Corso di laurea

Medical bioinformatics

Università degli Studi di Verona · 23 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

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

Biomedicine and bioinformatics databases 1° anno · 12 CFU · INFO-01/A · 0 file

Conoscenza e capacità di comprensione: Scopo dell'insegnamento è quello di fornire allo studente la conoscenza e comprensione delle basi teoriche, metodologiche e tecnologiche dei sistemi di basi di dati e del loro uso…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione: Scopo dell'insegnamento è quello di fornire allo studente la conoscenza e comprensione delle basi teoriche, metodologiche e tecnologiche dei sistemi di basi di dati e del loro uso per la gestione di dati e informazioni biomediche/bioinformatiche. Conoscenze applicate e capacità di comprensione: Lo studente sarà dunque in grado di a) definire in un modello formale la struttura e le proprietà di collezioni di dati complessi; b) specificare una interrogazione su dati complessi in un linguaggio di interrogazione formale; c) comprendere le esigenze di gestione dell'informazione biomedica. Autonomia di giudizio: In fase di progettazione di un sistema, capacità di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico. Abilità comunicative: Lo studente sarà, inoltre, in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico. Capacità di apprendere: Capacità di apprendere nuove metodologie e tecnologie per la gestione dei dati e applicarle nell'ambito biomedico/bioinformatico.

Programma

** Fundamentals of database systems - Il modello relazionale: calcolo relazionale, dipendenze funzionali, forme normali e decomposizioni. - Progettazione concettuale dei dati. - Basi di dati ad oggetti e "object-relational": modellazione dei dati ed interrogazione in SQL 3, modellazione concettuale e traduzione di schemi in SQL 3. - Esercitazioni su SQL 3 in postgreSQL ** Biomedical and bioinformatics data management - Cartelle Cliniche e sistemi di gestione di cartelle cliniche - Interrogazione di dati biomedici semistrutturati - Tecniche di recupero dell'informazione e LLM

Modalità d'esame

  • Fundamentals of database systems Teoria L'esame di questa parte prevede una prova scritta di circa 1,5 ore contenente: (i) alcuni esercizi sulla specifica di interrogazioni e progettazione di basi di dati utilizzando i diversi modelli previsti nel programma e (ii) domande aperte sulla teoria. ** Biomedical and bioinformatics data management La verifica del profitto avviene mediante una prova orale, nella quale vengono proposte sia domande sulle parti più teoriche sia brevi esercizi sugli aspetti più applicativi.
    Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Codice insegnamento 4S004549

Epidemiological methods and biostatistics 1° anno · 6 CFU · MEDS-24/A · 0 file

Il corso mira a fornire agli studenti gli strumenti teorici e pratici per valutare la frequenza delle malattie nelle popolazioni umane e i fattori di rischio associati, ovvero competenze nell'ambito dell'epidemiologia,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire agli studenti gli strumenti teorici e pratici per valutare la frequenza delle malattie nelle popolazioni umane e i fattori di rischio associati, ovvero competenze nell'ambito dell'epidemiologia, della biostatistica e dell'informatica applicata all'analisi di dati biomedici. Conoscenza e capacità di comprensione: conoscenze e competenze riguardanti i principali disegni di uno studio epidemiologico, i metodi statistici per l'analisi di dati biomedici e la sintassi di programmazione di un software statistico (STATA/R). Conoscenze applicate e capacità di comprensione: a) conoscere le tecniche statistiche utilizzate per l'analisi di dati biomedici; b) effettuare l'analisi dati utilizzando un software statistico (STATA/R); c) interpretare i risultati ottenuti. Autonomia di giudizio: capacità di scegliere i metodi statistici appropriati in relazione alla tipologia dei dati e al disegno dello studio. Abilità comunicative: capacità di comunicare in modo chiaro e sintetico i risultati di un'analisi di dati biomedici. Capacità di apprendere: capacità di applicare in modo autonomo le metodologie statistiche ed epidemiologiche apprese nel corso a diversi problemi biomedici.

Programma

1. Introduzione all'epidemiologia - Definizione e caratteristiche principali - La classificazione tradizionale dell'epidemiologia 2. Misure di occorrenza - Outcome - Prevalenza - Incidenza cumulativa - Tasso di incidenza 3. Misure di associazione e di impatto sulla salute pubblica - Determinanti - Associazioni epidemiologiche - Rischio attribuibile (AR) e AR% - Rischio relativo (RR) e odds ratio (OR) - Modificazione della misura dell'effetto 4. Studi epidemiologici - Studi ecologici - Studi trasversali - Studi di coorte - Studi caso-controllo - Studi sperimentali 5. Interpretazione causale di un'associazione empirica - Associazioni statistiche vs. associazioni causali - Modelli causali in epidemiologia - Validità di uno studio (errore casuale, bias, confondimento) - Tipi di bias - Metodi per controllare il confondimento - Criteri positivi di Hill per la causalità 6. Principi dell'inferenza statistica - Stima puntuale e distribuzione campionaria - Intervallo di confidenza - Test di ipotesi - Test di significatività statistica 7. Analisi stratificata - Modificazione della misura dell'effetto vs. confondimento - Stime strato-specifiche - Test dell'omogeneità - Stima pooled - Test per l’ipotesi nulla di assenza di effetto strato-specifico 8. Modelli statistici di base per la ricerca epidemiologica - Modello di regressione lineare - Modello di regressione logistica 9. Metodi statistici per l'analisi di sopravvivenza - Stimatore non parametrico di Kaplan-Meier - Test log-rank - Modello di regressione di Cox

Modalità d'esame

L'accertamento dei risultati di apprendimento prevede una prova scritta in laboratorio di informatica (durata della prova: 2 ore), uguale per gli studenti frequentanti e non frequentanti e per gli studenti Erasmus. La prova riguarda potenzialmente tutti gli argomenti oggetto del programma. L'obiettivo della prova è di verificare la capacità di risolvere un problema biomedico analizzando dati sanitari mediante il software statistico STATA. In alternativa, gli studenti possono utilizzare il software statistico R. I comandi, i risultati e l'interpretazione dell'analisi sono riportati per iscritto nell'elaborato. Inoltre, gli studenti devono rispondere ad alcune domande per accertare la comprensione della teoria.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009837

Fundamental algorithms for bioinformatics 1° anno · 12 CFU · INFO-01/A · 0 file

Il corso permetterà agli studenti di acquisire un bagaglio di strumenti analitici avanzati alla base delle soluzioni algoritmiche di problemi fondamentali in bioinformatica. Conoscenza e capacità di comprensione…

Scheda dell'insegnamento

Obiettivi formativi

Il corso permetterà agli studenti di acquisire un bagaglio di strumenti analitici avanzati alla base delle soluzioni algoritmiche di problemi fondamentali in bioinformatica. Conoscenza e capacità di comprensione Fornire le conoscenze e le competenze necessarie per l'analisi e la progettazione di soluzioni algoritmiche a problemi fondamentali in bioinformatica. Conoscenze applicate e capacità di comprensione Capacità di progettare soluzioni algoritmiche per problemi tipici di bionformatica e biologia computazionale, quali l'analisi di sequenze omiche. Autonomia di giudizio Capacità di individuare le componenti strutturali critiche e quindi gli approcci più idonei nel trattamento di problemi complessi di bioinformatica. Abilità comunicative Capacità di descrivere con l'adeguata precisione e chiarezza un problema bioinformatico, la sua modellizzazione e la soluzione associata sia ad interlocutori esperti che in contesti meno specialistici e multidisciplinari. Capacità di apprendere Capacità di ampliare le proprie conoscenze in ambito bioinformatico anche in maniera autonoma, utilizzando le nozioni apprese per leggere comprendere ed eventualmente rielaborare autonomamente articoli e testi scientifici di livello avanzato.

Programma

------------------------ UL: Bioinformatics algorithms ------------------------ 1. Confronto di coppie di sequenze: (i) Allineamento di coppie di sequenze (globale, locale); (ii) varianti: allineamento ottimale in spazio lineare, allineamento semiglobale, affine gap penalties; (iii) allineamento di coppie di sequenze in pratica: dotplot, BLAST, matrici di punteggio 2. Misure di distanza tra sequenze biologiche: (i) edit distance, (ii) LCS-distance, (iii) q-gram distance. 3. Grafi de Bruijn: (i) grafi de Bruijn e sequenze de Bruijn; (ii) assembly mediante grafi de Bruijn 4. Allineamento di sequenze multiple: (i) Soluzione esatta DP; (ii) approssimazioni, euristiche 5. Riconstruzione filogenetica: (i) dati di tipo distanza: alberi ultrametrici e UPGMA; (ii) dati di tipo distanza: alberi additivi e Neighbor Joining; (iii) dati di tipo carattere: Filogenetica perfetta (PP); (iv) dati di tipo carattere: Small Parsimony (Fitch' algorithm); (v) dati di tipo carattere: euristiche per Large Parsimony ------------------------ UL: Algorithm design ------------------------ 1. Concetti di base di analisi degli algoritmi e complessità: ricapitolazione di algoritmi per la visita di grafi; problemi di cammini minimi; alberi minimi ricoprenti; elementi di teoria della complessità computazionale e NP-completezza. 2. Modelli di Genome Rearrangement: (i) algoritmi di approssimazione per modelli basati su inversioni (permutazioni senza segno); (ii) il modello DCJ; (iii) algoritmi di approssimazione per la "Synteny Distance". 3. Modelli per DNA assembly: (i) Il problema della superstringa più corta (SCS), relazioni con il problema del max-cost TSP, approssimazione della massimia compressione mediante matching pesato in grafi bipartiti; (ii) algoritmi efficienti per costruire cicli e cammini Euleriani. 4. Introduzione di strutture dati per sequenze genomiche: (i) cenni di suffix tree e suffix array, (ii) qualche applicazione.

Modalità d'esame

------------------------ UL: Bioinformatics algorithms ------------------------ Per il superamento dell'esame è necessario sostenere una prova scritta. Se si consegue un risultato superiore a 25 nella prova scritta è necessario sostenere un colloquio orale. La prova scritta include domande teoriche (problemi visti a lezione; analisi di algoritmi visti a lezione; proprietà matematiche di tali problemi e algoritmi; quali algoritmi esistono per un dato problema, etc), ed applicazione di algoritmi a problemi concreti (calcolo di un allineamento mediante l'algoritmo DP, etc). Nel colloquio orale, gli studenti dovranno anche dettagliare le soluzioni presentate nella prova scritta, e dimostrare padronanza delle conoscenze acquisite. Il voto finale per l'intero esame di "Fundamental Algorithms for Bioinformatics" è dato dalla media aritmetica dei voti conseguiti nei due moduli. Gli studenti del Masters in Molecular e medical biotechnology sostengono una prova con quesiti differenti. Non sono previsti esami diversi per studenti frequentanti e no. ------------------------ UL: Algorithm design ------------------------ Per il superamento dell'esame è necessario sostenere una prova scritta con quesiti aperti e/o a risposta multipla. Tali esercizi verificano le conoscenze relative all'analisi di algoritmi e alle soluzioni di problemi classici analizzati durante il corso e la capacità dello studente di modellare un nuovo problema e progettare e descrivere una soluzione algoritmica. Se si consegue un risultato superiore a 25 nella prova scritta è necessario sostenere un colloquio orale.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S004550

Human genomics and epigenomics 1° anno · 6 CFU · BIOS-14/A · 0 file

Il corso si propone di fornire le basi del genoma e dell’epigenoma umano. Il corso affronta le metodologie di sequenziamento degli acidi nucleici, il progetto genoma umano, le differenze genetiche fra gli individui ed il…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire le basi del genoma e dell’epigenoma umano. Il corso affronta le metodologie di sequenziamento degli acidi nucleici, il progetto genoma umano, le differenze genetiche fra gli individui ed il progetto pangenoma, i meccanismi epigenetici che governano l’identità cellulare. Conoscenza e capacità di comprensione. Al termine dell’insegnamento lo studente dovrà dimostrare di aver acquisito le conoscenze e le competenze relative alle tecniche di sequenziamento del DNA, alle caratteristiche generali del genoma umano ed al profondo significato funzionale dell’epigenoma. Conoscenze applicate e capacità di comprensione. a) Tecnologie di sequenziamento del DNA b) Annotazione strutturale e funzionale del genoma umano c) I meccanismi epigenetici e la regolazione dell’accesso del DNA dei diversi tipi cellulari. Autonomia di giudizio. Alla fine del corso lo studente dovrà dimostrare di essere in grado di valutare: a) le problematiche legate al sequenziamento del genoma, b) le problematiche legate all’analisi dei dati di sequenziamento, c) le metodologie di analisi dell’epigenoma. Abilità comunicative. Lo studente dovrà dimostrare di essere in grado di saper comunicare in modo adeguato il sequenziamento e l’analisi del genoma e dell’epigenoma umano in ambito clinico. Capacità di apprendere. Lo studente dovrà dimostrare di essere in grado di comprendere l’analisi genomica ed epigenomica. Sarà inoltre in grado di proseguire gli studi in modo autonomo nell'ambito della bioinformatica applicata alla genomica clinica.

Programma

GENOMICS AND EPIGENOMICS TECHNOLOGIES • Overview of Technical Aspects and Chemistries of DNA and RNA sequencing technologies • Whole genome sequencing, whole exome secquencing, panels • RNA Sequencing and Methylome Analysis • Emerging technologies THE HUMAN GENOME (articles, Genome 4) The human genome sequencing consortium project • CG content and CpG islands • Repetitive sequences in the human genome • Segmental duplications • Gene content The human genome sequencing project by Celera • Shot gun sequencing and hybrid assembly • Gene prediction and annotation • SNPs in the human genome The ENCODE project • Transcribed and protein-coding regions (GENCODE) • Open chromatin • Histone mark enrichment • Transcription factor binding • Gene expression • Transcription start site (TSS) activity profiles • RNA binding protein occupancy • DNA methylation • Three dimensional chromatin interactions • Topologically associating domains (TADs) THE HUMAN EPIGENOME (articles, Epigenetics) • Epigenetics and epigenomics • DNA packaging and chromatin modification • DNA methylation • Histone modification • Chromosome territories and transcriptional factories • Topologically Associated Domains (TADs) and insulators • The epigenetic basis of gene imprinting • Epigenetic control of cellular differentiation • Reprogramming the epigenome BIOINFORMATICS FOR CLINICAL GENOMICS (BOOK) Primary analysis of sequencing data • Base Calling • Read Mapping • Coverage Analysis • De duplication , recalibration , clipping Variant calling • Detection of Single Nucleotide Variant • Detection of Insertions and Deletions (Indels) • Detection of Translocations • Detection of Copy Number Variants Variant analysis • Variants Annotation • Variants Interpretation • Variants Prioritization

Modalità d'esame

Written, open questions
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009835

Information processes and systems for clinical lab 1° anno · 6 CFU · BIOS-09/A · 0 file

Il corso si propone di fornire le basi teoriche della progettazione e utilizzo dei sistemi informativi applicati ai Servizi di Medicina di Laboratorio. In particolare, conoscenza degli Esami di Medicina di Laboratorio,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire le basi teoriche della progettazione e utilizzo dei sistemi informativi applicati ai Servizi di Medicina di Laboratorio. In particolare, conoscenza degli Esami di Medicina di Laboratorio, delle Metodologie Analitiche di maggior utilizzo, delle modalità di Interfacciamento Strumentale fra i diversi Analizzatori automatici, Tecniche di Analisi di Biochimica clinica, Progettazione e Sviluppo di Sistema Gestionale Informatico di Medicina di Laboratorio Laboratory Information System). Conoscenze di Biochimica clinica, campione biologico, Intervalli di Riferimento, limiti decisionali. Conoscenza delle principali aree della Medicina di Laboratorio ( Chimica clinica, Ematologia e coagulazione, Protidologia, Chimica clinica speciale, Biologia molecolare clinica, Spettrometria di massa in ambito clinico. Conoscenza e capacità di comprensione Fornire le conoscenze e le competenze riguardanti gli aspetti organizzativi e gestionali, necessarie per la gestione di sistemi informativi in ambito della Medicina di laboratorio, considerando anche aspetti legati alle diverse metodologie analitiche e comprensione dei diversi materiali biologici, tipologie di Analisi Biochimiche. Conoscenze applicate e capacità di comprensione Progettare e utilizzare un gestionale di Medicina di Laboratorio; b) modellare e analizzare un processo organizzativo in Biochimica clinica. Autonomia di giudizio In fase di progettazione di un sistema Informatico di Medicina di Laboratorio, capacità di fare le scelte progettuali più approapriate a seconda dei requisiti di sistema richiesti dai Servizi di Medicina di Laboratorio. Abilità comunicative Capacità di comprendere i requisiti di sistema Informatico gestionale di Medicina di Laboratorio e comunicare in modo opportuno con le parti interessate allo sviluppo e all'uso del sistema informativo applicato alla Biochimica clinica. Capacità di apprendere Capacità di applicare le metodologie introdotte ad ambiti diversi e proseguire gli studi in modo autonomo nell'ambito dei sistemi informativi applicati alla Medicina di Laboratorio.

Programma

Il corso si propone di fornire le basi teoriche della progettazione e utilizzo dei sistemi informativi applicati ai Servizi di Medicina di Laboratorio. In particolare, conoscenza degli Esami di Medicina di Laboratorio, delle Metodologie Analitiche di maggior utilizzo, delle modalità di Interfacciamento Strumentale fra i diversi Analizzatori automatici, Tecniche di Analisi di Biochimica clinica, Progettazione e Sviluppo di Sistema Gestionale Informatico di Medicina di Laboratorio Laboratory Information System). Conoscenze di Biochimica clinica, campione biologico, Intervalli di Riferimento, limiti decisionali. Conoscenza delle principali aree della Medicina di Laboratorio ( Chimica clinica, Ematologia e coagulazione, Protidologia, Chimica clinica speciale, Biologia molecolare clinica, Spettrometria di massa in ambito clinico. Conoscenza e capacità di comprensione Fornire le conoscenze e le competenze riguardanti gli aspetti organizzativi e gestionali, necessarie per la gestione di sistemi informativi in ambito della Medicina di laboratorio, considerando anche aspetti legati alle diverse metodologie analitiche e comprensione dei diversi materiali biologici, tipologie di Analisi Biochimiche. Conoscenze applicate e capacità di comprensione Progettare e utilizzare un gestionale di Medicina di Laboratorio; b) modellare e analizzare un processo organizzativo in Biochimica clinica. Autonomia di giudizio In fase di progettazione di un sistema Informatico di Medicina di Laboratorio, capacità di fare le scelte progettuali più approapriate a seconda dei requisiti di sistema richiesti dai Servizi di Medicina di Laboratorio. Abilità comunicative Capacità di comprendere i requisiti di sistema Informatico gestionale di Medicina di Laboratorio e comunicare in modo opportuno con le parti interessate allo sviluppo e all'uso del sistema informativo applicato alla Biochimica clinica. Capacità di apprendere Capacità di applicare le metodologie introdotte ad ambiti diversi e proseguire gli studi in modo autonomo nell'ambito dei sistemi informativi applicati alla Medicina di Laboratorio.

Codice insegnamento 4S004561

Machine learning for biological structures and networks 1° anno · 6 CFU · IINF-05/A · 0 file

Il corso si propone fornire i fondamenti teorici e applicativi della Pattern Recognition e del Machine Learning per l'analisi di dati biologici dotati di struttura complessa (come grafi, reti, sequenze, stringhe). In…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone fornire i fondamenti teorici e applicativi della Pattern Recognition e del Machine Learning per l'analisi di dati biologici dotati di struttura complessa (come grafi, reti, sequenze, stringhe). In particolare verranno presentate e discusse le principali tecniche computazionali per l'analisi di dati strutturati, con particolare attenzione alla rappresentazione, agli approcci generativi e agli approcci discriminativi. Conoscenza e capacità di comprensione Al termine dell'insegnamento lo studente dovrà dimostrare di saper applicare su dati reali le metodologie per il riconoscimento di modelli dei dati complessi attraverso tecniche la costruzione di un sistema di Pattern Recognition/Machine Learning. Conoscenze applicate e capacità di comprensione a) Rappresentazione di dati biologici con struttura complessa b) Classificazione di dati biologici con struttura complessa c) Clustering di dati biologici con struttura complessa Autonomia di giudizio In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico e di individuare le criticità per il trattamento di problemi complessi di bioinformatica. Abilità comunicative Alla fine del corso lo studente dovrà dimostrare di essere in grado di relazionarsi con i colleghi nello svolgimento di lavori in gruppo. Capacità di apprendere Alla fine del corso lo studente dovrà dimostrare di essere in grado di apprendere nuove metodologie per la soluzione di problemi bioinformatici e clinici e applicarli in modo autonomo. In particolare dovrà dimostrare di essere in grado di analizzare un problema biologico che coinvolge dati con una struttura complessa utilizzando il punto di vista della Pattern Recognition/Machine Learning; avrà inoltre le conoscenze necessarie per poter ideare, sviluppare e implementare le diverse componenti di un sistema di Pattern Recognition/Machine Learning per l'analisi di dati biologici strutturati. Sarà inoltre in grado di proseguire gli studi in modo autonomo nell'ambito della Pattern Recognition/Machine Learning.

Programma

CAPITOLO 1. Basi di PR/ML e Introduzione ai dati strutturati. CAPITOLO 2. Rappresentazione per dati strutturati - Approcci Bag of Words - Approcci di rappresentazione basati sulla dissimilarità - Riduzione della dimensionalità - Rappresentazione con le reti Neurali CAPITOLO 3. Modelli per dati strutturati - Introduzione ai modelli grafici probabilistici - Reti di Bayes - Inferenza e Addestramento CAPITOLO 4. Kernels per dati strutturati CAPITOLO 5. Paradigmi di learning avanzati Completa il corso una parte di laboratorio, nella quale verranno implementati alcuni degli algoritmi visti nella parte di teoria.

Modalità d'esame

Per superare l'esame gli studenti dovranno dimostrare di: - essere in grado di descrivere i diversi componenti di un sistema di Pattern Recognition per dati strutturati in modo preciso, organico e senza divagazioni - saper analizzare, capire e descrivere un sistema di Pattern Recognition (o una sua parte) relativo ad un problema di tipo biologico che coinvolge dati strutturati L'esame consiste in: i) una prova scritta contenente domande a risposta aperta sugli argomenti trattati nel corso e un esercizio di comprensione del codice per la parte di laboratorio ii) una presentazione orale di un articolo scientifico pubblicato in importanti riviste di settore su un tema specifico deciso durante il corso. L'articolo viene scelto dal candidato e approvato dal docente del corso Le due parti dell'esame sono superabili separatamente e il voto complessivo è dato dalla somma delle valutazioni in 15esimi ottenute nelle due parti. Ogni parte si ritiene superata con un voto maggiore o uguale a 9. L’esame si ritiene superato se sono superate entrambe le parti. Il risultato di ognuna delle due parti rimane valido per l’intero anno accademico in corso.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009831

Medical genetics 1° anno · 6 CFU · BIOS-10/A · 0 file

Il corso introduce i principali concetti di genetica umana e medica integrandoli con gli strumenti dell’informatica e della bioinformatica applicata. Saranno presentati i meccanismi della trasmissione dei caratteri…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce i principali concetti di genetica umana e medica integrandoli con gli strumenti dell’informatica e della bioinformatica applicata. Saranno presentati i meccanismi della trasmissione dei caratteri ereditari e dell’origine della variabilità genetica, collegandoli in modo esplicito alle strategie computazionali e statistiche per l’analisi di individui, famiglie e popolazioni. Una parte centrale dell’insegnamento è dedicata all’uso pratico di strumenti bioinformatici, linguaggi di programmazione e pipeline di analisi per la gestione, l’annotazione, l’interpretazione e la visualizzazione di dati genomici relativi a malattie mendeliane, multifattoriali e tumorali. Verrà posta particolare attenzione alla scelta consapevole dei metodi di genetica computazionale, alla valutazione critica dei risultati ottenuti e alla loro discussione in contesti di ricerca interdisciplinare. L’obiettivo è fornire allo studente una base solida per affrontare in modo autonomo l’evoluzione rapida delle metodologie bioinformatiche, rendendolo in grado di contribuire all’analisi e all’interpretazione di dati genetici e genomici in ambito di ricerca.

Programma

Il corso introduce i principali concetti di genetica umana e medica integrandoli con gli strumenti dell’informatica e della bioinformatica applicata. Saranno presentati i meccanismi della trasmissione dei caratteri ereditari e dell’origine della variabilità genetica, collegandoli in modo esplicito alle strategie computazionali e statistiche per l’analisi di individui, famiglie e popolazioni. Una parte centrale dell’insegnamento è dedicata all’uso pratico di strumenti bioinformatici, linguaggi di programmazione e pipeline di analisi per la gestione, l’annotazione, l’interpretazione e la visualizzazione di dati genomici relativi a malattie mendeliane, multifattoriali e tumorali. Verrà posta particolare attenzione alla scelta consapevole dei metodi di genetica computazionale, alla valutazione critica dei risultati ottenuti e alla loro discussione in contesti di ricerca interdisciplinare. L’obiettivo è fornire allo studente una base solida per affrontare in modo autonomo l’evoluzione rapida delle metodologie bioinformatiche, rendendolo in grado di contribuire all’analisi e all’interpretazione di dati genetici e genomici in ambito di ricerca.

Codice insegnamento 4S004560

Medical imaging techniques: principles and applications 1° anno · 6 CFU · PHYS-06/A · 0 file

Il corso si propone di fornire agli studenti le basi per la comprensione della costruzione delle immagini biomediche nelle moderne tecniche di imaging medico. Conoscenza e capacità di comprensione. Al termine del…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti le basi per la comprensione della costruzione delle immagini biomediche nelle moderne tecniche di imaging medico. Conoscenza e capacità di comprensione. Al termine del corso, lo studente dovrà dimostrare di poter descrivere i principi fisici alla base delle moderne tecniche diagnostiche (ultrasuoni, raggi-X, medicina nucleare, tomografia a risonanza magnetica e imaging ottico). Conoscenze applicate e capacità di comprensione. In particolare, alla fine del corso lo studente dovrà dimostrare di aver compreso i principi alla base della qualità delle immagini e del contrasto, della risoluzione spaziale e temporale e di avere una buona conoscenza delle applicazioni cliniche e biologiche dei diversi metodi. Autonomia di giudizio. Lo studente dovrà inoltre dimostrare di essere in grado di progettare ed eseguire un semplice progetto volto ad acquisire dati con un vero sistema di acquisizione, ad esempio un tomografo a risonanza magnetica, di ricostruire le immagini a partire dai dati grezzi ottenuti e di visualizzare correttamente le immagini risultanti. Abilità comunicative. Lo studente dovrà mostrare di essere in grado di presentare in maniera appropriata le conoscenze apprese durante il corso in modo tale che persone qualificate nel campo possano comprendere. Capacità di apprendere. Lo studente avrà le basi sufficienti per essere in grado in maniera autonoma di leggere e comprendere lavori scientifici nel campo, ed esporre i principali risultati.

Programma

Teoria - Imaging ad ultrasuoni Onde meccaniche ed elettromagnetiche. Onde meccaniche: onde sonore, intensità, impedenza, effetto Doppler. Ultrasuoni (US. Produzione e rilevamento di US: materiali piezoelettrici, trasduttori. Velocità di propagazione. Interazione dell'US con la materia: riflessione, rifrazione, dispersione. Attenuazione degli ultrasuoni. Il dB. Schema a blocchi di un sistema ecografico. Proprietà del fascio di ultrasuoni. Risoluzione spaziale. Funzionamento in modalità A e modalità B. Uso diagnostico dell'effetto Doppler. Agenti di contrasto per gli US. Applicazioni avanzate. - Imaging a raggi X Onde elettromagnetiche, spettro em. Produzione di raggi X. Spettro dei raggi X, effetto Bremsstrahlung, spettro continuo e spettro caratteristico. Interazione radiazione-materia: scattering Rayleigh, scattering Compton, effetto fotoelettrico, produzione di coppie. Attenuazione dei raggi X. Coefficiente di attenuazione lineare dei tessuti biologici. Formazione dell'immagine radiologica. Contrasto. Ricostruzione tomografica (ricostruzione in retroproiezione). Macchine per tomografia computerizzata (TC) di 1a, 2a, 3a generazione. Macchine di 4a generazione e tomografia computerizzata spirale (TC spirale). Schema a blocchi di apparecchiature CT. Il rivelatore di raggi X: lastre fotografiche, camere di ionizzazione, scintillatori, fotomoltiplicatori. Agenti di contrasto per l'imaging a raggi X. Applicazioni avanzate. - Medicina nucleare Introduzione alla fisica del nucleo. Proprietà del nucleo. Atomi stabili e radioattivi. Decadimento radioattivo. Decadimento alfa. Beta-decadimento. Radiofarmaci. G-Camera, collimatori. SPECT e PET. Schema a blocchi dell'apparato sperimentale. Applicazioni. -Risonanza magnetica Spin e magnetismo nucleare. Risonanza magnetica nucleare. Livelli energetici di un sistema di spin in un campo magnetico e transizioni. La popolazione dei livelli di energia. Vettore di magnetizzazione ed equazioni di Bloch. Moto di precessione della magnetizzazione. Sistema di riferimento rotante. Rilassamento T1 e T2. L'effetto di un impulso a radiofrequenza sulla magnetizzazione: rotazione della magnetizzazione. Impulsi hard e soft. Decadimento a induzione libera. Spin-eco. L'introduzione del gradiente per ottenere informazioni spaziali. Le sequenze di imaging. Schema a blocchi di un tomografo a risonanza magnetica. Tecniche di diffusione pesata: la sequenza di Stejskal e Tanner. Imaging del tensore di diffusione. Agenti di contrasto nella risonanza magnetica. Perfusion Imaging con contrasto intrinseco ed esogeno. Applicazioni. -Imaging ottico Propagazione della luce nei tessuti biologici: assorbimento e scattering. Legge di Lambert-Beer. Coefficiente di assorbimento. Caratteristiche ottiche dei tessuti biologici. La finestra della trasparenza dei tessuti. Scattering elastico nell'approssimazione di Rayleigh e Mie. Emissione di fluorescenza e bioluminescenza. Laboratorio Saranno previste sessioni di laboratorio guidate per mettere in pratica in prima persona alcune delle tecniche introdotte nella teoria.

Modalità d'esame

Agli studenti sara' chiesto di leggere, comprendere ed esporre oralmente un articolo scientifico e le tecniche di imaging in esso utilizzate.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Codice insegnamento 4S009836

Molecular biology 1° anno · 6 CFU · BIOS-08/A · 0 file

Il presente corso si propone di fornire agli studenti le conoscenze di base dei meccanismi molecolari inerenti la trasmissione, la variazione e l’espressione dell’informazione genetica. Riguardo le conoscenze applicate e…

Scheda dell'insegnamento

Obiettivi formativi

Il presente corso si propone di fornire agli studenti le conoscenze di base dei meccanismi molecolari inerenti la trasmissione, la variazione e l’espressione dell’informazione genetica. Riguardo le conoscenze applicate e la capacità di comprensione, alla fine del corso gli studenti avranno acquisito le nozioni fondamentali per la comprensione dei meccanismi molecolari del funzionamento cellulare in organismi procariotici ed eucariotici. Per quanto concerne l'autonomia di giudizio lo studente acquisirà la capacità di valutare in autonomia i meccanismi molecolari del funzionamento cellulare e le loro implicazioni in campo biomedico e bioinformatico. Circa le abilità comunicative lo studente sarà in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico, relazionarsi con i colleghi nello svolgimento di lavori in gruppo, e relazionarsi con gli interlocutori nell'ambiente lavorativo o di ricerca. Inoltre lo studente acquisirà la capacità di comprendere la letteratura scientifica inerente la Biologia molecolare e di svolgere lavori di approfondimento individuale e di gruppo sugli argomenti correlati.

Programma

  • L’informazione genetica e le molecole informazionali Introduzione generale e cenni storici. La struttura chimica del DNA e dell’RNA. La struttura fisica del DNA. Proprietà chimico-fisiche del DNA. - DNA, RNA e struttura dei geni La definizione di gene. Regioni codificanti e regolative. Dai geni alle proteine; RNA messaggero, RNA transfer e RNA ribosomiale. - Organizzazione ed evoluzione dei genomi Contenuto di DNA e numero di geni. Mutazioni, riarrangiamenti del DNA ed evoluzione dei genomi. I genomi degli organelli. I geni interrotti; gli introni. Il cDNA. Famiglie geniche e duplicazione. DNA ripetitivo. - Elementi trasponibili Meccansimi di trasposizione e controllo della trasposizione. Retrovirus e retrotrasposoni. Trasposoni. - Cromatina e cromosomi I nucleosomi; istoni e loro modificazioni. Livelli superiori di organizzazione della cromatina. Eterocromatina ed eucromatina. I cromosomi eucariotici, i telomeri e i centromeri. - Replicazione del DNA Le DNA polimerasi. Attività di proofreading delle DNA polimerasi. Il meccanismo di replicazione nei batteri e negli eucarioti. - Introni e RNA splicing Caratteristiche degli introni spliceosomali. Lo spliceosoma e il meccanismo di splicing. Splicing alternativo e trans-splicing. Altri tipi di introni: introni del gruppo I e II e gli introni dei tRNA. Movimento degli introni. RNA editing. Ribozimi e riboswitch. - Mutazione e riparazione del DNA Mutazioni spontanee e mutazioni causate da agenti mutageni fisici e chimici. Sistemi di riparazione pre-replicativi e post-replicativi. Ricombinazione nelle cellule del sistema immunitario. Cenni sulla ricombinazione omologa. - Regolazione dell’espressione genica 1 Promotori batterici. L’operone. Attivatori, repressori, coattivatori. Trasduzione di segnali e sistemi di regolazione a due componenti. Promotori eucariotici. Attivatori, repressori, coattivatori. Espressione genica e modificazioni della cromatina. Meccanismi epigenetici. - Gli RNA e la trascrizione I diversi tipi di RNA: sintesi e maturazione. RNA polimerasi batterica. I fattori sigma. Le RNA polimerasi eucariotiche. mRNA eucariotici: capping, poliadenilazione , trasporto nel citoplasma. Il processo di trascrizione nei batteri e negli eucarioti. - Traduzione I ribosomi. Struttura e funzione del tRNA. Sintesi degli aminoacil-tRNA. Inizio della traduzione nei batteri e negli eucarioti. Sintesi della catena polipeptidica e terminazione della traduzione. Regolazione della traduzione. - Localizzazione delle proteine.

Modalità d'esame

Esame orale. La prova d'esame verterà su due domande riguardanti qualunque argomento sviluppato durante il corso e si intenderà superato per risposta positiva ad entrambe.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S004558

Programming for bioinformatics 1° anno · 12 CFU · INFO-01/A · 0 file

Il corso ha l’obiettivo di fornire gli strumenti di programmazione necessari per l’analisi di dati genomici, trascrittomici e proteomici provenienti dalle tecnologie di ultima generazione. Conoscenza e capacità di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di fornire gli strumenti di programmazione necessari per l’analisi di dati genomici, trascrittomici e proteomici provenienti dalle tecnologie di ultima generazione. Conoscenza e capacità di comprensione L'insegnamento ha l'obiettivo di fornire allo studente la conoscenza e comprensione dei paradigmi e strumenti di programmazione avanzata per la gestione di dati e informazioni biomediche/bioinformatiche. Conoscenze applicate e capacità di comprensione Lo studente sarà dunque in grado di a) applicare i paradigmi e strumenti di programmazione avanzata per l’analisi di dati genomici, trascrittomici e proteomici; b) applicare l'analisi delle prestazioni del codice e individuazione di criticità e loro ottimizzazione. Autonomia di giudizio Capacità di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico; capacità di individuare le criticità per il trattamento di problemi complessi di bioinformatica. Abilità comunicative Lo studente sarà, inoltre, in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico, relazionarsi con i colleghi nello svolgimento di lavori in gruppo, e relazionarsi con gli interlocutori nell'ambiente lavorativo o di ricerca. Capacità di apprendere Capacità di comprendere la letteratura scientifica nel processo di interpretazione dei risultati o soluzione proposta, e di svolgere lavori di approfondimento individuale e di gruppo volti ad affrontare problemi dal mondo della ricerca e aziendale.

Programma

Programma del Corso 2026-2027 1. Basi di programmazione in R • Variabili, operatori e tipi di dato. • Strutture di controllo. • Strutture dati. • Lettura e scrittura di file. • Definizione e uso di funzioni. 2. Introduzione a Bioconductor • Installazione e gestione dei pacchetti Bioconductor. • Concetti fondamentali per l’analisi di dati omici. • Strutture dati. • Importazione, esplorazione e manipolazione di dati genomici e trascrittomici. 3. Analisi trascrittomica bulk RNA-seq • Tecnologie NGS e principi di progettazione sperimentale. • Organizzazione dei dati e metadati sperimentali. • Controllo di qualità dei dati. • Preprocessing: dal FASTQ alla matrice di conteggi. • Normalizzazione dei dati di espressione. • Analisi differenziale di espressione genica. • Visualizzazione dei risultati. • Annotazione e Interpretazione biologica dei geni differenzialmente espressi. 4. Analisi trascrittomica single-cell RNA-seq • Introduzione alle tecnologie single-cell. • Struttura dei dati single-cell. • Controllo di qualità delle cellule e dei geni. • Normalizzazione e selezione dei geni variabili. • Riduzione della dimensionalità. • Clustering cellulare. • Identificazione di marker genes. • Annotazione dei tipi cellulari. • Analisi di traiettorie e pseudotime e cell-cell commmunication. 5. Progetti pratici in classe • Analisi guidata di un dataset bulk RNA-seq e single-cell RNA-seq. • Definizione della domanda biologica. • Preparazione dei dati e controllo di qualità. • Analisi statistica e visualizzazione dei risultati. • Interpretazione biologica. • Presentazione finale dei risultati. 6. Argomenti avanzati per approfondimento scientifico Presentazione e discussione di tematiche avanzate e di frontiera nell'ambito della bioinformatica, della genomica computazionale e dell'analisi di dati omici, con approfondimenti su metodologie innovative e recenti sviluppi della ricerca scientifica.

Modalità d'esame

L’esame consiste nello sviluppo su carta e/o al pc di esercizi e di domande teoriche. Il voto è espresso in trentesimi.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Codice insegnamento 4S009830

Systems biology 1° anno · 6 CFU · MEDS-02/A · 0 file
Biomedical decision support systems 2° anno · 6 CFU · INFO-01/A · 0 file

Il corso si pone l'obiettivo di dotare gli studenti delle competenze necessarie per gestire e ottimizzare l'uso dei dati in ambiti diversi, che vanno dal machine learning al data mining, dall'analisi dei dati fino…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si pone l'obiettivo di dotare gli studenti delle competenze necessarie per gestire e ottimizzare l'uso dei dati in ambiti diversi, che vanno dal machine learning al data mining, dall'analisi dei dati fino all'applicazione pratica in contesti aziendali o industriali. Saranno trattati argomenti cruciali quali la trasformazione e la profilazione dei dati, al fine di assicurare che questi siano adeguatamente preparati per essere utilizzati in task data-driven. Inoltre, il corso si concentrerà sull'insegnamento delle metodologie più efficaci per valutare la qualità dei risultati ottenuti, considerando aspetti come la confidenza nel risultato, la robustezza (rispetto al rumore o a dati assenti), l'interpretabilità del metodo e la capacità di spiegare la risposta. Gli studenti impareranno a confrontare le diverse tecniche disponibili per la risoluzione di problemi specifici in maniera critica seguendo tale analisi multidimensionale.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Biomedical decision support systems (attivo nel 2026/2027)

Programma

Il corso si pone l'obiettivo di dotare gli studenti delle competenze necessarie per gestire e ottimizzare l'uso dei dati in ambiti diversi, che vanno dal machine learning al data mining, dall'analisi dei dati fino all'applicazione pratica in contesti aziendali o industriali. Saranno trattati argomenti cruciali quali la trasformazione e la profilazione dei dati, al fine di assicurare che questi siano adeguatamente preparati per essere utilizzati in task data-driven. Inoltre, il corso si concentrerà sull'insegnamento delle metodologie più efficaci per valutare la qualità dei risultati ottenuti, considerando aspetti come la confidenza nel risultato, la robustezza (rispetto al rumore o a dati assenti), l'interpretabilità del metodo e la capacità di spiegare la risposta. Gli studenti impareranno a confrontare le diverse tecniche disponibili per la risoluzione di problemi specifici in maniera critica seguendo tale analisi multidimensionale.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Biomedical decision support systems (attivo nel 2026/2027)

Codice insegnamento 4S004553

Biomedical image processing 2° anno · 6 CFU · INFO-01/A · 0 file

Il corso si propone di fornire le basi teoriche e gli strumenti principali per l’elaborazione di immagini biomedicali e l’estrazione di informazioni che possano servire da supporto al processo diagnostico. Conoscenza e…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire le basi teoriche e gli strumenti principali per l’elaborazione di immagini biomedicali e l’estrazione di informazioni che possano servire da supporto al processo diagnostico. Conoscenza e capacità di comprensione. Al termine dell’insegnamento lo studente dovrà dimostrare di avere acquisito le conoscenze e le competenze necessarie per affrontare efficacemente i problemi principali che si possono verificare nell’intera pipeline di analisi, dall’acquisizione del dato grezzo alla corretta interpretazione delle informazioni estratte. Conoscenze applicate e capacità di comprensione. In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di: a) aprire, manipolare e processare i dati multidimensionali acquisiti con le principali tecniche diagnostiche (raggi X, risonanza magnetica, medicina nucleare e ultrasuoni); b) valutare pregi, difetti e campi di applicabilità di ciascuna modalità; c) interpretare correttamente il contenuto di tali immagini e saperlo collegare alle proprietà fisiche e biologiche del tessuto/organo sotto esame. Autonomia di giudizio. Lo studente sarà in grado di progettare una pipeline di analisi per l’estrazione da immagini biomediche di informazioni utili al processo diagnostico, riuscendo a fare scelte implementative adeguate a seconda della tipologia del dato da analizzare. Abilità comunicative. Alla fine del corso lo studente dovrà dimostrare di essere altresì in grado di interagire efficacemente ed in modo opportuno con tutte le parti interessate (fisici, ingegneri, medici) che sono coinvolte nella progettazione e conduzione di studi clinici basati su tecniche di imaging. Capacità di apprendere. Lo studente avrà inoltre le basi sufficienti per essere in grado di approfondire in modo autonomo la conoscenza di tecniche di analisi più complesse ed estendere le metodologie introdotte a contesti applicativi differenti.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Biomedical image processing (attivo nel 2026/2027)

Programma

Il corso si propone di fornire le basi teoriche e gli strumenti principali per l’elaborazione di immagini biomedicali e l’estrazione di informazioni che possano servire da supporto al processo diagnostico. Conoscenza e capacità di comprensione. Al termine dell’insegnamento lo studente dovrà dimostrare di avere acquisito le conoscenze e le competenze necessarie per affrontare efficacemente i problemi principali che si possono verificare nell’intera pipeline di analisi, dall’acquisizione del dato grezzo alla corretta interpretazione delle informazioni estratte. Conoscenze applicate e capacità di comprensione. In particolare, alla fine del corso lo studente dovrà dimostrare di essere in grado di: a) aprire, manipolare e processare i dati multidimensionali acquisiti con le principali tecniche diagnostiche (raggi X, risonanza magnetica, medicina nucleare e ultrasuoni); b) valutare pregi, difetti e campi di applicabilità di ciascuna modalità; c) interpretare correttamente il contenuto di tali immagini e saperlo collegare alle proprietà fisiche e biologiche del tessuto/organo sotto esame. Autonomia di giudizio. Lo studente sarà in grado di progettare una pipeline di analisi per l’estrazione da immagini biomediche di informazioni utili al processo diagnostico, riuscendo a fare scelte implementative adeguate a seconda della tipologia del dato da analizzare. Abilità comunicative. Alla fine del corso lo studente dovrà dimostrare di essere altresì in grado di interagire efficacemente ed in modo opportuno con tutte le parti interessate (fisici, ingegneri, medici) che sono coinvolte nella progettazione e conduzione di studi clinici basati su tecniche di imaging. Capacità di apprendere. Lo studente avrà inoltre le basi sufficienti per essere in grado di approfondire in modo autonomo la conoscenza di tecniche di analisi più complesse ed estendere le metodologie introdotte a contesti applicativi differenti.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Biomedical image processing (attivo nel 2026/2027)

Codice insegnamento 4S004554

Computational analysis of genome-scale sequences 2° anno · 6 CFU · INFO-01/A · 0 file

Il corso mira a far conoscere agli studenti le principali strutture dati avanzati per l'analisi di sequenze genomiche ed in generale di dati testuali. Conoscenza e capacità di comprensione: Fornire le conoscenze e le…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a far conoscere agli studenti le principali strutture dati avanzati per l'analisi di sequenze genomiche ed in generale di dati testuali. Conoscenza e capacità di comprensione: Fornire le conoscenze e le competenze necessarie per la comprensione dei parametri fondamentali nel campo di algoritmi su sequenze, delle soluzioni a problemi tipici di analisi di dati genomici usando diverse strutture dati avanzati su sequenze, insieme all'analisi dei costi computazionali (spazio e tempo) di tali soluzioni. Conoscenze applicate e capacità di comprensione: Al termine del corso lo studente dovrà dimostrare di saper tradurre tipici problemi di analisi di sequenze genomiche in problemi e algoritmi su indici testuali e valutarne il costo computazionale. Autonomia di giudizio: Al termine del corso lo studente dovrà dimostrare di saper giudicare se un algoritmo o una struttura dati per un dato problema su sequenze genomiche sono adatti o meno, incluso la valutazione del costo computazionale. Abilità comunicative: Alla fine del corso lo studente sarà in grado di formalizzare correttamente degli algoritmi su sequenze con o senza l'uso delle strutture dati avanzate. Capacità di apprendere: Alla fine del corso lo studente sarà in grado di leggere e comprendere autonomamente articoli scientifici e testi specialistici che utilizzano strutture dati avanzate per l'analisi di dati testuali.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Computational analysis of genome-scale sequences (attivo nel 2026/2027)

Programma

Il corso mira a far conoscere agli studenti le principali strutture dati avanzati per l'analisi di sequenze genomiche ed in generale di dati testuali. Conoscenza e capacità di comprensione: Fornire le conoscenze e le competenze necessarie per la comprensione dei parametri fondamentali nel campo di algoritmi su sequenze, delle soluzioni a problemi tipici di analisi di dati genomici usando diverse strutture dati avanzati su sequenze, insieme all'analisi dei costi computazionali (spazio e tempo) di tali soluzioni. Conoscenze applicate e capacità di comprensione: Al termine del corso lo studente dovrà dimostrare di saper tradurre tipici problemi di analisi di sequenze genomiche in problemi e algoritmi su indici testuali e valutarne il costo computazionale. Autonomia di giudizio: Al termine del corso lo studente dovrà dimostrare di saper giudicare se un algoritmo o una struttura dati per un dato problema su sequenze genomiche sono adatti o meno, incluso la valutazione del costo computazionale. Abilità comunicative: Alla fine del corso lo studente sarà in grado di formalizzare correttamente degli algoritmi su sequenze con o senza l'uso delle strutture dati avanzate. Capacità di apprendere: Alla fine del corso lo studente sarà in grado di leggere e comprendere autonomamente articoli scientifici e testi specialistici che utilizzano strutture dati avanzate per l'analisi di dati testuali.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Computational analysis of genome-scale sequences (attivo nel 2026/2027)

Codice insegnamento 4S009834

Final exam 2° anno · 24 CFU · 0 file
Further linguistic skills (English C1 suggested) 2° anno · 3 CFU · 0 file
Healthcare information systems 2° anno · 6 CFU · INFO-01/A · 0 file

Il corso si propone di fornire i concetti di base dei sistemi informativi per problemi e applicazioni legate alla medicina. Conoscenza e capacità di comprensione Scopo dell’insegnamento è quello di introdurre lo studente…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire i concetti di base dei sistemi informativi per problemi e applicazioni legate alla medicina. Conoscenza e capacità di comprensione Scopo dell’insegnamento è quello di introdurre lo studente ai temi principali dei sistemi informativi clinici e sanitari, con una particolare enfasi sulla gestione delle informazioni cliniche temporali. Conoscenze applicate e capacità di comprensione Gli studenti avranno dunque alla fine del corso tutte le conoscenze richieste rispetto ai temi trattati e le capacità per applicare tali conoscenze in contesti clinici e sanitari di interesse. Autonomia di giudizio In fase di progettazione di un sistema, capacità di e di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico. Abilità comunicative Lo studente sarà, inoltre, in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico. Capacità di apprendere Capacità di gestire tutte le innovazioni scientifiche, metodologiche e tecniche inerenti i sistemi informativi sanitari.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Healthcare information systems (attivo nel 2026/2027)

Programma

Il corso si propone di fornire i concetti di base dei sistemi informativi per problemi e applicazioni legate alla medicina. Conoscenza e capacità di comprensione Scopo dell’insegnamento è quello di introdurre lo studente ai temi principali dei sistemi informativi clinici e sanitari, con una particolare enfasi sulla gestione delle informazioni cliniche temporali. Conoscenze applicate e capacità di comprensione Gli studenti avranno dunque alla fine del corso tutte le conoscenze richieste rispetto ai temi trattati e le capacità per applicare tali conoscenze in contesti clinici e sanitari di interesse. Autonomia di giudizio In fase di progettazione di un sistema, capacità di e di proporre in modo autonomo soluzioni efficaci ed efficienti per il dominio applicativo biomedico e bioinformatico. Abilità comunicative Lo studente sarà, inoltre, in grado di interagire con interlocutori vari in un ambito multidisciplinare biomedico e bioinformatico. Capacità di apprendere Capacità di gestire tutte le innovazioni scientifiche, metodologiche e tecniche inerenti i sistemi informativi sanitari.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Healthcare information systems (attivo nel 2026/2027)

Codice insegnamento 4S004552

Multi-omics single-cell analysis 2° anno · 6 CFU · INFO-01/A · 0 file

La medicina personalizzata si basa sulla capacità di integrare dati biologici eterogenei in un modello coerente dell’individuo. Questo corso introduce framework computazionali basati sulla network science, includendo…

Scheda dell'insegnamento

Obiettivi formativi

La medicina personalizzata si basa sulla capacità di integrare dati biologici eterogenei in un modello coerente dell’individuo. Questo corso introduce framework computazionali basati sulla network science, includendo reti a singolo livello e multilivello, nonché rappresentazioni del genoma basate su grafi, per catturare la complessità della variabilità personale e pangenomica. Il corso è guidato da applicazioni del mondo reale, tra cui la stratificazione e la predizione nei pazienti, strategie di genome editing e la progettazione di terapie personalizzate. È concepito come un programma avanzato, che affronta temi all’avanguardia all’interfaccia tra biologia computazionale e medicina. Le studentesse e gli studenti avranno l’opportunità di interagire con ricercatori internazionali di primo piano e di accedere a opportunità di tirocinio, che consentiranno loro di lavorare su dataset reali e di progredire dall’analisi dei dati allo sviluppo di modelli computazionali avanzati.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Multi-omics single-cell analysis (attivo nel 2026/2027)

Programma

La medicina personalizzata si basa sulla capacità di integrare dati biologici eterogenei in un modello coerente dell’individuo. Questo corso introduce framework computazionali basati sulla network science, includendo reti a singolo livello e multilivello, nonché rappresentazioni del genoma basate su grafi, per catturare la complessità della variabilità personale e pangenomica. Il corso è guidato da applicazioni del mondo reale, tra cui la stratificazione e la predizione nei pazienti, strategie di genome editing e la progettazione di terapie personalizzate. È concepito come un programma avanzato, che affronta temi all’avanguardia all’interfaccia tra biologia computazionale e medicina. Le studentesse e gli studenti avranno l’opportunità di interagire con ricercatori internazionali di primo piano e di accedere a opportunità di tirocinio, che consentiranno loro di lavorare su dataset reali e di progredire dall’analisi dei dati allo sviluppo di modelli computazionali avanzati.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Multi-omics single-cell analysis (attivo nel 2026/2027)

Codice insegnamento 4S009832

Natural computing 2° anno · 6 CFU · IINF-05/A · 0 file

Il corso ha l'obbiettivo di fornire conoscenze su alcuni modelli di calcolo naturale, intesi come processi computazionali osservati in natura o ispirati dalla natura, a partire da una trattazione breve e avanzata di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l'obbiettivo di fornire conoscenze su alcuni modelli di calcolo naturale, intesi come processi computazionali osservati in natura o ispirati dalla natura, a partire da una trattazione breve e avanzata di modelli di calcolo tradizionale, quali linguaggi formali e automi. Verranno presentati vari modelli di calcolo biologico, tra cui il calcolo biomolecolare, metabolico, e tramite sistemi a membrana, con richiami a metodi di analisi dell'informazione genomica. Al termine dell'insegnamento gli studenti avranno approfondito ed esteso la propria conoscenza sulle dinamiche biologiche e sulla nozione di calcolo; avranno sviluppato la capacità di riconoscere, identificare, e manipolare un processo informativo in sistemi di calcolo non convenzionali, come quelli biologici. Nello specifico, dimostreranno di essere in grado di: a) riconoscere e modellare i processi computazionali presenti nei sistemi naturali, b) progettare algoritmi biomolecolari (in particolare basati su sequenze DNA) per risolvere problemi computazionali, c) calcolare distribuzioni e indici statistici su genomi reali, d) analizzare reti biologiche, sia come strutture statiche che dinamiche. Relativamente all'autonomia di giudizio maturata alla fine del corso, la studentessa o lo studente avrà sviluppato una competenza algoritmica avanzata, che si estende al mondo naturale, e in particolare molecolare, e possibilmente messo in pratica le proprie capacità di sviluppare software per applicare i metodi appresi all'analisi sistemi biologici specifici. In termini di abilità comunicative, gli studenti saranno in grado di comprendere e comunicare con un linguaggio appropriato gli argomenti illustrati durante l'insegnamento. Verranno affinatate le capacità di apprendere nuove metodologie e applicarle ad ambiti diversi, al punto da poter proseguire gli studi in modo autonomo nell'ambito del calcolo non convenzionale.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Natural computing (attivo nel 2026/2027)

Programma

Il corso ha l'obbiettivo di fornire conoscenze su alcuni modelli di calcolo naturale, intesi come processi computazionali osservati in natura o ispirati dalla natura, a partire da una trattazione breve e avanzata di modelli di calcolo tradizionale, quali linguaggi formali e automi. Verranno presentati vari modelli di calcolo biologico, tra cui il calcolo biomolecolare, metabolico, e tramite sistemi a membrana, con richiami a metodi di analisi dell'informazione genomica. Al termine dell'insegnamento gli studenti avranno approfondito ed esteso la propria conoscenza sulle dinamiche biologiche e sulla nozione di calcolo; avranno sviluppato la capacità di riconoscere, identificare, e manipolare un processo informativo in sistemi di calcolo non convenzionali, come quelli biologici. Nello specifico, dimostreranno di essere in grado di: a) riconoscere e modellare i processi computazionali presenti nei sistemi naturali, b) progettare algoritmi biomolecolari (in particolare basati su sequenze DNA) per risolvere problemi computazionali, c) calcolare distribuzioni e indici statistici su genomi reali, d) analizzare reti biologiche, sia come strutture statiche che dinamiche. Relativamente all'autonomia di giudizio maturata alla fine del corso, la studentessa o lo studente avrà sviluppato una competenza algoritmica avanzata, che si estende al mondo naturale, e in particolare molecolare, e possibilmente messo in pratica le proprie capacità di sviluppare software per applicare i metodi appresi all'analisi sistemi biologici specifici. In termini di abilità comunicative, gli studenti saranno in grado di comprendere e comunicare con un linguaggio appropriato gli argomenti illustrati durante l'insegnamento. Verranno affinatate le capacità di apprendere nuove metodologie e applicarle ad ambiti diversi, al punto da poter proseguire gli studi in modo autonomo nell'ambito del calcolo non convenzionale.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Natural computing (attivo nel 2026/2027)

Codice insegnamento 4S004557

Parallel programming 2° anno · 6 CFU · IINF-05/A · 0 file

Il corso si propone di fornire conoscenze teoriche e pratiche per la programmazione e l'analisi di architetture di calcolo avanzate con particolare enfasi alle piattaforme multiprocessore e GPU. Conoscenza e capacità…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire conoscenze teoriche e pratiche per la programmazione e l'analisi di architetture di calcolo avanzate con particolare enfasi alle piattaforme multiprocessore e GPU. Conoscenza e capacità di comprensione Capacità di applicare le conoscenze necessarie per individuare tecniche di parallelizzazione di applicazioni Software, anche in un contesto di ricerca, attraverso l'analisi dell'efficienza delle applicazioni considerando vincoli funzionali e non funzionali di progettazione (correttezza, performance, consumo energetico). Conoscenze applicate e capacità di comprensione Analisi delle performance e profiling del codice, con individuazione zone critiche e relativa ottimizzazione considerando caratteristiche architetturali della piattaforma. Autonomia di giudizio Capacità di confrontare pattern di parallelismo diversi e scegliere tra questi il piu adeguato a seconda del contesto d'uso. In fase di definizione della struttura del codice ottimizzato, capacità di fare le scelte progettuali più appropriate a seconda del contesto e piattaforma in cui l'applicazione parallela verrà usata. Abilità comunicative Lo studente sarà, inoltre, in grado di relazionarsi con gli interlocutori nell'ambiente lavorativo o di ricerca. Capacità di apprendere Capacità di proseguire gli studi in modo autonomo nell’ambito dei linguaggi di programmazione paralleli e dello sviluppo di software per piattaforme embedded e/o parallele.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Parallel programming (attivo nel 2026/2027)

Programma

Il corso si propone di fornire conoscenze teoriche e pratiche per la programmazione e l'analisi di architetture di calcolo avanzate con particolare enfasi alle piattaforme multiprocessore e GPU. Conoscenza e capacità di comprensione Capacità di applicare le conoscenze necessarie per individuare tecniche di parallelizzazione di applicazioni Software, anche in un contesto di ricerca, attraverso l'analisi dell'efficienza delle applicazioni considerando vincoli funzionali e non funzionali di progettazione (correttezza, performance, consumo energetico). Conoscenze applicate e capacità di comprensione Analisi delle performance e profiling del codice, con individuazione zone critiche e relativa ottimizzazione considerando caratteristiche architetturali della piattaforma. Autonomia di giudizio Capacità di confrontare pattern di parallelismo diversi e scegliere tra questi il piu adeguato a seconda del contesto d'uso. In fase di definizione della struttura del codice ottimizzato, capacità di fare le scelte progettuali più appropriate a seconda del contesto e piattaforma in cui l'applicazione parallela verrà usata. Abilità comunicative Lo studente sarà, inoltre, in grado di relazionarsi con gli interlocutori nell'ambiente lavorativo o di ricerca. Capacità di apprendere Capacità di proseguire gli studi in modo autonomo nell’ambito dei linguaggi di programmazione paralleli e dello sviluppo di software per piattaforme embedded e/o parallele.
Offerta formativa 2026/2027 ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato. Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: Parallel programming (attivo nel 2026/2027)

Codice insegnamento 4S009833

Stages 2° anno · 3 CFU · 0 file
Further linguistic skills (C1 english suggested) 3 CFU · 0 file
Medical imaging techniques: principles and applicationsNon erogato 6 CFU · FIS/07 · 0 file

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.