Metodi Bioinformatici

Università degli Studi di Milano

Corso di laurea magistrale Biotecnologie Molecolari e Bioinformatica
a.a. 2009/10

Metodi Bioinformatici

Periodo di svolgimento: II semestre 2009/10 (inizio Lunedi 1 marzo 2010)

Orari e aule:
Lunedi 13.30-16.30: Aula V8 via Venezian
Martedi 13.30-16.30: Aula di calcolo Dip. Biotecnologie via Celoria

Nel corso vengono trattati metodi ed algoritmi di machine learning per la bioinformatica, discutendo 
alcuni problemi di apprendimento rilevanti nell' ambito delle biotecnologie e della biologia molecolare.
Il corso si propone inoltre di fornire tecniche fondamentali di programmazione per l'implementazione degli
algoritmi di biologia computazionale.

Alla fine del corso gli studenti dovrebbero acquisire:

Conoscenze di base sugli algoritmi di apprendimento automatico
Capacita' di applicare algoritmi e metodi di apprendimento automatico all' analisi di

dati biomolecolari complessi e a problemi rilevanti di biologia computazionale.

Capacita' di utilizzare e modificare librerie in linguaggio R persviluppare applicazioni software in ambito bioinformatico.

Programma

0. Principali tipologie di problemi in bioinformatica. Bioinformatica e metodi di apprendimento automatico.

1. Metodi di apprendimento automatico
- Apprendimento dai dati: metodi supervisionati, non supervisionati e semi-supervisionati.
- Generalizzazione e tecniche per valutare le capacita' di generalizzazione dei metodi
di apprendimento automatico
A) Metodi di apprendimento automatico supervisionato.
- Metodi bayesiani e metodi basati su funzioni discriminanti.
- L'algoritmo del percettrone, reti neurali artificiali (percettroni multistrato)
- Metodi kernel e Support Vector Machine.
- Metodi di ensemble per la classificazione supervisionata: majority voting, bagging,
boosting, random subspace, metodi di meta-learning.
- Metodi di feature selection: metodi filtro, wrapper ed embedded.
B) Metodi di apprendimento automatico non supervisionato.
- Algoritmi di clustering: k-means, algoritmi gerarchici, mappe auto-organizzanti,
metodi di ensemble clustering.
- Metodi per la valutazione dell'affidabilita' dei cluster.

2. Applicazioni nell'ambito delle biotecnologie e della biologia molecolare.
- Ricerca ed estrazione di dati biomolecolari tramite interrogazione di banche dati biologiche.
- Supporto alla diagnosi e alla predizione dell'esito clinico basata sull'analisi di dati biomolecolari.
- Ricerca di geni correlati a fenotipi patologici e caratterizzazione biomolecolare
di pazienti affetti da patologie tumorali.
- Ricerca di sottoclassi patologiche in pazienti affetti da malattie tumorali
tramite analisi di dati di espressione genica.
- Predizione a livello dell' intero genoma delle funzioni dei geni in organismi modello
secondo le tassonomie della Gene Ontology e di FunCat.
- Integrazione di dati complessi in bioinformatica
- Ricerca di motivi regolatori in regioni non codificanti del genoma
- Ricerca di regioni codificanti a livello dell'intero genoma
- Analisi esplorativa di dati generati da biotecnologie high-throughput

3. Il linguaggio di programmazione R:
- Identificatori e variabili; tipi di dati base; operatori,
espressioni e istruzioni
- Strutture dati fondamentali in R: vettori, fattori, matrici, array e liste
- Strutture di controllo del flusso di esecuzione: istruzioni
condizionali, iterazioni
- Funzioni e script
- Operazioni di I/O e trasferimento dati in altri ambienti di
programmazione
- Grafica in R
- Package ed "estensioni" del linguaggio R
- Programmazione object oriented in R.

Materiale didattico

Materiale didattico sul linguaggio e la programmazione in R
Introduzione alla classificazione funzionale di tessuti e geni con metodi di apprendimento automatico
Support Vector Machine (pdf)
Support Vector Machine (pdf, 2 slide per pagina)
Introduzione ai metodi kernel (pdf, 2 slide per pagina)
Metodi kernel in bioinformatica (pdf, 2 slide per pagina)
Classificazione funzionale di tessuti e geni con metodi di apprendimento automatico (pdf)
Introduzione ai metodi di clustering per l'analisi dell' espressione genica (pdf)
Metodi di clustering gerarchico per l'analisi di dati di DNA microarray (pdf)
Gene Ontology (pdf, 4 slide per pagina)
Codice R di esempio per la classificazione di dati DNA microarray con SVM

P. Larranaga et al. Machine learning in bioinformatics, Briefings in Bioinformatics 7(1):86-112, 2006
A.L. Tarca et al. Machine Learning and Its Applications to Biology, PLoS Computational Biology 3(6), 2007
T. S. Furey, N. Cristianini, N. Duffy, D. W. Bednarski, M. Schummer, and D. Haussler Support vector machine classification and validation of cancer tissue samples using microarray expression data Bioinformatics, Oct 2000; 16: 906 - 914.
P. Pavlidis, J. Weston , J. Cai and W.S. Noble, Learning gene functional classification from multiple data, J. Comput. Biol., vol.9, pp.401-411, 2002
Z. Barutcuoglu, R. Schapire and O. Troyanskaya, Hierarchical multi-label prediction of gene function, Bioinformatics, 22(7), pp. 830-836, 2006.
M. Re, G. Valentini, Simple ensemble methods are competitive with state-of-the-art data integration methods for gene function prediction, Journal of Machine Learning Research, W&C Proceedings, vol.8: Machine Learning in Systems Biology, pp. 98-111, 2010.

Modalità d' esame:

Bibliografia

C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
P.Baldi and S. Brunak Bioinformatics: a machine learning approach, MIT Press, 2001.
R. Gentleman, R Programming for Bioinformatics,
CRC/ComputerScience & Data Analysis Volume 12 , Chapman & Hall, 2008.
R. Gentleman, V. Carey, W. Huber, R. Irizarry, S. Dudoit,
Bioinformatics and Computational Biology Solutions Using R and Bioconductor, Springer, 2005.