Course Syllabus
Obiettivi
Il corso "Data and Computational Biology", per la Laurea Magistrale in Informatica, permetterà agli studenti di acquisire conoscenze relative ad alcune delle più importanti tecniche in uso in Bioinformatica e Biologia Computazionale. Il corso si concentrerà principalmente sugli aspetti di modellazione di sistemi biologici e sull'integrazione di dati sperimentali (espressione genica, proteomica, sequenza). Il corso sarà anche ispirato da alcune delle linee di ricerca presenti nel laboratorio DCB, in particolare la modellazione della progressione dei tumori mediate tecniche di analisi su dati "Single-cells".
Contenuti sintetici
Il programma del corso è suddiviso in tre parti.
- Introduzione a nozioni di Biologia e Modellazione di Reti Biochimiche.
- Modellazione e Simulazione di sistemi Biologici.
- Analisi di dati di fenomeni biomedici, specie in ambito oncologico.
Programma esteso
Il programma del corso qui riportato è indicativo e passivo di variazioni. La lista degli argomenti riportati è molto ampia e non sarà necessariamente svolta completamente, oppure altri argomenti saranno aggiunti durante il corso.
- Rappresentazione di sistemi biologici: modelli e problematiche informatiche.
- Basi di dati di modelli e reti d'interazione regolatoria, metabolica e di comunicazione intra- ed intercellulare (esempio BioModels e KEGG); formati SBML, KGML e CellML.
- Uso di sistemi per la simulazione (discreta, continua e stocastica) di modelli regolatori, metabolici e d'interazione intra- ed intercellulare.
- Algoritmo di Gillespie: potenzialità, limiti e inquadramento con metodi Montecarlo.
- Modelli spazio-temporali: simulazioni in-latticee simulazioni off-lattice.
- Modelli Booleani, loro generazione, interpretazione come "reti di interazione".
- Simulazione multiscala e multicellulare.
- Integrazione di dati di espressione genica, di sequenza e proteomici nei modelli di simulazione mediante analisi e modellazione statistica delle variazioni e delle progressioni dei fenomeni biologici a livello biomolecolare.
- Ricostruzione di ordinamenti temporali di campioni sulla base di misure genomiche.
- Modelli epidemiologici (SIR e derivati)
Prerequisiti
Corsi di base (triennale o magistrale) di Matematica, Probabilità e Statistica e/o Biochimica. Conoscenze di programmazione R, Python et al.
Modalità didattica
Lezioni frontali ed esercitazioni.
A causa del perdurare della crisi COVID-19 le lezioni potranno essere erogate da remoto.
Materiale didattico
Diapositive dell'insegnamento distribuite sulla piattaforma Moodle.
Molti riferimenti bibliografici si trovano all'interno delle diapositive stesse, specie i più recenti.
Alcuni testi utili e suggeriti sono i seguenti. Il primo è molto utile per chi non ha una formazione in biochimica ed in biologia.
- Lawrence E. Hunter, The Processes of Life, An Introduction to Molecular Biology, MIT Press, 2009 (very much recommended for Computer Scientists)
- Keener and Sneyd, Mathematical Physiology (Vol I), Spinger, 2009
- J Marketa Zvelebil and Jeremy O. Baum, Understanding Bioinformatics, Garland Science, 2008
- Weinberg, Biology of Cancer, Garland Science, 2006
- Original papers by Gillespie (1976, 1977, 1994)
- U. Alon, “An Introduction to Systems Biology; Design Principles of Biological Circuits”, Chapman & Hall/CRC, 2007
- J. M. Bower, H. Bolouri (eds.), “Computational Modeling of Genetic and Biochemical Networks”, MIT Press, 2001
- R. Schwartz, “Biological Modeling and Simulation”, MIT Press, 2008
Periodo di erogazione dell'insegnamento
Semestre autunnale.
Modalità di verifica del profitto e valutazione
La verifica del profitto e la valutazione del lavoro svolto dalla studentessa o studente iscritta/o al corso di "Data and Computational Biology" sarà basata sulla partecipazione in classe, sul completamento di compiti in itinere e su una presentazione finale pubblica.
La presentazione finale è una prova orale in cui la studentessa o studente esporrà un approfondimento di uno degli argomenti presentati a lezione. L'approfondimento consisterà in un riassunto conciso e fruibile dai colleghi di articoli e artefatti software che servono ad analizzare dati, simulare modelli o fare inferenze su caratteristiche di interesse del fenomeno biomedico studiato.
Orario di ricevimento
Su appuntamento, in presenza in ufficio o via teleconferenza.
Sustainable Development Goals
Aims
The "Data and Computational Biology" course for the master (laurea) degree will give students the opportunity to acquire knowledge about some of the most important techniques used in the field. The course will primarily focus on biological systems modeling and on the integration of experimental data (gene-expression, proteomics, sequencing). The course will also present some of the current research activities of the DCB lab, with special regard to intestinal crypts modeling and the analysis of tumors based on "Single-cells" analysis techniques.
Contents
The course is composed of three main parts/topics.
- Introduction to Biology and Biochemical Network Modeling
- Modeling and Simulation of Biological systems.
- Data Analysis of biomedical phenomena, with special attention to oncological progression phenomena.
Detailed program
The syllabus listed hereafter may be subject to changes. The topics list is long and may or may not be covered in its completeness; new topics may be added during in the syllabus as needed.
- Representations of biological systems: models and computational issues.
- Model databases and and metabolic, regulatory, and intra- and intercellular signaling networks (e.g., BioModels and KEGG); SBML, KGML and CellML formats.
- Simulation systems for metabolic, regulatory and intra- and intercellular signaling networks.
- Gillespie algorithm and variants: limits and relationship with Montecarlo methods.
- Spatio-temporal models: in-lattice and off-lattice simulations.
- Boolean models, their generation, and their interpretation as "interaction networks".
- Multicellular and multiscale simulation.
- Gene-expression, sequencing and proteomic data integration in simulation frameworks, by means of statistical analysis and modeling of biological phenomena variation and progression at the biomolecular level.
- Temporal ordering reconstruction of samples on the basis of genomic measures.
- Epidemiological models (SIR and derivatives).
Prerequisites
Introductory courses (undegraduate or master level) on Mathematics, Probability and Statistics, and/or Biology and Biochemistry. Some knowledge of R, Python (et al.) programming.
Teaching form
Lecture and recitation sessions.
Because of the ongoing COVID-19 crisis, class meetings may be held online.
Textbook and teaching resource
Lecture slides will be made available on the Moodle platform.
Many bibliographic references can be found within the course slides, especially the most recent ones.
Some useful text are suggested below. The first one is especially recommended for students who do not have a biology and biochemistry background.
- Lawrence E. Hunter, The Processes of Life, An Introduction to Molecular Biology, MIT Press, 2009 (very much recommended for Computer Scientists)
- Keener and Sneyd, Mathematical Physiology (Vol I), Spinger, 2009
- J Marketa Zvelebil and Jeremy O. Baum, Understanding Bioinformatics, Garland Science, 2008
- Weinberg, Biology of Cancer, Garland Science, 2006
- Original papers by Gillespie (1976, 1977, 1994)
- U. Alon, “An Introduction to Systems Biology; Design Principles of Biological Circuits”, Chapman & Hall/CRC, 2007
- J. M. Bower, H. Bolouri (eds.), “Computational Modeling of Genetic and Biochemical Networks”, MIT Press, 2001
- R. Schwartz, “Biological Modeling and Simulation”, MIT Press, 2008
Semester
Fall semester.
Assessment method
The evaluation of a student's work enrolled in the "Data and Computational Biology" course will be based on class participation, the completion of periodic homework assignments and on a final pubic
presentation.
The final presentation is an oral test where the student will describe a deeper analysis of one of the topics covered during the course. The presentation will provide the student's colleagues with a concise and useful summary of papers and software artifacts that can be used to analyze data, simulate models, or make inferences about interesting characteristics of a biomedical phenomenon under study.
Office hours
By appointment, either in-person or via teleconference.
Sustainable Development Goals
Staff
-
Marco Antoniotti
