Fino a pochi anni fa, il collo di bottiglia per le analisi quantitative in Biologia era la generazione del dato, oggigiorno è l'estrazione della conoscienza biologica da grandi dataset. In particolare, l'avvento delle tecnologie Next Generation Sequencing (NGS) ha permesso ai ricercatori di osservare le variazioni a diverse scale biologiche, come le variazioni sull'intero genome, l'espressione dei singoli geni e l'abbondanze di piccoli frammenti di RNA, le modifiche epigenetiche, i motivi per il protein binding o le variazioni di conformazione nei cromosomi. Il tutto in maniera efficente e economicamente accessibile.

Fenomeni biologici, come malattie che affliggono l'uomo o altre caratteristiche di animali o piante descrivibili in maniera quantitativa, per essere compresi richiedono un enorme e variegato quantitativo di dati provenienti da studi complessi. Questi dati vengono organizzati e stoccati in banche dati pubbliche come la International Nucleotide Sequence Database Collaboration (INSDC), il database primario al mondo per le informazioni sulle sequenze biologiche.

Obiettivo principale di questo corso è quello di portare lo studente a comprendere la strutture dei dati biologici presenti in queste banche dati. Allo studente verrà richiesto di integrare queste informazioni molecolari con altre sorgenti di dati. Si esploreranno anche i limiti legati alla disponibilità ed all'integrità dei dati molecolari.

I due moduli sono fortemente integrati in tutta la fruizione del corso. Sia le lezioni che le esercitazioni verranno svolte in compresenza dei docenti. L'esame sarà contestuale per i due moduli e verrà svolto tramite un progetto basato sull'integrazione del contenuto dei due moduli.