Anno di corso: 1

Crediti: 8
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6

Anno di corso: 2

Crediti: 8
Tipo: A scelta dello studente
Crediti: 6
Tipo: A scelta dello studente
Crediti: 4
Tipo: A scelta dello studente
Crediti: 12
Tipo: A scelta dello studente
Crediti: 40
Tipo: Lingua/Prova Finale
Crediti: 4
Tipo: Altro

COMPUTATIONAL SYSTEMS BIOLOGY

Scheda dell'insegnamento

Anno accademico di regolamento: 
2018/2019
Anno di corso: 
1
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Inglese
Crediti: 
6
Ciclo: 
Secondo Semestre
Ore di attivita' didattica: 
43
Prerequisiti: 

Non sono necessarie conoscenze preliminari specifiche di matematica o informatica, tutte le nozioni indispensabili per la comprensione degli argomenti trattati durante il corso verranno spiegate di volta in volta.
Sono invece richieste una forte curiosità e apertura mentale nello scoprire e studiare la biologia sotto una prospettiva innovativa, così come la volontà a partecipare attivamente alle lezioni, e a creare un ambiente collaborativo e di discussione critica con il docente e i propri compagni di corso.

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Esame scritto obbligatorio (2-3 ore): 3 domande aperte sugli argomenti trattati durante il corso.
Esame orale facoltativo (circa 30 minuti): presentazione e discussione critica di un articolo di ricerca di Computational Systems Biology.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso si propone di presentare le principali metodologie computazionali nell’ambito della Systems Biology, e di fornire le basi concettuali e gli strumenti per integrare dati e conoscenze biologiche con metodi informatici e matematici. Obiettivo del corso è sviluppare le capacità di analisi dello studente nella scelta del metodo computazionale più adeguato per formalizzare e studiare un sistema biologico, illustrando come sia possibile studiare il funzionamento di sistemi biologici complessi tramite approcci multidisciplinari.
Un’attenzione particolare sarà dedicata alla discussione critica dei limiti e dei vantaggi di ogni approccio di modellazione e analisi spiegato durante il corso. A tale scopo verranno presentati numerosi esempi basati sull’analisi interdisciplinare di diversi sistemi, come processi cellulari (reti di regolazione genica, vie di trasduzione del segnale, vie metaboliche, ciclo cellulare, processi di morte cellulare, ecc.) o sistemi multicellulari.

Contenuti

Introduzione alla modellazione, simulazione e analisi di sistemi biologici complessi.
Modelli basati su interazioni.
Modelli logici.
Modelli basati su vincoli.
Modelli meccanicistici.
Integrazione di modelli e metodi di analisi.
Metodi computazionali per la definizione e l’analisi di modelli meccanicistici.
Il concetto di robustezza nei sistemi biologici.
Applicazione di modelli e metodi computazionali nell’ambito della Synthetic Biology.

Programma esteso

Modellazione di sistemi biologici. Il concetto di sistema complesso. Livelli di complessità nello studio dei sistemi biologici (scala temporale e scala spaziale). Regole di base e criteri per la scelta dell'approccio matematico più appropriato. Il ciclo iterativo di ricerca (modellazione) in Systems Biology. Definizione di un modello: identificazione della struttura del sistema, livello di astrazione, scopo della modellazione. Formati standard in Systems Biology. Dicotomie in Systems Biology. Panoramica della molteplicità degli approcci di modellazione: discussione critica di vantaggi e svantaggi, limiti e punti di forza di ogni approccio. Descrizione e differenze fra le principali tipologie di modelli per sistemi biologici: modelli basati su interazioni, modelli logici, modelli basati su vincoli, modelli meccanicistici.
Modelli basati su interazioni. Elementi di teoria dei grafi per la definizione dei modelli basati su interazioni. Metodi computazionali basati su grafi per l’analisi di reti biologiche a larga scala: nozioni di degree distribution, clustering coefficient, hub. Proprietà topologiche: caratteristiche e differenze fra reti random, scale-free, gerarchiche; concetti di preferential attachment e modularità nella formazione e struttura di una rete. Il concetto di robustezza strutturale di una rete. Presentazione e discussione critica di modelli basati su interazioni presenti in letteratura (reti di interazione proteina-proteina, reti di regolazione genica, ecc.).
Modelli logici. Elementi di logica booleana e logica fuzzy. Caratteristiche dei modelli logici e relativi metodi di analisi (caratterizzazione di attrattori, cicli, dinamica del sistema, comportamenti “at the edge of chaos”). Presentazione e discussione critica di modelli logici presenti in letteratura (es. reti di regolazione genica, morte cellulare, ecc.).
Modelli basati su vincoli. Elementi di algebra e programmazione lineare per la definizione di modelli basati su vincoli (via metaboliche, da modelli “toy/core” a modelli “genome-wide”). Metodi computazionali per l’analisi di modelli basati su vincoli: flux balance analysis. Presentazione e discussione critica di modelli basati su vincoli presenti in letteratura.
Modelli meccanicistici. Il concetto di sistema dinamico. Definizione e differenze fra modelli deterministici, stocastici e ibridi. Modelli “reaction-based”. Approccio deterministico: definizione di sistemi di equazioni differenziali ordinarie; approssimazioni ed esempi. Metodi di simulazione per modelli deterministici: gli algoritmi di integrazione numerica di Eulero e Runge-Kutta. Sistemi caratterizzati da stiffness. Approccio stocastico: basi fisiche, ipotesi fondamentale e Chemical Master Equation. Il concetto di rumore biologico: rumore intrinseco ed estrinseco. Effetti del rumore biologico: fenomeni di switching e bistabilità. Metodi di simulazione per modelli stocastici: l'algoritmo di simulazione stocastica di Gillespie. Approccio ibrido determistico/stocastico, modelli spaziali. Presentazione e discussione critica di modelli meccanicistici presenti in letteratura (vie di trasduzione del segnale, ciclo cellulare, ecc.).
Integrazioni di modelli e metodi di analisi. Introduzione al problema dell’integrazione di modelli definiti con approcci differenti e uso dei rispettivi metodi computazionali. Presentazione e discussione critica di approcci integrati presenti in letteratura.
Metodi computazionali per la definizione e l’analisi di modelli meccanicistici. Definizione e importanza dei parametri; problematiche computazionali nell’inferenza dei parametri non noti, legate a precisione, ampiezza e sistematicità nella misurazione dei dati biologici. Il concetto di problema di ottimizzazione: introduzione a metodi di computazione evolutiva per la soluzione di problemi di ottimizzazione relativi allo studio dei sistemi biologici. Presentazione e discussione critica dei metodi computazionali per i problemi di reverse engineering, parameter sweep a

Bibliografia consigliata

• E. Klipp, W. Liebermeister, C. Wierling, A. Kowald, H. Lehrach, R. Herwig. Systems Biology: A Textbook. Wiley, 2009.
• Z. Szallasi, J. Stelling, V. Periwal. System modeling in cellular biology. The MIT Press, 2006.
Ulteriori riferimenti bibliografici verranno consigliati al termine di ciascuna lezione. Il materiale didattico sarà disponibile sulla piattaforma e-learning del corso.

Modalità di erogazione

Convenzionale

Metodi didattici

• Lezioni frontali
• Esercitazione: lavoro di gruppo in aula (modellazione di sistemi biologici)
• Utilizzo di software specifico per Systems Biology

Contatti/Altre informazioni

Orario di ricevimento
Su appuntamento.