano utilizzate per studiare l’evoluzione microbica, la struttura delle comunità e la loro rilevanza per la salute e le malattie umane
Programma
Il corso è organizzato in due moduli coordinati. Human Genomics • Basi genetiche delle malattie monogeniche e complesse • Variabilità genetica comune e rara e architettura genetica • Principali approcci genomici per lo studio delle malattie umane • Genome-wide association studies e loro interpretazione biologica • Genomica regolatoria, eQTL e transcriptome-wide association studies • Polygenic risk scores • Genomica su scala di popolazione e biobanche Microbial Genomics • Principi di genetica e genomica microbica • Introduzione all’ecologia microbica e alla scienza del microbioma • Introduzione all’analisi metagenomica e alle relative problematiche computazionali • Applicazioni della ricerca sul microbioma alla salute e alle malattie umane
Il metodo didattico si basa su lezioni frontali che integrano i concetti fondamentali con esempi selezionati tratti da articoli scientifici originali e review. Particolare attenzione sarà dedicata all’interpretazione di studi genomici e metagenomici, figure e risultati, con l’obiettivo di collegare i principi metodologici alla pratica della ricerca contemporanea. Gli studenti lavoreranno in piccoli gruppi sulla valutazione critica di un articolo scientifico selezionato nell’ambito della Human o della Microbial Genomics. L’analisi sarà presentata e discussa in aula seguendo una traccia strutturata fornita in anticipo.
Modalità d'esame
La valutazione sarà basata su due componenti. La prima componente consisterà nella valutazione critica e nella presentazione di un articolo scientifico selezionato nell’ambito della Human o della Microbial Genomics, svolta in piccoli gruppi. La valutazione terrà conto sia della qualità del lavoro di gruppo sia del contributo individuale di ciascuno studente alla presentazione e alla discussione. I criteri di valutazione comprenderanno l’accuratezza scientifica, la comprensione degli approcci genomici o metagenomici utilizzati, la capacità di interpretare i risultati, la valutazione critica delle conclusioni e dei limiti dello studio e la chiarezza della comunicazione scientifica. La seconda componente consisterà in una breve prova scritta individuale finalizzata a verificare i risultati di apprendimento del corso non direttamente valutati attraverso la presentazione dell’articolo. Il voto finale sarà dato dalla media dei voti ottenuti nelle due componenti. Gli studenti che non potranno partecipare all’attività di presentazione dell’articolo saranno valutati attraverso una prova scritta complessiva relativa sia alla Human Genomics sia alla Microbial Genomics.
Testi di riferimento
Il corso sarà principalmente basato sul materiale presentato durante le lezioni, integrato da una selezione di articoli scientifici originali e review. Ulteriori risorse saranno indicate durante il corso.
Codice insegnamento 51370_658766_97602
Al termine del corso le studentesse e gli studenti saranno in grado di: Operare in ambienti Unix/HPC utilizzando la riga di comando (bash, SSH, gestori di code, versionamento con Git)Valutare la complessità…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso le studentesse e gli studenti saranno in grado di: Operare in ambienti Unix/HPC utilizzando la riga di comando (bash, SSH, gestori di code, versionamento con Git)Valutare la complessità computazionale di algoritmi rilevanti per la biologia (ricerca di pattern, allineamento, k-mer) e scegliere strutture dati adeguateSviluppare codice Python per l'analisi e visualizzazione di dati biologici (NumPy, Pandas, Biopython, matplotlib, seaborn)Eseguire e interpretare analisi computazionali su dati di sequenziamento (FASTQ)Utilizzare metodi statistici e di machine learning (PERMANOVA, clustering, classificazione) per analizzare dati biologici
Programma
M1. Fondamenta e ambiente di calcolo. Shell scripting; accesso remoto; architetture HPC e gestori di code; riproducibilità computazionale; versioning; ambienti virtuali. M2. Algoritmi e strutture dati per la biologia computazionale. Notazione Big-O; algoritmi di allineamento di sequenze e programmazione dinamica; hash table. M3. Python per la data science biologica. Biopython; NumPy e Pandas; dataset sparsi e missing values; trasformazioni per dati compositivi; Matplotlib/Seaborn. M4. Analisi di dati NGS. QC e preprocessing. Strumenti per l’analisi di dati NGS. M5. Statistica avanzata e machine learning. Test non parametrici e correzione per test multipli; overfitting e cross-validation; classificazione e clustering.
Il corso prevede il 50% di lezioni frontali e il 50% di sessioni di laboratorio. Lezioni frontali e laboratorio saranno alternate in modo che i concetti teorici siano applicati in laboratorio. Le lezioni frontali si basano su presentazioni e su discussioni interattive tra gli studenti. I laboratori si svolgono in laboratorio, con accesso a risorse di calcolo remote per i moduli che lo richiedono e l’utilizzo di dati reali forniti dai docenti.
Modalità d'esame
L'esame è scritto e suddiviso in due parti: - una parte teorica, che valuta la preparazione sugli argomenti trattati a lezione - una parte pratica, che richiede l'implementazione o l'analisi in Python di un problema bioinformatico, in linea con gli esercizi svolti in laboratorio
Testi di riferimento
Il materiale necessario (slides, link a risorse online, articoli scientifici) sarà fornito durante il corso. Se necessario approfondire alcuni aspetti affrontati durante il corso, si raccomandano libri introduttivi o guide a bioinformatica, algoritmi, Python o Unix, alcuni disponibili online sono: - Allen B. Downey. Think Python: How to Think Like a Computer Scientist. https://allendowney.github.io/ThinkPython/index.html (3rd edition, or 2nd edition https://greenteapress.com/wp/think-python-2e) - Neil C. Jones e Pavel Pevzner. An Introduction To Bioinformatics Algorithms. Bradford Books, 2004 - F.G. Fiamingo, L. DeBula, L. Condron. Introduction to Unix. The Ohio State University, 1998 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Downey A. Think Python : How to Think like a Computer Scientist. 3. ed. O’Reilly; 2024. Jones NC, Pevzner PA. An Introduction to Bioinformatics Algorithms. MIT press; 2004. F.G. Fiamingo, L. DeBula, L. Condron. Introduction to Unix. The Ohio State University, 1998
Codice insegnamento 51370_658763_97603
Il corso ha due obiettivi principali: il primo è capire i concetti base dell aprobabilità e della statistica; a questo scopo verranno esposte delle basi e dei metodi teorici che gli studenti dovranno imparare a…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha due obiettivi principali: il primo è capire i concetti base dell aprobabilità e della statistica; a questo scopo verranno esposte delle basi e dei metodi teorici che gli studenti dovranno imparare a generalizzare ai vari problemi a cui saranno sottoposti. Il secondo obiettivo è imparare l'uso del linguaggio R come strumento per eseguira un analisi visiva e statistica di diversi tipi di dati. Da un punto di vista operativo, ci si aspetta che gli studenti sappiano: Calcolare la verosimiglianza in alcuni semplici casi.Calcolare intervalli di confidenza con diversi metodi.Scegliere il plot più appropriato per ogni specifico set di dati ed identificare proprietà informali dai plot.Interpretare i dati usando riassunti e semplici test statistici.Applicare modelli lineari generici ed interpretarne i risultati.
Programma
Introduzione alla probabilità come misura di incertezza, probabilità condizionale, teorema di Bayes.Alcune prrobabilità continue e discrete. Ditribuzioni multidimensionali. Matrice delle covarianze. Ditribuzione normale multidimensionale.Introduzione a diversi tipi di dati,Introduzione ad R.Visualizzazione ed esplorazione di dati; preparazione dei dati per l'analisi.Dati e modelli. Funzione di verosimiglianza; stime di massima verosimiglianza.Profile Likelihood.Test del rapporto di verosimiglianza, t test.Intervalli di confidenza: definizione ed esempi.Regressione lineare come esempio di massima verosimiglianza. Metodo dei minimi quadrati. Modelli lineari in forma di matrice: esempi di regressione multipla, analisi dell avarianza.Alcuni metodi per comparare modelli.
Il corso si divede in due parti. Una parte di lezioni frontali (circa tre quarti del corso) e delle esercitazioni (circa un quarto del corso). Durante le lezioni gli studenti sono incoraggiati ad esprimere le loro osservazioni ed il loro punto di vista sui concetti teorici e gli esempi pratici. Ogni settimana verrà pubblicata una scheda di esercizi che gli studenti potranno sfruttare per miglorare e riconsiderare le loro conoscenze dei concetti teorici visti a lezione. Alcuni degli esercizi daranno agli studenti la possibilità di fare esperienza con dati reali. Se possibile le lezioni saranno anche in diretta zoom e le registrazioni verranno caricate su Moodle.
Modalità d'esame
Ci saranno due prove parziali durante il corso: una ma metà ed una alla fine. Ognuna contibuirà al 50% del voto finale. Gli studenti possono anche sostenere l'esame finale in ogni sessione. L'esame si divide in due parti. Una prima parte da risolvere con carta e penna che include domande teoriche e risoluzione di esercizi. Una parte da svolgere al computer che prevede l'analisi di dati con semplici programmi di R.
Testi di riferimento
Il materiale presentato nel corso si può trovare in vari libri: L. Held and D. Sabanés Bové, “Likelihood and Bayesian Inference”, Springer, 2020 G. James, D. Witten, T. Hastie and R. Tibshirani, "An Introduction to Statistical Learning", Springer, 2013 B. Bolker Ecological Models and Data in R, Princeton university press, 2008 W. Ewens and G. Grant, "Statistical Methods in Bioinformatics: an Introduction", Springer, 2004 B. Shahbaba, "Biostatistics with R: An Introduction to Statistics Through Biological Data", Springer, 2012 Y. Pawitan, "In All Likelihood: Statistical Modelling And Inference Using Likelihood", Oxford University Press, 2013
Codice insegnamento 50952_653076_96155
L’obiettivo della competenza linguistica inglese a livello C1 è la valutazione della competenza linguistica nella comprensione scritta, nella comprensione orale, nella produzione scritta e nella produzione orale a…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo della competenza linguistica inglese a livello C1 è la valutazione della competenza linguistica nella comprensione scritta, nella comprensione orale, nella produzione scritta e nella produzione orale a livello C1 secondo i parametri del Quadro Comune Europeo di Riferimento per le lingue o QCER (CEFR in inglese). La prova richiede di dimostrare la propria competenza in inglese in una varietà di contesti accademici, personali e professionali e se si è in grado di differenziare il proprio linguaggio in base alle circostanze. Gli studenti/le studentesse al livello C1 sono in grado di studiare anche quando l’inglese è la lingua veicolare, perché possono comprendere input linguistici impegnativi uditi o letti, parlare fluentemente di argomenti complessi e scrivere testi accademici in modo chiaro e ben strutturato. La prova comprende materiali autentici di carattere accademico/professionale. A questo livello il test verifica la capacità di astrazione e discernimento dei candidati e delle candidate. Per la parte produttiva, si richiede di dimostrare di essere in grado di esprimere le proprie idee e di discutere problemi complessi in maniera fluente, strutturata e coerente. Il superamento della prova indica che si è dimostrato di possedere almeno le competenze minime richieste a livello C1 per comprensione scritta, comprensione orale, produzione scritta e produzione orale secondo i parametri del QCER. Il superamento della prova C1 dimostra che si possiedono le seguenti competenze: Nella comprensione scritta: Capacità di comprendere dettagliatamente una vasta gamma di testi lunghi e complessi che possono ragionevolmente essere ritrovati nella vita sociale, professionale o accademica, identificandone i più raffinati dettagli, compresi atteggiamenti e opinioni esplicite ed implicite. Nella comprensione orale: Capacità di capire abbastanza per seguire un discorso lungo su temi astratti e complessi anche al di là del proprio settore, anche se potrebbe essere necessario confermare alcuni dettagli nel corso di un secondo ascolto, specie se l’accento non è familiare. Capacità di seguire un discorso lungo anche se non è chiaramente strutturato e le relazioni non vengono segnalate, ma rimangono implicite. Nella Produzione scritta: Capacità di produrre testi chiari, ben strutturati e articolati su argomenti complessi, sottolineando i punti salienti, sviluppando e supportando punti di vista anche usando argomenti complementari, con i relativi esempi, e concludendo il tutto in modo appropriato. Nella produzione orale: Capacità di esprimersi in modo scorrevole e spontaneo, quasi senza sforzo. Una buona gestione di un ampio repertorio lessicale permette di superare velocemente eventuali lacune con circonlocuzioni. Mancano quasi totalmente la ricerca di espressioni o strategie elusive; solo un tema concettualmente difficoltoso può ostacolare un flusso linguistico tranquillo e spontaneo. Capacità di presentare descrizioni chiare e articolate su argomenti complessi, integrandovi temi secondari, sviluppando punti specifici e concludendo il tutto in modo appropriato.
Programma
La prova di inglese di livello C1 si propone di valutare un campione rappresentativo di abilità linguistiche e anche la conoscenza di specifici aspetti linguistici. La prova contestualizza i brani di lettura, ascolto, produzione scritta e parlata in situazioni comunicative (TLUS) appropriate per una competenza linguistica di livello C1.
I corsi C1 organizzati dal CLA e la prova di inglese C1 coprono entrambi campioni rappresentativi di un vasto numero di abilità linguistiche che costituiscono il livello C1 nel suo insieme. Pertanto, se da un lato un corso di inglese C1 organizzato dal CLA è utile nella preparazione per la prova di inglese C1, il corso non può affrontare in modo esaustivo tutti gli aspetti delle competenze così come illustrate dai descrittori QCER. Per prepararsi adeguatamente a sostenere la prova di inglese di livello C1, ci si deve cimentare nell’apprendimento interattivo e task-based per sviluppare abilità linguistiche adeguate per operare efficacemente in situazioni comunicative nelle quali si verranno presumibilmente a trovare.
Modalità d'esame
L’esito viene espresso in termini di “PASS” (idoneo) o “FAIL” (non idoneo). Si richiede di dimostrare di essere in grado di applicare la propria competenza linguistica in situazioni comunicative appropriate per una competenza linguistica di livello C1. La prova consiste in: Parte 1 Comprensione scritta: 3 attività per un numero totale di 20 domande. Parte 2 Comprensione orale: 2 attività (monologhi e dialoghi) per un totale di 15 domande. Parte 3 Produzione scritta: 1 attività: tema di opinione. Il candidato sceglie un argomento da una lista di due possibili argomenti. Si richiede una composizione di circa 250 parole. Parte 4 Produzione orale: contributo orale personale e interazione con un altro o altri candidati. Le parti di Comprensione scritta, Comprensione orale e Produzione scritta si svolgono online. Le prime tre parti della prova hanno una durata complessiva di 120 minuti. La parte di Produzione orale si svolge in data successiva rispetto alle prime parti ed ha una durata di circa 20 minuti. Si deve raggiungere la valutazione minima del 60% di risposte corrette per poter accedere alla parte successiva della prova. Il computer riconosce come corrette o scorrette le risposte per la Comprensione scritta e la Comprensione orale. La Produzione scritta e la Produzione orale sono valutate da insegnanti CLA in base ai specifici criteri analitici.
Testi di riferimento
QCER (Quadro comune europeo di riferimento per la conoscenza delle lingue – in inglese Common European Framework of Reference for Languages, o CEFR)
Codice insegnamento 50952_653070_95377
Course Objectives: 1. To provide an understanding of how engineering principles are applied to metabolic processes, cellular function and population dynamics. 2. To provide an understanding of the tools of metabolic…
Scheda dell'insegnamento
Obiettivi formativi
Course Objectives: 1. To provide an understanding of how engineering principles are applied to metabolic processes, cellular function and population dynamics. 2. To provide an understanding of the tools of metabolic and genetic engineering in vitro, in vivo and in silico. Learning Outcomes: Students will be able to: 1. Understand the benefits and limitations of metabolic and genetic engineering. 2. Understand the current tools used in metabolic and genetic engineering. 3. To apply computer aided tools to targeted outcomes in metabolic and genetic engineering 4. To read the current literature and understand the motivation and selection of tools, and critically evaluate the experimental design and outcomes. 5. To present a seminar regarding a current paper including presentation and discussion of overall aims, hypotheses, approaches taken, approaches not taken, results and outcomes.
Programma
Principles of metabolic and genetic engineering Drug pathway construction Drug pathway optimization Bioreactor strain engineering Model-driven circuit construction Design-driven genetic device engineering Dynamic controls for metabolic engineering In vitro protein expression engineering Cell-cell communication Model-driven synthetic biology
There will be two parts: lectures (36 hours) and computer lab (12 hours). In the first part the students will be introduced to the principles of metabolic and genetic engineering with relevant examples from the literature presented. The lecture material will then be organized to address the list of topics presented above with key papers used to exemplify these key concepts. Students will lead and participate in discussions to understand all aspects of the papers, see Learning Outcomes. In the second part, computer modeling will be introduced in the computer lab. Students will have hands on experience with key software platforms in metabolic and genetic engineering. The computer lab will be conducted in the final part of the course. Assessment will be done in the final oral examination.
Modalità d'esame
Assessment: There will be a final oral exam where each student will give an oral presentation on a given paper in metabolic and genetic engineering. The presentation is expected to be comprehensive including presenting background material not in the paper. The student is also expected to present a critical evaluation of the paper. In order to prepare for this final oral examination, students will have a chance to present an informal mid-term presentation of a paper for the class.
Testi di riferimento
There is no suitable text book for this class. The content will be drawn from the primary literature. A list of references follows and additional papers will be added depending on the interest of the students. Ajikumar, Parayil Kumaran, et al. "Isoprenoid pathway optimization for Taxol precursor overproduction in Escherichia coli." Science 330.6000 (2010): 70-74. Altaras, Nedim E., and Douglas C. Cameron. "Metabolic engineering of a 1, 2-propanediol pathway in Escherichia coli." Applied and Environmental Microbiology 65.3 (1999): 1180-1185. Altaras, Nedim E., and Douglas C. Cameron. "Enhanced Production of (R)‐1, 2‐Propanediol by Metabolically Engineered Escherichiacoli." Biotechnology progress 16.6 (2000): 940-946. Antoniewicz, Maciek R. "Methods and advances in metabolic flux analysis: a mini-review." Journal of industrial microbiology & biotechnology 42.3 (2015): 317-325. Bacchus, William, et al. "Synthetic two-way communication between mammalian cells." Nature biotechnology 30.10 (2012): 991-996. Carothers, James M., et al. "Model-driven engineering of RNA devices to quantitatively program gene expression." Science 334.6063 (2011): 1716-1719. Caschera, Filippo, and Vincent Noireaux. "A cost-effective polyphosphate-based metabolism fuels an all E. coli cell-free expression system." Metabolic engineering 27 (2015): 29-37. Copeland, Wilbert B., et al. "Computational tools for metabolic engineering." Metabolic engineering 14.3 (2012): 270-280. Dudley, Quentin M., Ashty S. Karim, and Michael C. Jewett. "Cell‐free metabolic engineering: biomanufacturing beyond the cell." Biotechnology journal 10.1 (2015): 69-82. Ellis, Tom, Xiao Wang, and James J. Collins. "Diversity-based, model-guided construction of synthetic gene networks with predicted functions." Nature biotechnology 27.5 (2009): 465-471. Martínez, Igor, et al. "Engineering synthetic bacterial consortia for enhanced desulfurization and revalorization of oil sulfur compounds." Metabolic engineering 35 (2016): 46-54. Karim, Ashty S., and Michael C. Jewett. "A cell-free framework for rapid biosynthetic pathway prototyping and enzyme discovery." Metabolic engineering 36 (2016): 116-126. Kay, Jennifer E., and Michael C. Jewett. "Lysate of engineered Escherichia coli supports high-level conversion of glucose to 2, 3-butanediol." Metabolic engineering 32 (2015): 133-142. Miller, Miles, et al. "Modular design of artificial tissue homeostasis: robust control through synthetic cellular heterogeneity." PLoS Comput Biol 8.7 (2012): e1002579. Moser, Felix, et al. "Genetic circuit performance under conditions relevant for industrial bioreactors." ACS synthetic biology 1.11 (2012): 555-564. Ro, Dae-Kyun, et al. "Production of the antimalarial drug precursor artemisinic acid in engineered yeast." Nature 440.7086 (2006): 940-943. Shaw, A. Joe, et al. "Metabolic engineering of microbial competitive advantage for industrial fermentation processes." Science 353.6299 (2016): 583-586. Shintani, David, and Dean DellaPenna. "Elevating the vitamin E content of plants through metabolic engineering." Science 282.5396 (1998): 2098-2100. Stephanopoulos, Gregory. "Metabolic fluxes and metabolic engineering." Metabolic engineering 1.1 (1999): 1-11. Zhang, Fuzhong, James M. Carothers, and Jay D. Keasling. "Design of a dynamic sensor-regulator system for production of chemicals and fuels derived from fatty acids." Nature biotechnology 30.4 (2012): 354-359.
Codice insegnamento 51368_658760_93014
L'obiettivo di questo corso è consentire agli studenti di analizzare vari tipi di tipi di dati ad elevata dimensionalita' comunemente incontrati nella pratica della biologia molecolare utilizzando una serie di…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo di questo corso è consentire agli studenti di analizzare vari tipi di tipi di dati ad elevata dimensionalita' comunemente incontrati nella pratica della biologia molecolare utilizzando una serie di metodologie, tra cui approcci statistici consolidati, machine learning e metodi di recente introduzione. Al termine del corso le studentesse e gli studenti saranno in grado di: dimostrare una buona conoscenza di diversi tipi di dati di biologia molecolare e delle loro specificità;comprendere i principi alla base di diversi metodi concettuali per l’analisi dei dati;utilizzare gli strumenti computazionali richiesti per l'implementazione dell’analisi;fornire un'interpretazione in termini funzionali dei risultati dell’analisi;contestualizzare i risultati dell’analisi in un ambito biologico attraverso l’uso di reti biologiche;portare a termine un progetto, redigere un rapporto strutturato e presentare oralmente i risultati del proprio lavoro.
Programma
Introduzione ai tipi di dati in Biologia molecolare Elaborazione di dati biologici in R Introduzione all'analisi esplorativa mediante PCA Introduzione al machine learning classificazione, clustering, apprendimento supervisionato / non supervisionato Introduzione alla classificazione usando LDA Regressione regolarizzata: regressione di tipo Lasso / Ridge Signature basate sul rango Reti biologiche e loro visualizzazione Analisi basata su reti con applicazioni a reti biologiche Analisi funzionale di dati biologici Revisione finale e discussione dei progetti
Le lezioni tradizionali saranno accompagnate da sessioni settimanali di esercitazione in cui i metodi teorici appena appresi saranno applicati a dati reali usando R. Per completare il corso gli studenti sono tenuti a realizzare un progetto al quale lavorare di settimana in settimana. Come parte del progetto, gli studenti selezioneranno un set di dati reali a loro scelta su cui applicare successivamente tutti i metodi appresi durante il corso. Le sessioni di esercitazione settimanali saranno utilizzate da ogni studente per ottenere i risultati che messi insieme formeranno il report finale del loro progetto. In questo modo gli studenti saranno messi in condizione di preparare la maggior parte del loro progetto durante le ore di lezione, con l'assistenza dell'istruttore se necessario.
Modalità d'esame
Come esame finale ogni studente sarà tenuto a fare una breve presentazione orale del proprio progetto, che includa la descrizione del set di dati selezionato, i metodi di analisi e i risultati principali. In alternativa, in casi eccezionali e adeguatamente motivati è possibile richiedere una tradizionale prova scritta seguita da esame orale relativi a tutti gli aspetti pratici e teorici del corso.
Testi di riferimento
Il corso è stato progettato per essere autocontenuto e tutto il materiale del corso, incluso il codice R, sarà reso disponibile online. Di seguito è riportata una breve selezione di libri di consultazione relativi a diverse parti del corso. - Julian J. Faraway, Practical Regression and Anova using R. available at http://cran.r-project.org/doc/contrib/Faraway-PRA.pdf - Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition, New York, 2016. Available at https://hastie.su.domains/Papers/ESLII.pdf - Flury B. A first course in multivariate statistics. Springer, New York, 1998. - Heiberger, R.M. and Holland,B. Statistical analysis and data display, Springer, New York, 2004
Codice insegnamento 51368_658767_93910
Il corso Advanced topics in modern physics (140730, 9 CFU) tratta la meccanica quantistica e le sue applicazioni allo studio degli atomi e delle molecole. Al termine, ci si attende che gli/le studenti abbiano compreso…
Scheda dell'insegnamento
Obiettivi formativi
Il corso Advanced topics in modern physics (140730, 9 CFU) tratta la meccanica quantistica e le sue applicazioni allo studio degli atomi e delle molecole. Al termine, ci si attende che gli/le studenti abbiano compreso quali sono i principi essenziali della teoria, sappiano applicarla a casi semplici e abbiano un'idea adeguata su come possa essere usata in casi più complessi, in particolare nella descrizione delle molecole e della materia, anche con riferimento a problemi di chimica, biofisica e fisica dell'atmosfera.
Programma
Una prima parte del corso, di 48 ore, è dedicata ad introdurre, da zero, le basi della meccanica quantistica. In queste lezioni, suddivise equamente tra il prof. Dalfovo e il prof. Hauke, si definiscono dapprima i sistemi fisici e si mostra come questi possono essere descritti da vettori di stato, elementi di opportuni spazi vettoriali complessi. Le grandezze fisiche (osservabili) sono associate a operatori lineari che agiscono su tali vettori. Si parla di sovrapposizione di stati, del significato di misura, delle osservabili incompatibili e della relazione d'indeterminazione. Come esempi significativi, vengono trattati i casi dello spin, la posizione, il momento lineare (quantità di moto) e il momento angolare. Viene poi introdotta l'evoluzione temporale degli stati, sia nella rappresentazione di Schrödinger che di Heisenberg, con applicazioni all'oscillatore armonico, l'atomo d'idrogeno, una particella su un anello, una particella su una sfera, e l'effetto tunnel. Si espongono alcuni metodi di approssimazione, come la teoria delle perturbazioni e i metodi variazionali. Si estende la teoria a sistemi composti da due o più particelle, discutendo il problema delle particelle identiche (bosoni e fermioni) e, infine, si conclude con la definizione di ensemble misti, matrice densità e entanglement. La seconda parte del corso, di altre 48 ore, è svolta dal prof. Cudazzo. Le sue prime lezioni, per circa 12 ore, riguardano l'addizione dei momenti angolari e l'atomo di elio. Successivamente vengono trattati i seguenti argomenti: Spettri atomici e struttura atomica; atomi a molti elettroni e introduzione alla struttura delle molecole; approssimazione di Born-Oppenheimer; teoria degli orbitali molecolari; orbitali di molecole poliatomiche e spettri roto-vibrazionali; chimica computazionale; metodo del campo autoconsistente di Hartree-Fock; correlazione elettronica; teoria del funzionale densità; metodi del gradiente e proprietà molecolari. Complessivamente gli argomenti sono trattati in 96 ore di lezione, corrispondenti a 9 cfu, come da Manifesto del corso di laurea magistrale in "Environmental Meteorology and Climate Physics". Per gli/le studenti di corsi di laurea che inseriscono solo il primo modulo di questo corso nel loro piano formativo, le lezioni da seguire sono le prime 60, che corrispondono formalmente al Modulo I - Quantum Mechanics - di 6 cfu, costituito dalle lezioni dei proff. Dalfovo e Hauke, più le prime 12 ore di lezione del prof. Cudazzo.
Il corso prevede lezioni frontali, nelle quali verranno spiegati i concetti essenziali. Gli/le studenti, nel proprio lavoro individuale, rielaborano autonomamente i concetti appresi, ripercorrono i passaggi proposti dal docente nella soluzione di problemi e nell'applicazione della teoria, anche tramite la consultazione di appunti e testi. Gli/le studenti sono incoraggiati/e a porre domande o a sottoporre dubbi ai docenti, sia durante le lezioni che tramite ricevimento, con appuntamenti che possono essere chiesti sia a lezione che via email.
Modalità d'esame
La verifica di apprendimento avviene alla fine del corso tramite un esame orale. Nel colloquio vengono poste alcune domande relative a diversi argomenti trattati nel corso. Lo scopo è quello di verificare che i concetti di base della teoria siano stati colti, che si sappia applicare la teoria ai casi semplici trattati a lezione, e che si abbia anche una visione adeguata delle applicazioni della teoria nel contesto della fisica degli atomi e delle molecole. La capacità di esprimersi in modo sintetico e preciso è uno degli elementi di valutazione. Per gli/le studenti del corso di laurea magistrale in "Environmental Meteorology and Climate Physics", l'esame può essere svolto in due parti distinte, anche in date diverse, una sui contenuti delle lezioni dei proff. Dalfovo e Hauke e una sui contenuti delle lezioni del prof. Cudazzo. Il voto finale, unico, tiene conto delle valutazioni dei docenti in entrambe le prove orali. Per gli/le studenti di corsi di laurea che seguono solo il Modulo I - Quantum Mechanics - di 6 cfu, l'esame è unico e riguarderà prevalentemente gli argomenti delle lezioni dei proff. Dalfovo e Hauke.
Testi di riferimento
Per gli argomenti delle prime 48 ore del corso i proff. Dalfovo e Hauke mettono a disposizione nella piattaforma Moodle, in formato pdf, il loro testo "The essentials of Quantum Mechanics". Per gli argomenti della 48 ore del prof. Cudazzo si consiglia il testo di P. Atkins e R. Friedman "Molecular Quantum Mechanics" (Oxford University Press). Gli/le studenti sono incoraggiati/e a consultare anche altri libri di testo di Meccanica Quantistica a loro scelta, per integrare le nozioni apprese nelle lezioni con altri punti di vista e altri approcci alla stessa teoria. Ad esempio: - J.J. Sakurai, Jim Napolitano, Modern Quantum Mechanics (Cambridge University Press); - D.J. Griffiths, D.F. Schroeter, Introduction to Quantum Mechanics (Cambridge University Press); - B.H. Bransden and C.J. Joachain, Physics of atoms and molecules (Pearson Education).
Codice insegnamento 50952_653073_97037
Gli studenti alla fine di questo modulo saranno in grado di utilizzare tecniche moderne di regressione, come ad esempio i modelli lineari generalizzati, per lo studio della relazione tra variabili. Saranno inoltre in…
Scheda dell'insegnamento
Obiettivi formativi
Gli studenti alla fine di questo modulo saranno in grado di utilizzare tecniche moderne di regressione, come ad esempio i modelli lineari generalizzati, per lo studio della relazione tra variabili. Saranno inoltre in grado di utilizzare tecniche di classificazione (supervised learning) e metodi di raggruppamento (unsupervised learning). Avranno una conoscenza di base degli aspetti fondamentali della teoria e saranno in grado di applicare i risultati teorici a casi pratici attraverso l'uso di un programma di calcolo statistico.
Programma
Modelli lineari di regressione, modelli lineari generalizzati, famiglia esponenziale e casi particolari: binomiale, PoissonModelli per la classificazione, regressione logistica, analisi discriminanteMetodi di ricampionamento: crossvalidazione, bootstrapMacchine a supporto vettorialeRegressione su alberi e alberi casualiSurvival analysisRelational event modelsMetodi di clustering
Lezioni frontali e esercitazioni al computer.
Modalità d'esame
Esame scritto e compiti per casa
Testi di riferimento
Libro di riferimento: James, G., Witten, D., Hastie, T., Tibshirani, R.: An Introduction to Statistical Learning with Applications in R. Springer, 2023. Altre letture: Faraway, J.J.: Linear Model with R. Chapman & Hall/CRC, 2009. Faraway, J.J.: Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Chapman & Hall/CRC, 2006. Fox, J., Weisberg, S.: An R Companion to Applied Regression, Second Edition. Sage Publications, 2011. Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer, 2009. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Libro di riferimento: James, G. et al. (2021). An introduction to statistical learning : with applications in R (2nd ed.). Springer.Altre letture: Faraway, J. J. (2025). Linear models with R (3. ed.). CRC press.Faraway, J. J. (2016). Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models (2nd ed.). Chapman & Hall/CRC.Fox, J., & Weisberg, S. (2019). An R companion to applied regression (3rd ed.). Sage.Hastie, T., Tibshirani, R. J., & Friedman, J. H. (2009). The elements of statistical learning : data mining, inference and prediction (2nd ed.). Springer.
Codice insegnamento 51368_658762_95376
Descrizione del corso L’invecchiamento è un processo biologico complesso, caratterizzato da cambiamenti progressivi dell’omeostasi cellulare e tissutale, della capacità rigenerativa, della resilienza fisiologica e…
Scheda dell'insegnamento
Obiettivi formativi
Descrizione del corso L’invecchiamento è un processo biologico complesso, caratterizzato da cambiamenti progressivi dell’omeostasi cellulare e tissutale, della capacità rigenerativa, della resilienza fisiologica e della suscettibilità alle malattie. L’invecchiamento non rappresenta una conseguenza passiva del trascorrere del tempo, ma deriva dall’interazione tra meccanismi molecolari, cellulari, tissutali e sistemici, che possono essere studiati sperimentalmente e, in alcuni casi, manipolati. Il corso fornisce un’introduzione avanzata alla biologia dell’invecchiamento, con particolare attenzione agli approcci sperimentali, alla valutazione critica delle evidenze scientifiche e alle applicazioni in ambito biotecnologico. Il corso affronterà i principali meccanismi che contribuiscono al declino funzionale associato all’età, tra cui instabilità genomica, disfunzione dei telomeri, alterazioni epigenetiche, compromissione della proteostasi e dell’autofagia, disfunzione mitocondriale, deregolazione dei meccanismi di rilevamento dei nutrienti, senescenza cellulare, esaurimento delle cellule staminali, alterazioni della comunicazione intercellulare e infiammazione cronica. Particolare attenzione sarà dedicata alle modalità con cui l’invecchiamento viene studiato e misurato sperimentalmente, includendo i modelli animali, la valutazione della durata della vita in salute (healthspan), i biomarcatori dell’età biologica, il sesso come variabile biologica e la distinzione tra associazione e causalità. Una parte del corso sarà dedicata alla traduzione delle conoscenze sulla biologia dell’invecchiamento in applicazioni biotecnologiche e nello sviluppo di strategie terapeutiche. Le lezioni saranno integrate da attività interattive e di blended learning, progettate per riprodurre alcune delle attività tipiche della ricerca accademica, della revisione scientifica tra pari e dello sviluppo biotecnologico. Risultati di apprendimento attesi Al termine del corso, gli studenti dovrebbero essere in grado di: - definire i concetti di invecchiamento, durata della vita (lifespan), durata della vita in salute (healthspan) ed età biologica, distinguendoli tra loro; - descrivere i principali meccanismi molecolari, cellulari, tissutali e sistemici associati all’invecchiamento; - discutere criticamente il modello concettuale degli hallmarks of ageing; - comprendere i punti di forza e i limiti dei modelli sperimentali utilizzati nella ricerca sull’invecchiamento; - spiegare come l’invecchiamento, la durata della vita e la durata della vita in salute possano essere misurati sperimentalmente; - riconoscere l’importanza del sesso come variabile biologica nella ricerca sull’invecchiamento; - distinguere i biomarcatori dell’invecchiamento dai meccanismi causali e dagli endpoint surrogati clinicamente utili; - spiegare il contributo della disfunzione telomerica, del metabolismo, dei mitocondri, dell’autofagia, della senescenza cellulare e della disfunzione delle cellule staminali al declino associato all’età; - discutere le relazioni tra invecchiamento, declino della capacità rigenerativa e malattie associate all’età, incluso il cancro; - interpretare dati sperimentali originali, valutare criticamente le affermazioni scientifiche e distinguere le associazioni dalle evidenze di causalità; comprendere le principali difficoltà legate alla traduzione delle conoscenze sulla biologia dell’invecchiamento in interventi terapeutici.
Programma
1. Che cos’è l’invecchiamento? - Definizioni e principali concetti della biologia dell’invecchiamento, inclusi durata della vita (lifespan), durata della vita in salute (healthspan) ed età biologica. - Prospettive evolutive e meccanicistiche sull’invecchiamento. - Gli hallmarks dell’invecchiamento e la geroscienza come quadri concettuali per comprendere il declino funzionale e le patologie associati all’età. 2. Modelli sperimentali e misurazione dell’invecchiamento - Modelli sperimentali dell’invecchiamento, inclusi sistemi invertebrati e vertebrati, organismi naturalmente invecchiati e modelli mammiferi. - Approcci sperimentali per valutare durata della vita, durata della vita in salute, fragilità, declino funzionale ed età biologica. - Biomarcatori molecolari, cellulari e funzionali dell’invecchiamento. - Punti di forza, limiti, validazione e rilevanza traslazionale dei diversi modelli, biomarcatori e disegni sperimentali. 3. Differenze legate al sesso nell’invecchiamento - Determinanti biologici delle differenze legate al sesso nella durata della vita, nella durata della vita in salute e nelle traiettorie di invecchiamento. - Risposte dipendenti dal sesso agli interventi sull’invecchiamento. - Il sesso come variabile biologica nella progettazione sperimentale, nell’interpretazione dei dati e nella traslazione dei risultati. 4. Danno molecolare, mantenimento e controllo della qualità cellulare - Principali processi molecolari e cellulari che contribuiscono al danno associato all’età e alla perdita dell’omeostasi. - Meccanismi coinvolti nel mantenimento del genoma, nella regolazione epigenetica, nella proteostasi e nel controllo della qualità cellulare. - Risposte adattative, resilienza cellulare e distinzione tra associazione e causalità nella ricerca sull’invecchiamento. 5. Telomeri e invecchiamento - Biologia, mantenimento e disfunzione dei telomeri durante l’invecchiamento. - Relazioni tra alterazioni dei telomeri, risposte cellulari, invecchiamento dei tessuti e patologie associate all’età. 6. Metabolismo, mitocondri e rilevamento dei nutrienti - Vie metaboliche e di rilevamento dei nutrienti coinvolte nella regolazione dell’invecchiamento e della longevità. - Funzione mitocondriale, adattamento metabolico e risposte cellulari allo stress. - Interventi fisiologici, dietetici e farmacologici mirati alle vie metaboliche. - Invecchiamento ed esercizio fisico. 7. Senescenza cellulare e strategie senoterapeutiche - Caratteristiche molecolari e funzionali della senescenza cellulare e suoi ruoli nella fisiologia e nell’invecchiamento. - Alterazioni associate alla senescenza nell’omeostasi dei tessuti e nelle patologie correlate all’età. - Strategie per identificare e modulare terapeuticamente le cellule senescenti, comprese le relative opportunità e limitazioni. 8. Invecchiamento e cancro - Legami biologici tra invecchiamento e sviluppo tumorale. - Ruolo delle alterazioni genomiche, della senescenza cellulare, dell’infiammazione e dei cambiamenti associati all’età nei microambienti tissutali. - Compromessi tra soppressione tumorale, mantenimento dei tessuti e interventi volti a modificare l’invecchiamento. 9. Cellule staminali, nicchie e invecchiamento rigenerativo - Cambiamenti associati all’età nella funzione, quiescenza, autorinnovamento e differenziamento delle cellule staminali. - Contributo dell’ambiente locale e sistemico al declino della capacità rigenerativa. - Meccanismi e strategie sperimentali finalizzati a preservare o ripristinare la rigenerazione dei tessuti durante l’invecchiamento. Attività di blended learning Il corso comprenderà attività selezionate di blended learning, finalizzate a promuovere la partecipazione attiva, il pensiero critico e l’applicazione dei concetti introdotti durante le lezioni. In funzione degli argomenti affrontati durante il corso, le attività potranno comprendere: - valutazione critica di articoli scientifici, preprint, figure sperimentali o set di dati; - confronto tra interpretazioni alternative delle evidenze scientifiche; - analisi del disegno sperimentale, della scelta dei modelli e delle variabili biologiche; - discussione di strategie biotecnologiche e di sviluppo terapeutico relative all’invecchiamento; - esercitazioni individuali o in piccoli gruppi incentrate sul processo decisionale scientifico e sulle sfide traslazionali. Alcune attività potranno essere svolte in modalità asincrona, individualmente o in piccoli gruppi, e successivamente discusse durante le lezioni in presenza. Le attività di blended learning mirano a esporre gli studenti a problematiche rappresentative della ricerca accademica e biotecnologica, con particolare attenzione al ragionamento scientifico, alla valutazione delle evidenze e alla traduzione dei meccanismi biologici in strategie sperimentali o terapeutiche.
Il corso comprenderà: - lezioni interattive; - seminari specialistici, ove opportuno; - discussione della letteratura scientifica primaria; - analisi di figure sperimentali e set di dati; - attività individuali di revisione critica di lavori scientifici (peer review); - attività asincrone di apprendimento integrato (blended learning); - esercitazioni individuali o di gruppo dedicate allo sviluppo di applicazioni biotecnologiche; - analisi critica di contenuti scientifici generati dall’intelligenza artificiale. L’insegnamento privilegerà l’interpretazione e il ragionamento scientifico rispetto alla memorizzazione delle vie molecolari. La componente di blended learning sarà strutturata in modo che il lavoro svolto in modalità asincrona produca materiali successivamente integrati nelle discussioni in aula.
Modalità d'esame
La preparazione degli studenti sarà valutata attraverso attività in itinere e un esame finale. Valutazione in itinere Le attività valutate potranno comprendere: - un’esercitazione individuale di revisione critica di un lavoro scientifico (peer review); - attività di mappatura delle evidenze o di interpretazione dei dati; - un elaborato individuale o di gruppo dedicato allo sviluppo biotecnologico o clinico. La valutazione terrà conto dei seguenti aspetti: - accuratezza scientifica; - capacità di interpretare le evidenze sperimentali; - capacità di individuare i limiti; - capacità di distinguere tra associazione e causalità; - ragionamento critico; - chiarezza argomentativa; - fattibilità delle strategie sperimentali o traslazionali proposte. Le attività di gruppo potranno includere una componente individuale, al fine di consentire la valutazione del contributo di ciascuno studente. Esame finale L’esame finale comprenderà, in alternativa o in combinazione: - domande a scelta multipla sui principali concetti affrontati durante il corso; - un esame orale. Una possibile distribuzione è la seguente: - valutazione in itinere: 30%; - esame finale scritto e/o orale: 70%.
Testi di riferimento
Non è previsto alcun libro di testo obbligatorio. I materiali didattici comprenderanno principalmente: slide delle lezioni; - articoli di revisione selezionati; - articoli scientifici originali selezionati; - preprint scientifici; - figure sperimentali e set di dati; - casi di studio in ambito biotecnologico e traslazionale. Un numero limitato di pubblicazioni fondamentali sarà assegnato come lettura obbligatoria, mentre ulteriore materiale bibliografico sarà messo a disposizione degli studenti che desiderino approfondire argomenti specifici. Testo di riferimento consigliato Fang EF, Bergersen LH, Gilmour BC, a cura di. Molecular, Cellular, and Metabolic Fundamentals of Human Aging. Academic Press / Elsevier, 2022. Lettura concettuale fondamentale López-Otín C, Blasco MA, Partridge L, Serrano M, Kroemer G. Hallmarks of Aging: An Expanding Universe. Cell. 2023;186:243–278. Ulteriori articoli di revisione recenti, lavori di ricerca originali e preprint saranno selezionati durante il corso per riflettere gli sviluppi più attuali nell’ambito della biologia dell’invecchiamento, della geroscienza e delle biotecnologie. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Fang, E. F., Bergersen, L. H., & Gilmour, B. C. (2023). Molecular, cellular, and metabolic fundamentals of human aging. Academic press. López-Otín, C., Blasco, M. A., Partridge, L., Serrano, M., & Kroemer, G. (2023). Hallmarks of aging: An expanding universe. Cell, 186(2), 243–278. https://doi.org/10.1016/j.cell.2022.11.001
Codice insegnamento 51368_658776_97074
Obiettivi FormativiAl termine del corso, gli studenti saranno in grado di: Distinguere tra modelli animali invertebrati e vertebrati nella ricerca biomedica, analizzandone rispettivi vantaggi, limiti e rilevanza…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi FormativiAl termine del corso, gli studenti saranno in grado di: Distinguere tra modelli animali invertebrati e vertebrati nella ricerca biomedica, analizzandone rispettivi vantaggi, limiti e rilevanza traslazionale.Applicare la conoscenza delle principali tecniche genetiche e transgeniche — tra cui CRISPR/Cas9, RNA interference (RNAi), microiniezione e ricombinazione Cre-loxP — riconoscendo quali strumenti risultino più efficaci per ciascun organismo modello.Valutare il contributo dei diversi organismi modello (C. elegans, Drosophila, zebrafish, topo) nello studio delle principali malattie umane, quali cancro, patologie neurodegenerative, cardiovascolari e metaboliche.Analizzare criticamente le questioni etiche nella ricerca sugli animali, con particolare attenzione alle procedure invasive, ai quadri normativi (IACUC, Direttiva UE, linee guida NIH) e ai dibattiti su giustificazione scientifica e benessere.Esplorare le alternative alla sperimentazione animale, tra cui sistemi in vitro, organoidi e tecnologie organ-on-a-chip, confrontandone il potenziale con gli approcci tradizionali in vivo.Risultati di Apprendimento AttesiAl termine del corso, gli studenti saranno in grado di: Confrontare e mettere a paragone i modelli animali invertebrati e vertebrati, dimostrando una chiara comprensione dei loro punti di forza, limiti biologici e adeguatezza rispetto a specifiche domande di ricerca.Progettare approcci sperimentali utilizzando gli strumenti genetici e le tecniche transgeniche più appropriate per un determinato organismo, giustificando le proprie scelte in base a fattibilità e obiettivi scientifici.Interpretare e discutere criticamente articoli scientifici primari che utilizzano modelli animali per lo studio di cancro, neurodegenerazione, patologie cardiovascolari o metaboliche, identificando come le caratteristiche specifiche dei modelli favoriscano la comprensione della malattia.Dibattere e difendere posizioni su questioni etiche nella sperimentazione animale, attraverso l’analisi dei regolamenti internazionali e lo studio di dilemmi etici basati su casi reali.Proporre e valutare alternative ai modelli animali, come organoidi o sistemi organ-on-a-chip, discutendone il ruolo attuale e futuro nella ricerca biomedica traslazionale.Integrare le conoscenze acquisite attraverso la presentazione e discussione di casi studio focalizzati sulle malattie, dimostrando la capacità di collegare metodi, risultati e considerazioni etiche in un argomento scientifico coerente.
Programma
1. Introduzione ai modelli animali nella ricerca biomedica (PB) Il ruolo dei modelli animali nella ricerca biomedica; Biologia comparata e selezione delle specie; Panoramica dei modelli invertebrati e vertebrati. 2. Modelli invertebrati: Caenorhabditis elegans (PB) C. elegans come organismo modello: utilizzo di potenti strumenti genetici per esplorare i processi biologici e i meccanismi delle malattie. 3. Modelli invertebrati: Drosophila melanogaster (PB) La Drosophila come organismo modello: strumenti genetici e applicazioni nello studio delle malattie umane. Applicazioni nello studio del cancro, della neurobiologia e dei disturbi metabolici. 4. Modello vertebrato 1: Zebrafish (Danio rerio) (LP) Vantaggi: trasparenza, rapido sviluppo, trattabilità genetica. Zebrafish come modello per la biologia dello sviluppo e per lo studio delle malattie. Test comportamentali e di screening farmacologico. 5. Test comportamentali e cognitivi nei modelli animali (LP) Test per memoria, apprendimento e comportamenti sociali con confronto tra Drosophila, zebrafish e topo. Misurazione di stress, ansia e dolore in diverse specie. 6. Modello vertebrato 2: Topo (SC) Perché il topo è il gold standard nella ricerca sui mammiferi. Ingegneria genetica del topo (Cre-loxP, CRISPR, modelli knockout/knock-in). 7. Considerazioni etiche e regolamentazioni (SC) Regolamenti istituzionali e internazionali (IACUC, Direttiva UE, linee guida NIH). Casi studio di dilemmi etici nella ricerca sugli animali. 8. Alternative alla sperimentazione animale e conclusione del corso (LP e PB) Modelli in vitro, organoidi, organ-on-a-chip. 9. Ultime 4 ore: Presentazioni del Journal Club (PB, LP, SC) Lavoro di gruppo: gli studenti formano gruppi di 2–3 persone. Ogni gruppo presenta tre articoli scientifici, ciascuno basato su un diverso modello animale. Focus: gli articoli devono riguardare lo studio di malattie umane e dimostrare come i diversi modelli contribuiscano alla comprensione della patologia.
Il corso si svolgerà attraverso lezioni frontali supportate da materiali didattici e articoli scientifici. Gli studenti saranno inoltre coinvolti in attività di studio autonomo guidato e nella preparazione di una presentazione di gruppo (“Journal Club”), finalizzata alla discussione critica di articoli di ricerca sull’uso dei modelli animali nello studio delle malattie umane. Attività di apprendimento nel Journal Club: -Confrontare punti di forza, limiti e applicazioni dei diversi modelli animali. -Analizzare criticamente il disegno sperimentale, i metodi e i risultati. -Esplorare come la ricerca animale possa informare la biologia e la medicina umana. -Esercitarsi nella discussione scientifica e nelle competenze di presentazione.
Modalità d'esame
Metodi di Valutazione e Criteri di Valutazione: Gli studenti preparano una presentazione finale come Journal Club utilizzando articoli scientifici, partecipano a discussioni guidate e ricevono feedback dai pari. La valutazione si basa sull’analisi critica e sulla comprensione dell’articolo, sulla chiarezza e sulla struttura della presentazione, sulla partecipazione alla discussione, sull’originalità e sul pensiero critico, e sulla collaborazione efficace nel gruppo. Selezione degli Articoli: I gruppi possono scegliere articoli da una lista fornita dall’insegnante, assicurandosi che ciascun articolo utilizzi una specie animale diversa come modello. Una cartella condivisa su Google Drive conterrà sottogruppi di articoli tra cui scegliere. L’insegnante potrà limitare il numero di argomenti a circa 10 per facilitarne la gestione. Argomenti Suggeriti dai Corsi Precedenti (possono essere modificati a seconda delle richieste durante il corso): Microbiota e Malattie: Impatto sui disturbi neurologici e sul cancroObesità e Diabete di Tipo 2: Approfondimenti dai modelli animali e approcci terapeuticiResistenza all’Insulina: Meccanismi e studi traslazionali nei modelliMeccanismi di Rigenerazione: Dalla biologia dello sviluppo alla medicina rigenerativaModelli di Cancro per lo Sviluppo di Farmaci: Uso degli animali per testare nuove terapieCancro e Sistema Immunitario: Interazioni e spunti dall’immunoterapiaTumori Cerebrali: Modellizzazione e comprensione della biologia tumoraleFerroptosi in Cancro e Disturbi Neurologici: Effetti opposti e implicazioni terapeuticheMalattie Neurodegenerative: Meccanismi conservati in Huntington, Parkinson, Alzheimer e SLADisturbi dello Sviluppo: Autismo, ADHD, sindrome di Rett – modelli animali e rilevanza umanaImmunologia: Ricerca sull’HIV utilizzando modelli animaliInfiammazione Cronica: Approfondimenti meccanicistici dai modelli invertebrati e vertebratiResistenza agli Antibiotici: Studio delle interazioni tra microbi e ospite attraverso diversi modelli
Testi di riferimento
Here is a list of genetics and developmental biology textbooks relevant for a course on animal models to study human diseases: 1 Genetics Textbooks An Introduction to Genetic Analysis (11th Ed.) — Griffiths et al. Classical and molecular genetics, Mendelian inheritance, gene mapping, epigenetics. Genetics: From Genes to Genomes (4th Ed., 2000) — Hartwell et al. Classical genetics, genomics transition, genetic screening, gene therapy. Human Molecular Genetics (4th Ed.) — Strachan & Read Human genome structure, gene regulation, variation, genomic technologies, personalized medicine. 2 Developmental Biology Textbooks Essential Developmental Biology (4th Ed.) —Jonathan M.W. Slack Focus on fundamentals and modern advances in animal development (genetics, cell signaling, organogenesis, stem cells, evolution). Designed for undergraduate and early graduate students. Developmental Biology — Scott F. Gilbert Comprehensive coverage: genetics, anatomy, molecular mechanisms, experimental approaches. Principles of Development — Lewis Wolpert & Cheryll Tickle Core principles of development with depth, widely used in advanced courses. 3 Scientific Articles given by the professor
Codice insegnamento 51368_658771_97055
L'obiettivo di questo corso è lo studio di due dei principali paradigmi di intelligenza artificiale bio-ispirata, ovvero la computazione evolutiva, ispirata dalla biologia evolutiva, e l'intelligenza di sciame,…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo di questo corso è lo studio di due dei principali paradigmi di intelligenza artificiale bio-ispirata, ovvero la computazione evolutiva, ispirata dalla biologia evolutiva, e l'intelligenza di sciame, ispirata dai comportamenti collettivi di alcuni animali sociali. Studieremo le principali teorie e i principali algoritmi in questo campo, e vedremo come queste tecniche possono essere applicate, ad esempio, per risolvere complessi problemi di ottimizzazione, addestrare modelli basati su dati, generare contenuti (ad es., videogiochi, siti web, forme d'arte), individuare bachi nel software, evolvere programmi, fare bugfixing, o trovare soluzioni innovative in applicazioni di robotica, logistica, ed ingegneria. Infine, discuteremo come queste tecniche possono essere combinate con reti neurali ed altre tecniche di apprendimento automatico, e vedremo brevemente come questi approcci possono aiutare la comprensione dei sistemi biologici, per chiudere idealmente il collegamento tra biologia ed intelligenza artificiale. Alla fine di questo corso, gli/le studenti/esse avranno familiarizzato con le più importanti tecniche di computazione evolutiva e intelligenza di sciame, e saranno in grado di applicarle in contesti diversi in ambito industriale, di ricerca, o persino nell'intrattenimento. Avranno inoltre acquisito i fondamenti tecnici e teorici per sviluppare nuovi algoritmi ed applicarli a nuovi problemi.
Programma
Introduzione all'intelligenza artificiale bio-ispirata (1 lezione)Algoritmi evolutivi (2 lezioni)Algoritmi evolutivi per ottimizzazione multi-obiettivo (1 lezione)Algoritmi evolutivi per ottimizzazione vincolata (1 lezione)Intelligenza di sciame (2 lezioni)Neuroevoluzione (1 lezione)Programmazione genetica (1 lezione)Apprendimento per rinforzo (1 lezione)Coevoluzione competitiva e cooperativa (1 lezione)Applicazioni e trend recenti (1 lezione)Laboratori e sviluppo progetto (12 lezioni)
Il corso è organizzato in modo tale che la prima metà del corso (12 lezioni) sarà incentrata sulla teoria. La seconda metà del corso consisterà in una serie di 12 laboratori, in cui i primi forniranno un'introduzione ad alcuni strumenti e librerie per il calcolo bio-ispirato. Nei restanti laboratori, gli/le studenti/esse avranno l'opportunità di lavorare (in gruppi di 2-3 studenti/esse) allo sviluppo di un progetto a scelta libera incentrato su studi algoritmici o applicazioni degli algoritmi trattati durante le lezioni. Durante i laboratori, gli/le studenti/esse avranno anche l'opportunità di fornire presentazioni intermedie del progetto per raccogliere feedback dai docenti e condividere idee con gli altri gruppi. Per ogni lezione teorica verranno fornite le relative slide. Le slide costituiscono il riferimento principale per lo studio della parte teorica di questo corso. In alternativa, sarà possibile consultare libri di testo, se necessario, per approfondire alcuni argomenti. Durante il primo gruppo di laboratori, forniremo notebook Python per eseguire esperimenti preliminari e familiarizzare con gli strumenti esistenti. Per lo sviluppo del progetto, gli/le studenti/esse sono comunque liberi di scegliere il linguaggio di programmazione e gli strumenti che preferiscono. Se necessario, saranno rese disponibili risorse aggiuntive per i progetti (ad esempio articoli, capitoli di libri, estratti di codice, ecc.).
Modalità d'esame
Progetto: I progetti sviluppati (almeno parzialmente) durante i laboratori e finalizzati come compiti a casa possono essere svolti in gruppi di 2-3 studenti/esse. Per ogni progetto, un breve elaborato (massimo 4 pagine, redatto secondo un modello LaTeX IEEE predefinito fornito dal docente) dovrà essere inviato al docente entro una settimana prima dell'esame. Per l'esame, gli/le studenti/esse dovranno inoltre preparare una breve presentazione sul progetto (15 minuti + 5 minuti di domande e risposte) per presentare il proprio lavoro al docente e alla classe. Esame orale: Durante l'esame orale (individuale), verranno discussi gli argomenti teorici (due domande su due argomenti diversi scelti dal docente). Voto finale: Sebbene la presentazione del progetto e l'esame orale possano svolgersi in giorni diversi, si consiglia agli/lle studenti/esse di completare l'esame nella stessa sessione. Il voto finale è ottenuto come media pesata tra il voto dell'esame orale (60%) e il voto dell'elaborato finale (40%), entrambi espressi in trentesimi. Saranno assegnati punti bonus per la partecipazione attiva alle lezioni e ai laboratori.
Testi di riferimento
A.E. Eiben, J.E. Smith, "Introduction to Evolutionary Computing", Springer (capitoli: 1-6, 12, 13)D. Floreano, C. Mattiussi, "Bio-Inspired Artificial Intelligence", MIT Press (capitoli: 1, 3, 6, 7)R. Battiti, M. Brunato, "The LION Way Machine Learning plus Intelligent Optimization", University of Trento (capitoli: 24-26, estratti da capitoli 28, 29, 33, 34) LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Eiben, A. E., & Smith, J. E. (2015). Introduction to evolutionary computing (2nd ed.). Springer. Floreano, D., & Mattiussi, C. (2008). Bio-inspired artificial intelligence : theories, methods and technologies. MIT press. Battiti, R., & Brunato, M. (2015). The LION way : machine learning plus intelligent optimization. LionsLab.
Codice insegnamento 50952_653080_93700
Obiettivi Il Challenge Based Learning (CBL) è un approccio in cui gli studenti sono coinvolti attivamente nell'identificare, analizzare e progettare una soluzione per problemi e questioni reali e attuali. Le sfide…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi Il Challenge Based Learning (CBL) è un approccio in cui gli studenti sono coinvolti attivamente nell'identificare, analizzare e progettare una soluzione per problemi e questioni reali e attuali. Le sfide vengono proposte da aziende biotecnologiche e si basano su problematiche rilevanti per le loro organizzazioni (https://www.soi.unitn.it/challenge-based-learning/). L'esperienza di apprendimento è multidisciplinare e coinvolge team composti da diversi stakeholder, creando una comunità di conoscenza in cui l'università e l'industria biotecnologica collaborano per l'innovazione. Gli studenti, divisi in gruppi, gestiranno il lavoro di squadra e acquisiranno le conoscenze e le competenze necessarie per risolvere la sfida. I docenti guideranno i gruppi e faciliteranno il processo di apprendimento. Risultati di apprendimento Gli studenti saranno in grado di: Analizzare le necessità e le problematiche di un'azienda biotecnologica Valutare le possibili soluzioni a queste problematiche Creare nuove potenziali applicazioni per approcci biotecnologici legati alla sfida Sviluppare, presentare e difendere un business case e una proposta di progetto Acquisire capacità di lavoro di squadra, problem-solving e presentazione
Programma
La sfida sarà organizzata nelle seguenti fasi: LA FASE DI COINVOLGIMENTO Questa fase inizia con la presentazione della sfida da parte delle aziende (con implicazioni biotecnologiche e sociali, economiche o ambientali di ampio respiro). Tutti i partecipanti scelgono il problema da risolvere e concordano sulla sfida finale su cui lavorare. Questa fase comprenderà l'incontro di lancio, la definizione dei team e l'esplorazione dell'azienda. LA FASE DI INDAGINE Questa fase include attività come interviste, sondaggi, lavoro sul campo, simulazioni, esperimenti, progetti, serie di problem solving, ricerca e giochi, e sviluppa conclusioni chiare che porranno le basi per la soluzione. Questa fase includerà il lavoro di gruppo con tutor dedicati incentrato sul background del progetto e sul trasferimento tecnologico in biotecnologia. La fase si concluderà con una presentazione intermedia di 2 soluzioni provvisorie all'azienda, che ne selezionerà la migliore. LA FASE DI AZIONE Questa fase supporta la progettazione e il prototipo della soluzione finale della sfida, a partire dalle conoscenze acquisite e condivise. Questa fase includerà la definizione di un modello di business per la soluzione e il lavoro di gruppo con i tutor. La fase si concluderà con la preparazione della proposta finale di soluzione alla sfida (relazione scritta) e la presentazione/pitch finale agli stakeholder.
Il Challenge-Based Learning è collaborativo e include attività fuori dall’aula e online. Attività in presenza: -Presentazione delle sfide e formazione dei team -Lezioni su project management del trasferimento tecnologico, business planning -Workshop su team building, efficacia del team e risoluzione dei conflitti -Workshop sul pitching -Presentazioni dei risultati parziali e finali agli stakeholder Il corso è erogato in modalità blended per il 25%. In particolare, sono previste attività online, sia sincrone che asincrone, per il lavoro di gruppo. Tali attività online corrispondono a 1.5 CFU, mentre quelle in presenza a 4.5 CFU. Le attività online includono: -Lavoro di gruppo -Lavoro di gruppo con supporto dei docenti -Preparazione del pitch e della proposta finale del progetto da parte del team
Modalità d'esame
Nel Challenge-Based Learning (CBL), il processo di acquisizione delle conoscenze e la soluzione finale proposta dal team (report) vengono valutati con metodi sia quantitativi sia qualitativi. Gli studenti produrranno i seguenti elaborati: una proposta di sfida in gruppo (report scritto finale del team) e una presentazione all’azienda (pitch). Il voto finale sarà basato sulla valutazione di: - Presentazione del team della proposta finale agli stakeholder e sessione di domande e risposte (Q&A) (50%) - Report scritto del team (30%) - Diario delle attività asincrone del team (10%) - Partecipazione attiva individuale (10%) I docenti valuteranno la proposta/report finale del team secondo i seguenti criteri: innovatività dell’idea, fattibilità del piano, chiarezza e qualità del report. Il pitch sarà valutato su: chiarezza, scorrevolezza, capacità persuasiva, validità scientifica/tecnica. La capacità del team di rispondere alle domande di docenti e stakeholder sarà valutata durante la sessione di Q&A successiva al pitch.
Testi di riferimento
Tutti i materiali del corso (slide, video, articoli) saranno disponibili sul sito Moodle del corso. Alcuni materiali di studio saranno specifici per la sfida.
Codice insegnamento 50952_653085_96104
Il corso si prefigge lo scopo di insegnare agli studenti gli eventi ed i meccanismi molecolari ad essi associati responsabili del processo tumorigenico, dalla trasformazione cellulare neoplastica alla resistenza alle…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si prefigge lo scopo di insegnare agli studenti gli eventi ed i meccanismi molecolari ad essi associati responsabili del processo tumorigenico, dalla trasformazione cellulare neoplastica alla resistenza alle terapie convenzionali e di nuova generazione. In particolare, il corso descrive i meccanismi cellulari deputati al controllo della stabilita’ genomica, illustra gli eventi che ne possono alterare il funzionamento discutendo la rilevanza funzionale di tali deregolazioni nei processi di trasformazione oncogenica, mette in luce l’importanza della eterogeneita’ genetica inter- ed intra-tumorale nella risposta alle terapie classiche e nello sviluppo di nuovi farmaci “a bersaglio”.
Programma
- Caratteristiche base del genoma (DNA, cromatina, coding and non-coding, gene desert, ecc.) - Divisione cellular e check points associati - Danno al DNA: cause, meccanismi di risposta e riparo - Micro e macro alterazioni genomiche e loro possibili cause - Alterazioni del genoma mitocondriale nelle cellule tumorali - Eterogeneità intra ed inter tumorale - Interazione fisica e funzionale di distinti sub-cloni tumorali - Ruolo funzionale nel processo tumorigenico di specifiche alterazioni genomiche e genetiche
I metodi didattici si baseranno su 38 ore di lezione frontale durante le quali i vari argomenti del corso saranno presentati e discussi mediante l’utilizzo di presentazioni Power Point. Il corso di Cancer Genomics include 12 ore di laboratorio didattico durante il quale gli studenti saranno impegnati in attivita’ computazionali mirate al consolidamento di alcuni degli argomenti affrontati durante le lezioni. Gli studenti sia durante le lezioni frontali che i laboratori didattici saranno continuamente stimolati a alla discussione scientifica sull’argomento in esame.
Modalità d'esame
La valutazione delle conoscenze/competenze acquisite dagli studenti si basera’ su due elementi: Un esame orale a fine corso. I criteri di valutazione si baseranno su: 1. La padronanza di un linguaggio scientifico appropriato, la quantita’ e qualità delle nozioni acquisite, la capacita’ di sostenere una discussione scientifica combinando varie di tali nozioni.
Testi di riferimento
Lo studio individuale si basera’ sulle slides presentate durante le lezioni ed i relativi articoli scientifici ad esse associati. Il docente sara’ infine disponibile per chiarimenti e approfondimenti previo appuntamento.
Codice insegnamento 51368_658780_92088
Il corso ha l'obiettivo di fornire alla classe elementi di strategia aziendale, gestione dell'innovazione e imprenditorialità utili alla comprensione del processo di creazione e gestione di una startup nei settori…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha l'obiettivo di fornire alla classe elementi di strategia aziendale, gestione dell'innovazione e imprenditorialità utili alla comprensione del processo di creazione e gestione di una startup nei settori biotececnologico e farmaceutico.
Programma
Il corso si articola in 48 ore di lezione, organizzate in 24 sessioni (giovedì 11-30-13.30 e 14.30-16.30). A meno di modifiche al momento non prevedibili, le date delle lezioni saranno: 11 settembre (introduzione al corso)18 settembre (elementi di gestione strategica dell'innovazione)25 settembre (elementi di strategia aziendale)2 ottobre9 ottobre16 ottobre23 ottobre30 ottobre6 novembre13 novembre20 novembre27 novembre (presentazione dei lavori di gruppo) Il corso ospiterà un modulo erogato dal prof. Domenici e uno erogato dal dott.Giacobbe, esperto in materia di diritti intellettuali. Le date verranno annunciate a breve.
Il corso si articola in a) lezioni frontali con l'ausilio di presentazioni in formato digitale e lavagna, b) discussione di case study distribuiti in classe o preventivamente condivisi su Moodle, c) seminari tematici di esperti su temi specifici. In ogni occasione, il docente farà del suo meglio per coinvolgere la classe nell'erogazione della lezione così da promuovere l'apprendimento attivo. Allo stesso tempo, il docente scoraggerà la competizione tra studentesse e studenti per evitare inutili e inappropriate fonti di stress, controproducenti alla promozione del ragionamento critico e della condivisione di opinioni. Alla classe sarà richiesto di leggere e studiare il materiale didattico caricato su Moodle e di lavorare in modo cooperativo e costruttivo nei gruppi che verranno formati dal docente all'inizio del corso. Tali attività, unitamente alla partecipazione alle attività didattiche in presenza, saranno sufficienti per il superamento dell'esame.
Modalità d'esame
La valutazione finale si basa su tre diversi metodi di accertamento: Presenza e partecipazione alle lezioni (10%)Esame scritto (60%)Lavoro di gruppo (30%)La presenza e la partecipazione alle lezioni - a meno che non vi siano particolari impedimenti come, a titolo di esempio, il dover seguire due corsi in contemporanea nello stesso semestre -valuta il grado di coinvolgimento di studentesse e studenti e la loro volontà di contribuire al percorso di formazione con spunti di riflessione, commenti e discussione di temi trattati a lezione. Non è significativo, a tal proposito, essere passivamente presenti in classe. La familiarità con la partecipazione attiva sarà acquisita lezione dopo lezione. L'esame scritto sui temi trattati in classe si compone di tre domande a risposta aperta. Sarà valutata la coerenza della risposta con la domanda, la chiarezza dell'esposzione, l'esattezza, l'approfondimento e l'approccio critico adottato nella formulazione della risposta. L'esame è open book; studentesse e studenti potranno portare con se e consultare appunti e letture consigliate durante il corso. Il lavoro di gruppo prevede la produzione di un podcast che studentesse e studenti faranno ascoltare alla classe e utilizzeranno per generare una discussione sul case study analizzato. Unitamente al podcast, il gruppo potrà consegnare un breve report on informazioni e dati utilizzati nel podcast. Sarà valutata la qualità del podcast (facilità di ascolto e capacità di comunicazione dei contenuti) e l'adeguatezza dei contenuti.
Testi di riferimento
Non ci sono libri testo adottati dal docente. Nel coso del semestre saranno indicati paper, capitoli di libri e case study per integrare o approfondiire il contenuto delle lezioni.
Codice insegnamento 50952_653097_95819
Il corso mira a fornire allo studente gli strumenti, metodologie e tecnologie, necessarie per affrontare con successo e minimo sforzo il problema della costruzione di un Knowledge Graph (KG) Il corso è suddiviso in tre…
Scheda dell'insegnamento
Obiettivi formativi
Il corso mira a fornire allo studente gli strumenti, metodologie e tecnologie, necessarie per affrontare con successo e minimo sforzo il problema della costruzione di un Knowledge Graph (KG) Il corso è suddiviso in tre parti. Una prima parte in cui si descrive lo stato dell'arte nello sviluppo dei knowledge graphs, problematiche, tipologie, linguaggi, standard e tool. Una seconda parte in cui verrà insegnata una metodologia di riferimento per lo sviluppo efficace ed effettivo di knowledge graph. Nella terza parte la metodologia verrà instanziata in un progetto di sviluppo di un knowledge graph.
Programma
Questo corso si focalizza sulla generazione di un Knowledge Graph (KG) partendo da contenuti per lo più esistenti in rete o in dataset non pubblici (possibilmente, anche dati personali opportunamente anonimizzati). Le principali aree coperte sono: un'introduzione estensiva allo stato dell';arte nello sviluppo di KGs, una metodologia generale per la generazione di KG, risorse linguistiche, ontologie e datasets in genere, tools e librerie necessarie per il riuso di risorse esistenti e per lo sviluppo di KGs. Questo è un corso con un forte contenuto hands-on, focalizzato su attività di laboratorio e sperimentazioni. Gli studenti dovranno sviluppare autonomamente le loro soluzioni. Le lezioni teoriche, ivi incluse le slide che verranno rese disponibili, vanno intese come introduttive e propedeutiche all'attività di apprendimento hands-on. Gli studenti sceglieranno (fra quelli disponibili) un problema da risolvere e dovranno generare un KG che lo risolve partendo dalle risorse disponibili, preferibilmente durante il corso. Data la natura del corso, è consigliata un'alta partecipazione e un coinvolgimento attivo degli studenti.
La parte centrale del corso sarà focalizzata sullo sviluppo di software e modelli software. Le tematiche e attività che saranno coperte saranno introdotte incrementalmente, durante tutta la durata del corso, immediatamente precedenti al loro uso. Questo lavoro sarà preceduto da una fase iniziale dove tutti i concetti, nozioni rilevanti verranno introdotti ed esemplificati.
Modalità d'esame
L'esame consisterà nello sviluppo di un knowledge graph e nella sua documentazione tramite metadati e documentazione testuale. Tutti i contenuti saranno pubblicati sul repository del corso e resi disponibili agli studenti degli anni futuri. La prova orale sarà opzionale e focalizzata sulla;eventuale chiarificazione di contenuti non chiari all'interno del sito consegnato come prova d'esame.
Testi di riferimento
Non ci sono testi di riferimento. Durante il corso verranno fornite delle slide che però, a causa della natura applicativa del corso, potranno non essere esaustive. Lo studente, con il supporto del docente, dovrà trovare in rete il materiale necessario. Le slides contengono citazioni al materiale rilevante ritrovabile in rete.
Codice insegnamento 50952_653092_97138
Il corso ha l'obiettivo di fornire una conoscenza degli aspetti teorici e pratici dell'apprendimento automatico, delle tecniche principali di apprendimento e di ragionamento probabilistico. Al termine del percorso, gli…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha l'obiettivo di fornire una conoscenza degli aspetti teorici e pratici dell'apprendimento automatico, delle tecniche principali di apprendimento e di ragionamento probabilistico. Al termine del percorso, gli studenti saranno in grado di: - descrivere le principali tecniche di apprendimento esistenti, le loro caratteristiche e limitazioni - padroneggiare le tecniche di ragionamento probabilistico - modellizzare semplici scenari probabilistici tramite reti Bayesiane - realizzare programmi di apprendimento da esempi che siano adatti alle esigenze dello specifico problema da risolvere
Programma
Introduzione all'apprendimento automatico: aspetti dello sviluppo di un sistema di apprendimento automatico, modalità e tipi di problemi di apprendimento, alberi di decisione, stima con primi vicini. Basi matematiche: algebra lineare, teoria della probabilità, test statistici. Stima dei parametri a massima verosimiglianza e Bayesiana. Modelli grafici probabilistici, inferenza, apprendimento di parametri e struttura. Apprendimento discriminante: funzioni discriminanti lineari, macchine a vettori di supporto, macchine kernel. Reti neurali artificiali: apprendimento di rappresentazione, architetture profonde. Metodi Ensemble. Apprendimento non supervisionato e con rinforzo.
l corso prevede lo svolgimento di lezioni frontali in classe con il supporto di slide (liberamente disponibili sul sito del corso) e lavagna. Verranno inoltre svolte esercitazioni in laboratorio PC su: Reti Bayesiane (Hugin-Lite) Librerie di machine Learning (scikit-learn) Librerie di deep learning (pytorch) Tecniche di reinforcement learning (python notebook) Allo studente verrà richiesto lo studio del materiale presentato a lezione (supportato dai testi di riferimento forniti), e la realizzazione di semplici progetti che richiedono l'utilizzo dei tool software presentati durante le esercitazioni.
Modalità d'esame
Esame orale sui contenuti del corso, volto ad indagare la comprensione delle problematiche e delle soluzioni presentate a lezione.
Testi di riferimento
R.O. Duda, P.E. Hart and D.G. Stork, Pattern Classification (2nd edition), Wiley-Interscience, 2001. D. Koller and N. Friedman, Probabilistic Graphical Models, The MIT Press, 2009 J.Shawe-Taylor and N. Cristianini, Kernel Methods for Pattern Analysis, Cambridge University Press, 2004. I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, The MIT Press, 2016 (online version available here). S. Russell and P. Norvig,Artificial Intelligence: A Modern Approach, 4th Global ed., Pearson, 2021. K. Murphy, Probabilistic Machine Learning: An Introduction, The MIT Press, 2021 (online version available here)
Codice insegnamento 51370_658781_87830
Lo scopo del corso è di fornire conoscenze di Medicinal Chemistry a studenti interessati ad apprendere il ruolo della chimica in applicazioni farmaceutiche. L'insegnamento è pensato per essere interdisciplinare…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è di fornire conoscenze di Medicinal Chemistry a studenti interessati ad apprendere il ruolo della chimica in applicazioni farmaceutiche. L'insegnamento è pensato per essere interdisciplinare (chimica-biologia-biotecnologie-medicina) e centrato sugli aspetti molecolari coinvolti nella sintesi organica e negli studi dei meccanismi di azione e correlazione struttura-attività di farmaci in uso e soprattutto di sostanze biologicamente attive interessanti come potenziali agenti chemioterapici. Al termine del corso lo studente/la studentessa avrà acquisito conoscenze sulla: a) struttura molecolare di principi attivi di origine naturale e sintetica, b) l’ottenimento di loro analoghi con lo scopo di ottenere molecole piu' selettive e potenti, c) le loro interazioni con i target molecolari implicati nelle principali malattie. Nello specifico lo studente/ la studentessa sarà in grado di conoscere le principali classi di molecole biologicamente attive, discutere le fasi di sviluppo di un farmaco e apprendere le nuove tendenze nel settore sia a livello accademico che industriale.
Programma
Una breve storia ed evoluzione della medicinal chemistry. Fasi dello sviluppo di farmaci . Riconoscimento molecolare con recettori biologici e tramite inibizione enzimatica. Design del farmaco basato sulla struttura. Requisiti strutturali per la bioattività: stereochimica, regola di Lipinski, isosteri e bioisosteri, relazione struttura-attività (SAR), Proprietà fisico-chimiche dei farmaci, parametri ADMET e loro predizione, druglikeness. Prodotti naturali e molecole ispirate dalla Natura come farmaci o candidati clinicamente utilizzati. Esempi selezionati di agenti chemioterapici: farmaci antitumorali, antivirali, antimicrobici, antimalarici e nel trattamento delle malattie neurodegenerative. Carrier molecolari. Processi e tecniche moderne nell'industria farmaceutica: chimica combinatoria, biocatalisi, processi enzimatici, ed ecosostenibili.
Lezioni in aula. E’ prevista un’attività di laboratorio, suddivisa in una prima parte pratica e una seconda parte computazionale. Essa comprende la sintesi di una serie di molecole mediante tecniche non convenzionali, la loro purificazione cromatografica e caratterizzazione strutturale mediante analisi NMR. I prodotti ottenuti troveranno impiego nell' interazione con DNA, analizzata mediante misure di dicroismo circolare. La parte computazionale riguardera' l'impiego di software per la predizione dei parametri ADMET e valutare i descrittori di druglikeness. Non è richiesta la consegna di relazioni su queste attivita’. Attivita' di Journal Club, in cui gli studenti/ le studentesse illustreranno gli aspetti descritti in articoli scientifici recenti (selezionati tra quelli indicati dalla docente o proposti dagli stessi studenti in base al loro interesse) focalizzando l'attenzione sugli aspetti discussi nel corso. Tale attività potra' essere svolta a gruppi, illustrata e discussa in presenza, oppure da ogni singolo studente/studentessa al momento dell'esame. La docente è disponibile per ricevimento studenti, su richiesta inoltrata via email; potranno poi essere attivati forum di discussione online.
Modalità d'esame
Esame orale partendo dalla discussione di un argomento a scelta. Per la valutazione finale verrà considerata anche l' attività di Journal club.
Testi di riferimento
Gareth Thomas, Medicinal Chemistry. An Introduction, , John Wiley & Sons, Chichester UK, 2nd ed., 2007. Lemke J.M, Williams D.A, Foye’s Principles of Medicinal Chemistry, Lippincott Williams & Wilkins, Philadelphia USA, 7th ed., 2012. Tutto il materiale relativo alle lezioni e attività laboratoriali sarà disponibile in Moodle. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Thomas G. Medicinal Chemistry : An Introduction. 2nd ed. Wiley; 2007. Lemke TL, Williams DA, Roche VF, Zito SW. Foye’s Principles of Medicinal Chemistry. 9th ed. Wolters Kluwer; 2025.
Codice insegnamento 51368_658774_97073
Essere uno scienziato di successo non significa soltanto ottenere dati eccellenti in laboratorio. È altrettanto importante abilità comunicative nella presentazione di quei dati scientifici per far comprendere a pieno e…
Scheda dell'insegnamento
Obiettivi formativi
Essere uno scienziato di successo non significa soltanto ottenere dati eccellenti in laboratorio. È altrettanto importante abilità comunicative nella presentazione di quei dati scientifici per far comprendere a pieno e in modo semplice la loro importanza. L'obiettivo principale del corso è fornire conoscenze teoriche e pratiche nella presentazione di se stessi come ricercatori e nella comunicazione della propria attività di ricerca, concentrandosi in particolare sulla propria esperienza di laurea magistrale (e in parte anche sul dottorato). L’obiettivo è inoltre quello di acquisire conoscenze fondamentali sulla scrittura della tesi e/o di un articolo scientifico Al termine del corso, gli studenti acquisiranno competenze in: a) Presentare il proprio lavoro di ricerca oralmente e su poster b) Progettazione e stesura della tesi e di articoli scientifici applicando il linguaggio scientifico ed evitando errori comuni c) Comporre un curriculum vitae d) Leggere e interpretare offerte di lavoro disponibili e comporre lettere di candidatura
Programma
1. Progettazione e scrittura scientifica (inclusa la tesi di laurea) 2. Leggere annunci di lavoro e scrivere lettere di candidatura 3. Curriculum vitae 4. Presentazione dei dati/comunicazione scientifica 5. Come comportarsi durante e dopo una presentazione 6. Visualizzazione dei dati 7. Interpretazione dei dati pubblicati e consapevolezza della falsificazione scientifica 8. Come evitare errori comuni L'ordine degli argomenti trattati può variare leggermente durante il semestre.
L'obiettivo principale del corso non è solo quello di essere a conoscenza della teoria alla base degli argomenti, ma anche di trasferire la teoria nella realtà. Pertanto, a lezioni frontali interattive che illustrano il background teorico degli argomenti del corso seguiranno esempi reali. Questi saranno analizzati e valutati in piccoli gruppi di lavoro e successivamente discussi insieme in sessioni di feedback. Gli studenti convertiranno un rapporto sperimentale o protocollo in un manoscritto per la pubblicazione nel rispetto delle regole formali apprese. Questo aiuterà sostanzialmente a assemblare e strutturare i dati della tesi di laurea magistrale/di dottorato. Gli studenti prepareranno inoltre una breve presentazione su un argomento scientifico recente a loro scelta seguendo i criteri illustrati durante il corso. Le presentazioni si terranno in classe, verranno registrate e discusse. Il materiale didattico includerà ppt, video, lavagna, posters, dispense e registrazioni.
Modalità d'esame
Le conoscenze acquisite durante il corso saranno valutate sulla base di una presentazione, che dovrà seguire i criteri definiti appresi nel corso (50% del voto finale) e del protocollo sperimentale, che dovrà essere convertito in un mini-manoscritto (50% del punteggio finale) rispettando i criteri appresi.
Testi di riferimento
Elizabeth Fisher, Richard Thompson; Enjoy Writing your Science Thesis or Dissertation; Imperial College Press (Durante il corso verrà consegnato un quaderno di lavoro) LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Holtom, D., & Fisher, E. (2014). Enjoy writing your science thesis or dissertation : a step by step guide to planning and writing dissertations and theses for undergraduate and graduate science students (2nd ed.). Imperial college press. Fisher, E., & Thompson, R. (2014). Enjoy writing your science thesis or dissertation! : a step-by-step guide to planning and writing a thesis or dissertation for undergraduate and graduate science students (Second edition.). Imperial College Press.
Codice insegnamento 51368_658786_95836
Recensioni del corso
Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.
Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.