- Docente: Pier Luigi Martelli
- Crediti formativi: 6
- SSD: BIO/10
- Lingua di insegnamento: Inglese
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Bioinformatics (cod. 8020)
-
dal 16/09/2025 al 30/10/2025
Conoscenze e abilità da conseguire
At the end of the course, the student acquires advanced machine learning based approaches (Support Vector Machine, Conditional Random Fields, Hybrid methods) to complement previous expertise. Problems of Systems Biology will be introduced with focusing on network theory and dynamic modeling to approach complexity at the cell level. In particular, the student will be able to: - understand and modeling biological complexity; - modeling time evolution of a biological system; - predicting protein-protein interaction and DNA/RNA protein interaction.
Contenuti
STRUMENTI DI APPRENDIMENTO AUTOMATICO PER LA BIOINFORMATICA
Reti neurali
Macchine a vettori di supporto
Metodi a kernel
Metodi di apprendimento deep
Alberi decisionali e foreste casuali
Applicazioni alla previsione della struttura e della funzione delle proteine
INTRODUZIONE ALLA BIOLOGIA DEI SISTEMI
Sistemi biologici
Tecniche sperimentali
Genomica, proteomica, interattomica, trascrittomica, metabolomica, metagenomica, epigenomica
Nozioni di base sui modelli
Metodi matematici: reti
Metodi matematici: equazioni differenziali
Cinetica delle reazioni biochimiche e semplici vie metaboliche
Reti di trascrizione nei procarioti.
Analisi di motivi semplici (autoregolazione, circuiti feed-forward)
Testi/Bibliografia
Presentazioni delle lezioni, letteratura scientifica e materiali online. Tutti i materiali saranno disponibili su Virtuale.
Di seguito sono riportati alcuni libri consigliati per uno studio più approfondito. Non sono necessari per superare l'esame.
Bishop C (2006) Pattern recognition and Machine Learning. Springer [ISBN 0-38-731073-8]
Goodfellow I, Bengio Y, Courville A. Deep Learning (2016) MIT Press [ISBN: 9780262035613]
Ingalls BP (2013) Mathematical Modeling in Systems Biology. MIT press [ISBN: 9780262018883]
Aron U. (2006) An Introduction to Systems Biology: Design Principles of Biological Circuits. Chapman & Hall/CRC Mathematical and Computational Biology (Vol. 10) [ISBN-13: 9781584886426]
Metodi didattici
Lezioni frontali
In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai Moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/] in modalità e-learning.
Modalità di verifica e valutazione dell'apprendimento
L'esame finale consiste in una prova scritta seguita da una discussione orale.
La prova scritta consiste in una serie di 4-6 esercizi volti a valutare la capacità dello studente di applicare i concetti appresi durante il corso a problemi semplici. Gli esercizi devono essere risolti in 120 minuti.
Durante la sessione orale, saranno discussi i risultati dell'esame scritto e sarà valutata la conoscenza teorica dello studente.
Gli argomenti dell'esame sono:
- la conoscenza della teoria e delle applicazioni degli strumenti di apprendimento automatico per la bioinformatica
- la conoscenza della teoria delle reti complesse e della loro applicazione alla descrizione dei sistemi biologici;
- l'analisi e l'integrazione dei dati omici
- la conoscenza della teoria di base delle equazioni differenziali ordinarie e della loro applicazione alla descrizione dei sistemi biologici.
Strumenti a supporto della didattica
Orario di ricevimento
Consulta il sito web di Pier Luigi Martelli
SDGs


L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.