Acquisire la conoscenza di base dei sistemi biologici e delle problematiche legate alla loro comprensione anche in relazione a deviazioni dal normale funzionamento e quindi all'insorgenza di patologie. Curare l'aspetto modellistico come pure quello della simulazione numerica, soprattutto di problemi formulati mediante equazioni e sistemi discreti. Acquisire la conoscenza dei principali algoritmi bio-informatici utili ad analizzare dati biologici
Curriculum
scheda docente materiale didattico
- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Programma
- Basi di biologia molecolare (acidi nucleici, struttura delle proteine, dogma centrale).- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
Testi Adottati
- Clote P., Backofen, R., Computational Molecular Biology. An Introduction, Wiley Series in Mathematical and Computational Biology, 2000.- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Modalità Erogazione
Lezioni di teoria ed esercitazioni in aula. Le lezioni sono registrate sulla piattaforma Microsoft Teams e fruibili anche a distanza. Le lezioni si svolgono in lingua italiana.Modalità Valutazione
Oltre ad una prova scritta alla fine del corso, è richiesta la preparazione (in gruppi) di un seminario su argomenti attinenti al corso e concordati con il docente. scheda docente materiale didattico
- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Programma
- Basi di biologia molecolare (acidi nucleici, struttura delle proteine, dogma centrale).- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
Testi Adottati
- Clote P., Backofen, R., Computational Molecular Biology. An Introduction, Wiley Series in Mathematical and Computational Biology, 2000.- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Modalità Erogazione
Lezioni di teoria ed esercitazioni in aula. Le lezioni sono registrate sulla piattaforma Microsoft Teams e fruibili anche a distanza. Le lezioni si svolgono in lingua italiana.Modalità Valutazione
Oltre ad una prova scritta alla fine del corso, è richiesta la preparazione (in gruppi) di un seminario su argomenti attinenti al corso e concordati con il docente. scheda docente materiale didattico
- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Programma
- Basi di biologia molecolare (acidi nucleici, struttura delle proteine, dogma centrale).- Richiami di teoria della probabilità (distribuzioni di probabilità, regola di Bayes, random walk).
- Allineamento di sequenze: scoring matrices, allineamento globale e locale (metodi di programmazione dinamica, algoritmo BLAST).
- Alberi filogenetici: metodi basati sulle distanze (alberi ultrametrici e additivi), metodi probabilistici (massima verosimiglianza, metodi bayesiani).
- Genetica della popolazioni: legge di Hardy-Weinberg, deriva genetica, selezione naturale.
- Reti booleane: cenni sulla regolazione genica, reti booleane asincrone, attrattori e cicli attrattivi, cicli positivi e negativi.
Testi Adottati
- Clote P., Backofen, R., Computational Molecular Biology. An Introduction, Wiley Series in Mathematical and Computational Biology, 2000.- Allman E. S., Rhodes J. A., Mathematical Models in Biology. An Introduction, Cambridge University Press, 2004.
- Citterich M. H., Ferr ́e F., Pavesi G., Romualdi C., Pesole G., Fon- damenti di bioinformatica, Biologia Zanichelli, 2018.
- Gillespie, J., Population Genetics: a Coincise Guide, Johns Hopkins University Press, 2004.
-R uet P., Local cycles and dynamical properties of Boolean networks, Mathematical Structures in Computer Science, Volume 26, Issue 4, May 2016, pp. 702 - 718.
Modalità Erogazione
Lezioni di teoria ed esercitazioni in aula. Le lezioni sono registrate sulla piattaforma Microsoft Teams e fruibili anche a distanza. Le lezioni si svolgono in lingua italiana.Modalità Valutazione
Oltre ad una prova scritta alla fine del corso, è richiesta la preparazione (in gruppi) di un seminario su argomenti attinenti al corso e concordati con il docente.