METODI STATISTICI PER LA GENETICA

Obiettivi formativi

Obiettivi formativi. Lo scopo dell’insegnamento è fornire le conoscenze di base per un approccio statistico all’analisi di dati genetici. Gli studenti devono quindi essere in grado di formalizzare i problemi in ambito genetico utilizzando opportuni strumenti statistici, selezionando i modelli statistici che ritengono più calzanti all’obiettivo, e sapendone interpretare i risultati ottenuti. Conoscenza e capacità di comprensione. Dopo aver frequentato l’insegnamento, gli studenti comprendono i problemi connessi all’analisi di dati genetici e conoscono gli strumenti più idonei al loro trattamento. Capacità di applicare conoscenza e comprensione. Al termine dell’insegnamento, gli studenti sono in grado di utilizzare modelli statistici di base per l’analisi di dati genetici, visti anche come dati multivariati a struttura complessa. Gli studenti sono in grado di interpretare i risultati ottenuti dall’applicazione di tali modelli a dati reali. Autonomia di giudizio. Gli studenti sviluppano capacità critiche fruendo delle possibilità di applicazione e discussione di strumenti statistici finalizzati allo studio di dati genetici reali, durante le lezioni pratiche svolte in aula informatica. Abilità comunicativa. Gli studenti, attraverso lo svolgimento di esercizi pratici, di applicazioni a dati di benchmark che ricalcano da vicino situazioni sperimentali reali, di attività di gruppo, acquisiscono una sostanziale capacità tecnico-scientifica che può essere utilizzata per comunicare in modo efficace i risultati ottenuti. Capacità di apprendimento. Dopo aver sostenuto positivamente l’esame, gli studenti hanno una conoscenza dei modelli statistici di riferimento per l’analisi di dati genetici, hanno appreso alcune nozioni di base sugli studi in questo contesto, sanno applicare i metodi discussi, e commentare criticamente i risultati ottenuti, tramite un utilizzo massivo delle applicazioni software più diffuse.

Canale 1
FRANCESCA MARTELLA Scheda docente

Programmi - Frequenza - Esami

Programma
Le lezioni si articolano nei seguenti nuclei tematici: Parte 1 (18 ore circa) - Introduzione allo studio di dati genetici - Metodi per l'analisi statistica di dati genetici Parte 2 (30 ore circa) - Classificazione e riduzione dimensionale di dati genetici - Modelli a variabili latenti per dati genetici - Applicazioni su dati reali
Prerequisiti
Per affrontare i contenuti dell’insegnamento è necessario possedere le conoscenze elementari di algebra delle matrici, teoria dell’inferenza statistica, modello di regressione lineare e analisi matematica.
Testi di riferimento
- Dispense ed articoli scientifici forniti dal docente durante l’erogazione del corso - Statistics in Human Genetics. Pak Sham (1998) - Bioinformatics and Computational Biology solutions using R and Bioconductor. Gentleman et al. (2005) - Statistical Analysis of Next Generation Sequencing Data. Datta S. and Dan Nettleton (2014) - The fundamentals of Modern Statistical Genetics. Laird and Lange (2011)
Modalità insegnamento
Le lezioni frontali (a meno di emergenze sanitarie) prevedono alternanza tra lezioni teoriche, utilizzo di software per applicazioni a dati reali e lavori di gruppo.
Frequenza
La frequenza del corso è consigliata.
Modalità di esame
Per superare l’esame gli studenti svolgono: - una prova di laboratorio per valutare la capacità di utilizzare gli strumenti statistici acquisiti per l’analisi di dati genetici; - una prova orale per valutare la conoscenza e comprensione dei metodi discussi; - un lavoro di gruppo (da concordare con il docente): presentazione critica di un articolo scientifico fornito dal docente riguardante analisi di dati genetici. Per non i frequentanti si consiglia di contattare il docente. Ciascuna parte dell’esame vale 1/3 del voto finale.
Bibliografia
- Gentleman R., Carey V.J., Huber W., Irizarry R.A, Dudoit S. Bioinformatics and Computational Biology Solutions Using R and Bioconductor, New York, Springer. - Laid N.M. and Lange C. (2011) The Fundamentals of Modern Statistical Genetics (Statistics for Biology and Health), New York, Springer. - G. McLachlan, D. Peel, (2000). Finite Mixture Models, Wiley Series in Probability and Statistics. - P. Sham (1998) Statistics in Human Genetics, Arnold, London. - A.C. Rencher, (2002). Methods of Multivariate Analysis, Wiley Series in Probability and Statistics; 2nd edition.
Modalità di erogazione
Le lezioni frontali (a meno di emergenze sanitarie) prevedono alternanza tra lezioni teoriche, utilizzo di software per applicazioni a dati reali e lavori di gruppo.
  • Codice insegnamento10589782
  • Anno accademico2024/2025
  • CorsoScienze statistiche - Statistical Sciences
  • CurriculumBiostatistica
  • Anno2º anno
  • Semestre1º semestre
  • SSDSECS-S/01
  • CFU6
  • Ambito disciplinareAttività formative affini o integrative