Gli articoli originali da cui l’informazione e’ tratta verranno discussi criticamente ed i mezzi per riprodurre le analisi principali verranno acquisiti. Costante dialogo con la classe garantira’ la capacita’ di comunicare quanto appreso. Lucidi e link a pagine web stimolera’ gli studenti verso lo studio autonomo.

Abilita’ comunicative:
La classe interagisce con il professore al fine di imparare la maniera di 1) formulare l’approccio per 20) costruire modelli computazionali per dati biologici.

Capacita’ di apprendimento:
Il linguaggio formale per formulare 1) ipotesi statistiche e 2) costruire un modello e’ centrale in questa classe. Il valore aggiunto e soft skill associato e’ che lo studente potra applicare questa forma mentis ad altri campi scientifici

Conoscenza e comprensione:
Alla fine del corso gli studenti conosceranno concetti come:
Struttura di proteina e RNA, RNA-seq, RIP e CLIP-seq
Algoritmi per analisi di struttura
Importanti challenges in biologia che possono essere risolte computazionalmente.
Metodi per l’analisi di dati biologici: modelling e predizioni.

Applicazione della conoscenza e comprensione:
Alla fine del corso gli studenti saranno capaci di:
Costruire le parti elementari di un algoritmo per predizioni di biologia molecolare
Usare la statistica dietro I calcoli e riprodurre parti della analisi.