Bioinformatics - Bioinformatica

ALESSANDRO PAIARDINI
LORENZO DI RIENZO

General Objectives

Bioinformatics is a multidisciplinary field that integrates biology, computer science, mathematics, and statistics. It includes the development and implementation of computational methods and tools to manage, decipher, and interpret the large amount of biomolecular data available today.
It is widely recognized that bioinformatics is fundamental for translational research and the success of molecular medicine.

The aim of the course is to provide students with:

familiarity with bioinformatics tools, databases, and programming languages;

the ability to implement, interpret, and present the results of typical bioinformatics analyses;

the competence to critically discuss current limitations and contribute to the design of next-generation tools;

practical experience in analyzing “omics” sequencing data and protein sequences using a combination of cutting-edge tools and programming languages.

Specific Skills

Students who successfully complete the exam will be able to:

analyze transcriptomics data (RNA-seq and Microarray);

develop a lightweight and reusable RNA-seq pipeline (mapping and transcript reconstruction);

perform read mapping from deep sequencing data;

understand the most common file formats for “omics” data;

interpret “omics” data with functional analysis;

have basic knowledge of the R programming language;

have basic proficiency in Linux command line and shell scripting;

report results in a reproducible way;

understand and select appropriate bioinformatics tools and databases for their investigation;

analyze protein sequences to identify domains and functional motifs;

predict protein structure (secondary and tertiary) using computational tools;

utilize databases and tools for structural bioinformatics (e.g., PDB, AlphaFold, PyMOL);

interpret structural data in relation to biological function and biomedical applications.

Applying Knowledge and Understanding

Students will be able to:

integrate information collected from different sources (datasets, lectures, scientific literature);

apply NGS-based technologies to transcriptomics data;

set up bioinformatics pipelines for transcriptomic analyses using open-source software;

design workflows for protein sequence and structure analysis;

ensure reproducibility and scalability of bioinformatics approaches.

Communication Skills

Students will be able to:

deliver oral presentations of scientific data analyses;

create detailed analysis reports and effective presentations;

communicate results on “omics” and structural data, integrating sequence, structure, and function of proteins.

Learning Skills

Logically connect the acquired knowledge.

Identify the most relevant issues discussed during the course.

Develop autonomy in learning new bioinformatics tools, with special focus on structural bioinformatics and computational proteomics.

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