Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
BIOTECNOLOGIE
Insegnamento
INFORMATICA E BIOINFORMATICA
SCP3058337, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
BIOTECNOLOGIE
IF1839, ordinamento 2011/12, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 7.0
Tipo di valutazione Voto
Denominazione inglese INFORMATICS AND BIOINFORMATICS PRACTICAL
Sito della struttura didattica https://biotecnologie.biologia.unipd.it/lt-biotecnologie/
Dipartimento di riferimento Dipartimento di Biologia
Obbligo di frequenza
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile FRANCESCO FILIPPINI BIO/11

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCP3056703 ALTRE ATTIVITA' DI AMBITO INFORMATICO E TELEMATICO FRANCESCO FILIPPINI IF1839

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative BIO/11 5.0
ALTRO Abilità informatiche e telematiche -- 2.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso III Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
ESERCITAZIONE 2.0 32 18.0
LABORATORIO 0.5 8 4.5
LEZIONE 4.5 36 76.5

Calendario
Inizio attività didattiche 02/03/2020
Fine attività didattiche 12/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2011

Syllabus
Prerequisiti: Per affrontare adeguatamente la bioinformatica, che si occupa di gestire ed analizzare sequenze di DNA, trascritti e proteine, di dati genomici, proteomici e metabolomici, di strutture proteiche, siti funzionali ecc., sono prerequisiti fondamentali le conoscenze di Biologia Molecolare e di Biochimica, in particolare quelle riguardanti strutture, funzioni, classi delle molecole rilevanti quali DNA, RNA, proteine; organizzazione e regolazione dei geni, regolazione e trascrizione, splicing, traduzione e maturazione di proteine; domini proteici e siti catalitici, regolativi e di legame, clonaggio ed espressione, sequenziamento di genomi e trascrittomi.
Conoscenze e abilita' da acquisire: Questo corso è diviso in due parti: una parte comune (Parte A), rivolta a tutti gli studenti del terzo anno ed una parte specifica (Parte B), seguita solo dagli studenti del piano di studi molecolare, cellulare e ambientale e da quelli che hanno inserito il corso completo come corso a scelta. Pertanto conoscenze e abilità sono presentate di seguito divise per le due parti.

PARTE A (comune)
1 - comprendere l'importanza di Informatica e Bioinformatica per la gestione e analisi delle bio-informazioni nel contesto delle Biotecnologie;
2 - conoscere i principali bio-database, la loro struttura ed essere in grado di estrarne informazioni rilevanti e specifiche;
3 - conoscere il confronto per allineamento, BLAST e le sue applicazioni principali; sapere utilizzare tale approccio per inferire funzioni e realizzare una dissezione in silico;
4 - conoscere e saper utilizzare espressioni regolari, profili come marcatori funzionali per integrare data mining e approccio per omologia;
5 - conoscere i database strutturali, saper visualizzare in strutture proteiche i dettagli con visualizzatori molecolari.

PARTE B (specifica)
1 - conoscere i metodi di allineamento locale e globale ed i sistemi di calcolo dei punteggi basati su matrici;
2 - saper utilizzare in modo avanzato gli approcci di allineamento, modificando i preset software per reiterare ed affinare le analisi;
3 - conoscere e saper utilizzare, ma anche sviluppare, i differenti tipi di marcatori funzionali (in proteine e sequenze di DNA) ed i loro indici di precisione e recall;
4 - conoscere i database strutturali e saper non solo visualizzare, ma anche confrontare le strutture proteiche; saper predire la struttura secondaria ed interpretare l'output, conoscere (cenni) i metodi di predizione delle strutture 3D;
5 - conoscere i principali metodi di interpretazione di un draft genomico o di un trascrittoma, i problemi connessi al gene finding ed all'annotazione in procarioti ed eucarioti;
6 - saper integrare gli approcci di cui sopra per l'inferenza funzionale, lo "smart design" di esperimenti o in progetti di ingegnerizzazione biotecnologica.
Modalita' di esame: Coerentemente con la divisione del corso in due parti e degli studenti in una corte completa ed una parziale, le modalità di esame sono illustrate come segue.

PARTE A (comune)
La verifica delle conoscenze e competenze acquisite avviene sia durante il corso che al termine; in particolare, nelle attività di laboratorio gli studenti, dopo una fase di training interattivo, elaborano - lavorando in gruppo e interagendo col docente - una "mini-review & analysis" su geni/proteine di interesse biotech, integrando data mining ed approcci analitici; il docente fornisce peer feedback per la revisione mirata degli elaborati. Le conoscenze teoriche sono valutate in un esame orale, nel quale il docente stimola lo studente ad agganciare le conoscenze ad esempi pratici di possibili analisi "problem solving", in modo da non svincolare mai conoscenza e competenza. Allo studente è fornita la possibilità di presentare e discutere articoli a scelta) di contenuto bioinformatico e biotecnologico, nei quali siano utilizzati uno o più metodi studiati.
Il superamento di questa parte comporta la registrazione di un'idoneità solo per gli studenti che non seguono il corso completo.

PARTE B (specifica)
Anche per questa parte di corso, la valutazione di conoscenze e competenze acquisite avviene sia durante il corso che al termine. Nelle fasi laboratoriali gli studenti elaborano più di un report scritto (guidato da domande a risposta aperta), essendo ciascuna fase di training-test associata ad una delle principali sezioni del programma seguito. Anche nella elaborazione di questi report gli studenti interagiscono tra loro e con il docente e ricevono peer feedback per migliorare i report stessi e la loro presentazione. La parte laboratoriale determina la prima metà del voto (15/30) + eventuale bonus per report brillanti. Le conoscenze teoriche sono valutate in un esame orale che aggancia metodi e approcci sia a quanto svolto nelle esercitazioni sia ad articoli pertinenti scelti dagli studenti e a putativi progetti immaginati e proposti dallo studente stesso e/o dal docente. La parte orale dell'esame fornisce la seconda metà del voto e gli studenti sono stimolati dal peer feedback a migliorare conoscenza e competenza nei report o punti del programma parzialmente carenti.
Criteri di valutazione: Coerentemente con la natura non solo teorica, ma anche applicativa del corso, la valutazione terrà conto sia delle conoscenze che delle capacità problem solving dimostrate.

Per le competenze applicative e problem solving, sono valutate:
- capacità problem solving, ovvero di utilizzare e integrare adeguatamente, comprendendone potenziale e limiti, le risorse remote (software e database) presentate nel corso, per lo svolgimento delle attività laboratoriali;
- pertinenza e completezza nelle risposte alle domande guida per la compilazione dei report di test associati alle attività laboratoriali;
- capacità di focalizzare sui punti fondamentali per inferire le informazioni rilevanti;
- capacità di cogliere al volo indizi predittivi;
- capacità di presentare dati e analisi in modo rigoroso, completo e chiaro;
- capacità di recepire il feedback per il miglioramento incrementale dell'analisi e dei report;
- capacità di inserirsi proattivamente in attività di team work, integrando adeguatamente il proprio contributo con quelli altrui.

Per la parte teorica, sono valutate:
- conoscenza di struttura e organizzazione di risorse remote (database, portali) presentati nel corso;
- conoscenza dei metodi alla base di strumenti analitici (software di confronto, analisi e predizione) presentati nel corso;
- conoscenza di potenziali e limiti di tali risorse e metodi;
- conoscenza delle strategie più adeguate per combinare e integrare nelle analisi l'uso di tali risorse e tools.

La valutazione tende a stimolare l'autovalutazione e ad inquadrarsi come strumento di self-improvement piuttosto che a produrre un secco giudizio. Per questo motivo, nelle varie fasi d'accertamento, allo studente è data la possibilità di colmare eventuali lacune grazie al feedback fornito dal docente in attività di recupero/miglioramento parziale.
Contenuti: PARTE A (comune)
Argomenti delle lezioni in aula:
La Bioinformatica nel contesto delle Biotecnologie e della Biologia Molecolare. Database biomedici e bioinformatici di interesse per le Biotecnologie. Gestione delle informazioni biologiche. Elementi cruciali dei database: ordine strutturale, schede, campi e livelli di specializzazione. Cross-refs nei database. Principali organizzazioni e database internazionali. Interrogazioni semplici e complesse, operatori booleani, risorse NCBI ed EBI per le interrogazioni. Nozioni applicative sui metodi di confronto delle sequenze per allineamento, principali applicazioni di BLAST. Espressioni regolari (pattern) e profili come marcatori funzionali per domini, motif, siti, signature. Predizione di struttura secondaria ed allineamenti structure based. Validazione di marcatori funzionali. Strutture proteiche: file PDB e loro visualizzazione ed analisi elementare con UCSF Chimera.
In aula informatica saranno svolte attività laboratoriali: la prima di training, seguita da una di test e team work:
TRAINING: ricerca integrata delle informazioni su una proteina-esempio (e sul suo gene codificante ed i trascritti alternativi) mediante interrogazione dei database bibliografici, analisi delle schede in database di sequenze ed analisi per allineamento, marcatori e strutturali.
TEST: sfruttando il protocollo d'analisi seguito nel training, preparazione in gruppo di una mini-review & analisis su gene/proteina/pathway di interesse (libera scelta)

PARTE B (specifica)
Argomenti delle lezioni in aula:
Allineamento di sequenze di DNA e proteine: possibilità, limiti ed interpretazione. Criteri per la valutazione della similarità. Allineamento globale e locale. Scoring system. Matrici "dot plot", PAM e BLOSUM. BLAST: basi algoritmiche, applicazioni base e speciali. Scelta di applicazione e db in funzione delle ricerche, valutazione dei risultati. Tuning per modifica dei settings e reiterazione. Filtri e opzioni di output. L'allineamento multiplo per la definizione di consensus. Marcatori in sequenze di proteine: espressioni regolari e profili. Regioni ripetute: rilevanza biologica di frequenza e distribuzione. Pattern scanning in proteine. PROSITE. Indici di precisione e recall. Uso avanzato dei predittori di struttura secondaria e transizioni conformazionali. Database e schede si strutture: PDB. Confronto di stutture per sovrapposizione. Ricerca per fold: l'esempio di DALI. Predizione della struttura 3D e principali metodi di costruzione di modelli. Pattern promotoriali nel DNA: identificazione di regioni regolative. Reti regolative e co-regolazione. Predizione di miRNA e miRNA target.
Interpretazione di un draft genomico. EST clustering. ORF finding e gene finding in Prokarya ed Eukarya. Genome annotation.
Esempi di articoli su ricerche biotecnologiche supportate dalla bioinformatica.
Le attività laboratoriali (divise in fasi di training e test) riguardano l'applicazione dei principali tools per la ricerca di similarità (applicazioni di BLAST), di espressioni regolari e profili (ScanProsite, PROscan), per le analisi strutturali e la loro integrazione come strumenti analitici e predittivi.
Attivita' di apprendimento previste e metodologie di insegnamento: Gli studenti acquisiscono le conoscenze e competenze specifiche sia attraverso la frequenza, le attività e l'interazione con il docente e la classe (lezioni ed esercitazioni), sia attraverso lo studio del materiale didattico.
Nella primo incontro con gli studenti, le modalità di svolgimento del corso e le risorse online disponibili sono illustrate in dettaglio.
L'insegnamento relativo alla parte A (comune) prevede sia lezioni frontali in aula che esperienze di data mining e semplici analisi di sequenza in aula informatica, seguite da un team work che fornisce gli elementi di scrittura di un articolo scientifico del tipo review & analysis. Gli studenti sono portati a coordinare le attività nel team e imparano a integrare le informazioni per fornire un articolo breve ma completo, rigoroso e ben presentato. A tale scopo il peer feedback del docente, in aula e da remoto, fornisce indicazioni e suggerimenti.
La parte B (specifica) prevede lezioni con esempi, interazione costante durante il corso con domande e risposte, simulazioni applicative "problem solving", esercitazioni in aula informatica con una fase di training seguita da una fase test. In questa fase, gli studenti seguono guide online sulle pagine web costruite per il corso e rispondono a domande stimolo per realizzare con i tools bioinformatici disponibili in rete analisi di inferenza funzionale simulando progetti reali in contesto biotecnologico.
Il docente fornisce peer feedback sui report ed aggancia le attività problem solving agli argomenti di lezione,interagendo con gli studenti.
Sono previste attività di lavoro in gruppo, il confronto dei risultati, e una serie di "case studies" è suggerita dal docente e dagli studenti.
Le attività prevedono anche simulazioni pre esame con domande, risposte ed esempi di valutazione delle risposte.
Eventuali indicazioni sui materiali di studio: Il docente mette a disposizione degli studenti un sito web che viene aggiornato annualmente ed anche durante il corso ed attraverso il quale gli studenti possono accedere alla guida on line alle esercitazioni, scaricare i materiali didattici (dispense sugli argomenti del programma), visualizzare il calendario di lezioni ed esercitazioni, avvisi ecc., nonchè collegarsi ad utili risorse remote (siti web di server con database e tools pubblici per analisi bioinformatiche).
Testi di riferimento:

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Problem based learning
  • Case study
  • Interactive lecturing
  • Working in group
  • Questioning
  • Problem solving
  • Peer feedback
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • pagine web dedicate al corso

Didattica innovativa: Software o applicazioni utilizzati
  • approccio integrativo con risorse on-line

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Salute e Benessere Istruzione di qualita' Industria, innovazione e infrastrutture