Bioinformatics - Bioinformatica

ALESSANDRO PAIARDINI
Valerio Licursi

Obiettivi insegnamento
General skills
Bioinformatics is a new multidisciplinary field that includes the development and implementation of
computational methods and tools suitable to handle, decipher and interpret the large amount of
biomolecular data derived today. It is recognized that bioinformatics is fundamental in the rise of
translational research and the success of molecular medicine.
The aim of the course is to enable students to get familiar with several bioinformatics tools,
databases and programming languages, be able to implement and competently interpret and
present the results of a typical bioinformatics analyses, critically discuss the current limitations and
design the next generation of tools. The course will consist of lectures, tutorials, and literature
studies focusing on learning how to analyze “omics” sequencing data using a combination of
cutting-edge tools and programming languages.

Specific skills
The students who have passed the exam will be able to know and to understand (acquired
knowledge)
- how to analyze transcriptomics data (RNA-seq and Microarray data)
- how to develop a lightweight and reusable RNA-seq pipeline (Mapping and Transcripts
reconstruction)
- how mapping the reads from deep sequencing data.
- knowledge of most common file formats for “omics” data
- interpret omics data with functional analysis
- basic knowledge of R programming language
- basic knowledge of Linux command line and shell scripting
- be able to report results in a reproducible way
- understand and choose appropriate bioinformatics tools and databases for their
investigation.

Applying knowledge and understanding
To apply the acquired knowledge to integrate information gathered from different sources
(datasets, material obtained during lectures, and scientific literature) with particular focus on NGS-
based technologies; to set-up a bioinformatic pipeline to analyze transcriptomics data using open-
source software.
Communication skills
The student will be able to perform oral presentation of scientific data analysis, creating an analysis
report and a presentation.
Notions acquired during the course will be evaluated during the exam.
Learning skills
- Logically connecting the acquired knowledge
- Identification of the most relevant topics of the issues discussed during the course

Competenze generali
La bioinformatica è un nuovo campo multidisciplinare che include lo sviluppo e l'implementazione
di metodi e strumenti computazionali adatti a gestire, decifrare e interpretare la grande quantità di
dati biomolecolari che sono disponibili oggi. È riconosciuto che la bioinformatica è fondamentale
nell'ascesa dell’importanza della ricerca traslazionale e del successo della medicina molecolare.
L'obiettivo del corso è quello di consentire agli studenti di familiarizzare con diversi strumenti
bioinformatici, database e linguaggi di programmazione, essere in grado di implementare e
interpretare e presentare con competenza i risultati di una tipica analisi bioinformatica, discutere
criticamente i limiti attuali e progettare la prossima generazione di strumenti. Il corso consisterà in
lezioni, esercitazioni e studi di letteratura incentrati sull'apprendimento di come analizzare i dati di
sequenziamento "omici" utilizzando una combinazione di strumenti e linguaggi di programmazione
all'avanguardia.
Competenze specifiche
Gli studenti che avranno superato l'esame saranno in grado di conoscere e comprendere
(conoscenze acquisite)
- come analizzare i dati di trascrittomica (dati RNA-seq e Microarray)
- come sviluppare una pipeline RNA-seq leggera e riutilizzabile (ricostruzione di Mapping
and Transcripts)
- come mappare le letture dai dati di sequenziamento profondo.
- conoscenza dei formati di file più comuni per i dati "omics" Interpretare i dati omici con
l'analisi funzionale
- conoscenza di base del linguaggio di programmazione R
- conoscenza di base all’utilizzo del terminale Linux
- essere in grado di riportare i risultati in modo riproducibile
- comprendere e scegliere strumenti bioinformatici e database appropriati a seconda del
problema biologico.
Capacità di applicare conoscenza e comprensione
Applicare le conoscenze acquisite per integrare informazioni raccolte da diverse fonti (dataset,
materiale ottenuto durante le lezioni frontali e letteratura scientifica) con particolare attenzione alle
tecnologie basate su NGS; impostare una pipeline bioinformatica per analizzare dati di
trascrittomica utilizzando software open source.
Abilità comunicative
Lo studente sarà in grado di eseguire presentazioni orali di analisi di dati scientifici, creando un
rapporto di analisi e una presentazione. Le nozioni acquisite durante il corso saranno valutate
durante l'esame.
Capacità di apprendimento
- Collegare logicamente le conoscenze acquisite
- Individuazione degli argomenti più rilevanti delle tematiche trattate durante il corso

1. Conoscenza e capacità di comprensione (knowledge and understanding):
Gli studenti devono dimostrare una conoscenza approfondita dei principi fondamentali della bioinformatica, inclusi i concetti di biologia molecolare, genetica biochimica e informatica. Questo implica una comprensione delle strutture di base del DNA, dei genomi, delle proteine e delle loro interazioni, nonché delle tecniche di sequenziamento e dell'archiviazione dei dati biologici.

2. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding):
Gli studenti devono essere in grado di utilizzare strumenti e risorse bioinformatiche per l'analisi dei dati biologici. Ciò comprende la capacità di utilizzare software specializzati per l'allineamento e l'annotazione delle sequenze, l'identificazione di motivi e regioni conservate, nonché l'analisi delle strutture, di espressioni geniche e delle vie metaboliche.

3. Autonomia di giudizio (making judgements):
Gli studenti devono essere in grado di applicare metodi statistici e algoritmi di apprendimento automatico per l'interpretazione e l'analisi dei dati biologici. Questo implica la capacità di valutare la significatività statistica dei risultati, di identificare modelli e correlazioni all'interno dei dati e di utilizzare algoritmi di classificazione e regressione per l'elaborazione delle informazioni biologiche.

4. Abilità comunicative (communication skills):
Gli studenti devono dimostrare abilità nella comunicazione e nella presentazione dei risultati bioinformatici. Questo include la capacità di interpretare e comunicare in modo chiaro e conciso i risultati delle analisi, sia in forma scritta che orale, e di presentare in modo efficace grafici, tabelle e diagrammi per visualizzare le informazioni biologiche elaborate.

5. Capacità di apprendere (learning skills):
Gli studenti devono essere in grado di acquisire nuove conoscenze e competenze nel campo della bioinformatica in modo autonomo. Questo implica la capacità di identificare e utilizzare fonti di informazione rilevanti, di sviluppare strategie di apprendimento efficaci e di adattarsi alle nuove tecnologie e agli sviluppi nel campo della bioinformatica.

Conoscenze di base di Chimica, Matematica, Fisica, Chimica Organica, Biochimica acquisite nei corsi degli anni precedenti.

Introduzione alla bioinformatica; Banche di dati biologici;
Confronto di due sequenze: matrici a punti, algoritmi dinamici; Significatività
statistica di un allineamento; Matrici di punteggio (PAM e BLOSUM); Ricerche in
banche dati per somiglianza di sequenza (FASTA e BLAST); Allineamenti multipli
di sequenze e cenni alla filogenesi molecolare; Ricerche con profili e
PSI-BLAST; Motivi di sequenza; Predizione e analisi genica (cenni); Previsione
della struttura secondaria, dell’accessibilità con le reti neurali. Previsione
delle eliche transmembrana. Evoluzione strutturale delle proteine. Previsione
della struttura tridimensionale di una proteina: modellizzazione per omologia;
Threading; Previsione della struttura tridimensionale con tecniche ab
initio (cenni); Meccanica molecolare; Docking e ricerca farmacoforica;
progettazione di farmaci; un linguaggio di programmazione: Python. Uso di
programmi di grafica molecolare.

Stefano Pascarella, Alessandro Paiardini - Bioinformatica - Zanichelli, 2010

https://elearning.uniroma1.it/course/view.php?id=4942

Buona parte del corso sarà svolta presso l'aula informatizzata del Dip. di Scienze Biochimiche "A. Rossi Fanelli" (II piano delle aule prefabbricate sul retro del Dipartimento)

La frequenza al corso non è obbligatorio, ma vivamente consigliata

Prova finale: Esercizi al PC + esame orale

Domanda 1:

Quanti lavori scientifici sono stati pubblicati dal 2000 al 2009, che contengono nel titolo le parole acetylcholinesterase e structure? Quanti di questi sono Review? Cosa viene raffigurato nella Fig.2 della Review pubblicata da Silman I, Sussman JL. su questo argomento (riportare la legenda della figura)? Qual è il codice PDB della struttura cui fa riferimento la figura, che contiene il farmaco Donepezil (Aricept)? A cosa serve questo farmaco? Quali sono le coordinate del primo atomo della struttura?

Domanda 2:

Quanti clinical trial sono stati pubblicati nel 2011 e nel 2012, che contengono come voce di argomento medico: “sclerosi multipla”? Quanti di questi contengono la parola “Alemtuzumab” nel titolo? Qual è il codice PDB della struttura di Alemtuzumab, risolta a 1.9Å? Qual è la sequenza antigenica co-cristallizzata in questo caso? Quali residui interagiscono con essa (riportare tipo di residuo, numerazione del file PDB e tipo di interazione).

Domanda 3:

Quanti clinical trial sono stati pubblicati nel 2012, che contengono come voce di argomento medico: “sclerosi multipla”? Quanti di questi contengono la parola “BG-12” nel titolo? A quale molecola si riferisce questo codice? Qual è il suo meccanismo d’azione? Quanti file PDB contengono questa molecola come ligando? Quanti gradi di libertà totali ha la molecola?

Domanda 4:

Quanti clinical trial sono stati pubblicati nel 2011 e nel 2012, che contengono come voce di argomento medico: “tacrolimus”? Qual è il meccanismo d’azione del tacrolimus ed il bersaglio proteico? Quanti file PDB contengono questa molecola come ligando? Nella struttura pubblicata da Griffith et al., quali residui interagiscono con essa (riportare tipo di residuo, numerazione del file PDB e tipo di interazione).

Domanda 5:

Quante review disponibili gratuitamente “full text” sono state pubblicati nel 2011 e nel 2012, che contengono come voce di argomento medico la rapamicina? Quanti di questi contengono la parola “sirolimus” nel titolo? A quale molecola si riferisce questo termine? Qual è il suo meccanismo d’azione? Quanti file PDB contengono questa molecola come ligando? Tra questi, quale codice si riferisce alla struttura pubblicata da Fulton et al nel 2006? Quali residui interagiscono con la rapamicina in questa struttura? (riportare tipo di residuo, numerazione del file PDB e tipo di interazione).

• -Introduction
  • Testi di riferimento: -


• -Information and Entropy


• -Bits and Logic Circuits


• -Problem Solving


• -Gene Prediction


• -NCBI Databases


• -Homology - Dot Plots


• -Scoring Matrices


• -Dynamic Programming


• -Sequence Alignments


• -Blast


• -Machine Learning