Course Syllabus
Obiettivi formativi
L'obiettivo principale consiste nel fornire una introduzione ai dati di natura biologica, alle tecniche algoritmiche di analisi e alle tecniche di simulazione.
Tutti gli argomenti vengono illustrati usando il linguaggio Python.
Conoscenza e comprensione
Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente a:
- Notebook Jupyter
- Gestione di dati in formato tabellare tramite la libreria Pandas
- Gestione di dati biologici tramite la libreria Biopython
- Formati di file in bioinformatica (FASTA, GTF)
Capacità di applicare conoscenza e comprensione
Alla fine dell'insegnamento gli studenti saranno in grado di:
- Scrivere programmi in Python per la gestione e l'analisi di dati biologici
Contenuti sintetici
Introduzione a Python
Introduzione a Pandas
Biopython
Numpy e Matplotlib
Introduzione alla systems biology
Programma esteso
Introduzione a Python: sintassi, liste. array, dizionari. Notebook. Moduli e librerie
Numpy
Introduzione a Python: lettura file, espressioni regolari
Introduzione a Pandas: DataFrame e lettura csv
Pandas: funzioni di riepilogo, gestione tabelle
Biopython
Dal rilevatore alla stringa
Matplotlib
Introduzione alla systems biology
Modellazione stocastica e deterministica
Importanza dei parametri e Ottimizzazione combinatoria
Constraint based modeling
Prerequisiti
Nessuno
Metodi didattici
Lezioni frontali in laboratorio, attività di laboratorio.
Modalità di verifica dell'apprendimento
Prova orale che consiste nella discussione di un progetto che può essere svolto in piccoli gruppi. La modalità d'esame non cambia durante l'emergenza.
La realizzazione del progetto permette di verificare se gli studenti sono stati in grado di trasformare le conoscenze apprese nel corso in competenze.
La valutazione è basata sulla capacità di realizzare le analisi richieste con un codice che sia corretto, semplice e manutenibile.
Non sono previste prove in itinere. La modalità di esame è la stessa per tutti gli studenti.
Periodo di erogazione dell'insegnamento
II Semestre, III ciclo
Lingua di insegnamento
Italiano
Sustainable Development Goals
Learning objectives
The principal aim of this course is to give a gentle introduction to biological data, to relative algorithmic analyses and simulation techniques.
Knowledge and understanding
All the arguments will be approached exploiting the Python programming language.
This course will give knowledge and understanding on:
- Jupyter Notebook
- Managing tabular data with the Pandas library
- Managing tabular data with the Biopython library
- File formats used in bioinformatics (FASTA, GTF)
Ability to apply knowledge and understanding
At the end of the course the students will be able to:
- Write Python program to manage and analyze biological data
Contents
Introduction to Python
Introduction to Pandas
Biopython
Numpy e Matplotlib
Introduction to systems biology
Detailed program
Introduction to Python: syntax, lists, array, dictionaries; notebook; Libraries and modules
Introduction to Numpy
Introduction to Python: accessing files, regular expressions
Introduction to Pandas: DataFrames and importing csv files
Pandas: summary functions, tables management
Biopython
From sensor to strings
Matplotlib
Introduction to systems biology
Stochastic and deterministic modelling
Relevance of parameters and combinatorial optimization
Constraint based modeling
Prerequisites
None
Teaching methods
Frontal lectures, activities in computer science lab.
Assessment methods
Oral exam consisting of a personal project discussion. The project can be realised in small groups. This will not change during the emergency,
The project allows to assess if the students have been able to transform the knowledge acquired during the course into skills.
The evaluation takes into account the ability to implement the analyses according to criterions of correctness, simplicity and maintainability.
There are no in-progress partial exams. The assessment method is the same for all students.
Semester
II Semester, III cycle
Teaching language
italian
Sustainable Development Goals
Staff
-
Dario Pescini
