Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
MOLECULAR BIOLOGY
Insegnamento
COMPUTATIONAL ANTHROPOLOGY
SCP8085072, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
MOLECULAR BIOLOGY
SC2445, ordinamento 2018/19, A.A. 2019/20
N0
porta questa
pagina con te
Curriculum MOLECULAR BIOLOGY [005PD]
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese COMPUTATIONAL ANTHROPOLOGY
Sito della struttura didattica http://biologiamolecolare.scienze.unipd.it/2019/laurea_magistrale_molecularbiology
Dipartimento di riferimento Dipartimento di Biologia
Sito E-Learning https://elearning.unipd.it/biologia/course/view.php?idnumber=2019-SC2445-005PD-2018-SCP8085072-N0
Obbligo di frequenza
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile LUCA PAGANI BIO/08

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative BIO/08 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
ESERCITAZIONE 3.0 48 27.0
LEZIONE 3.0 24 51.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2018

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: I prerequisiti richiesti per l'insegnamento di Computational Anthropology sono quelli previsti di norma per gli studenti del terzo anno del Corso di laurea triennale in Biologia Molecolare. E' richiesta la conoscenza di base della genetica, della statistica, della filogenesi e della biologia evoluzionistica nei suoi lineamenti fondamentali. Gli studenti devono inoltre obbligatoriamente possedere capacità informatiche tali da consentire una adeguata familiaritá con l'ambiente Unix/Shell. Sui contenuti specifici di genetica di popolazione e di genomica non sono richieste conoscenze pregresse, ma é consigliata la familiaritá con il programma dell'insegnamento "Anthropology".
Conoscenze e abilita' da acquisire: Le conoscenze e le abilità da acquisire al termine dell'insegnamento di Computational Anthropology sono principalmente di quattro tipi:
1) nozioni di base sui fenomeni di mescolamento genetico e sui metodi per inferirli, applicabili nell'ambito della personal genomics e analisi dell'ancestralitá;
2) capacitá pratiche nell'analisi di PCA, Admixture e Ancestry Deconvolution;
3) analisi di differenziamento fra popolazioni umane (Fst) e ricerca di marcatori outlier statistici potenziali indicatori di eventi di selezione naturale;
4) capacitá di riprodurre parte dei risultati dei piú recenti articoli scientifici sul tema del DNA antico e ibridazione umani-arcaici (per i quali i dati sono pubblicamente disponibili).
Modalita' di esame: L'esame è costituito da una prova pratica al computer (in aula di informatica, della durata di circa 3 ore), che ricapitolerá gli argomenti trattati a lezione e visti durante le esercitazioni. Il voto finale sará basato sul corretto svolgimento della prova e dalla discussione con il docente dei risultati ottenuti e dei procedimenti seguiti.
Criteri di valutazione: I criteri di valutazione sono:
- abilità argomentativa;
- conoscenze acquisite nell'ambito della Antropologia Molecolare;
- capacitá di analisi bioinformatica applicata ai casi di studio
Contenuti: L'insegnamento si prefigge di coniugare conoscenze di base nell'ambito dell'Antropologia Molecolare e della Genetica di Popolazione Umana ad abilitá pratiche (bioinformatiche) pensate per applicazioni lavorative nella'ambito della Personal Genomic e dell'analisi dell'ancestralitá.

In particolare verranno affrontati, da un punto di vista sia teorico che pratico ed applicativo, i seguenti temi:
1) Mescolamento genetico e local ancestry;
2) Ancestry deconvolution e analisi ancestry-specific;
3) Differenziamento genetico fra popolazioni umane a livello di intero genoma e a livello di singolo marcatore;
4) Effetti sul genoma degli eventi di selezione naturale;
5) Fenomeni di introgressione fra Homo sapiens e Umani archaici.

Questi obiettivi generali sono affrontati attraverso la discussione critica in classe di casi di studio tratti da letteratura scientifica primaria nel campo della antropologia molecolare e attraverso estensive esercitazioni in laboratorio di informatica.
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso è strutturato in 12 lezioni frontali da 2 ore ciascuna (24 ore frontali, 3 CFU), e in 12 lezioni pratiche da 4 ore ciascuna (48 ore di laboratorio, 3 CFU).
Le lezioni frontali introducono i temi e la teoria di base tramite risultati scientifici recenti.
I temi trattati in classe vengono poi affrontati in modo pratico durante le esercitazioni in ambiente Unix, sotto la guida costante del docente, fino ad assemblare un insieme di strumenti analitici necessari a portare avanti un'intera analisi di ancestralitá. Gli strumenti acquisiti durante le esercitazioni forniranno la base per lo svolgimento dell'esame (pratico).
Eventuali indicazioni sui materiali di studio: I materiali di studio sono rappresentati da:
1) slides delle singole lezioni, rese disponibili agli studenti sulla piattaforma e-learning alcuni giorni dopo la lezione stessa; le presentazioni in PPT permettono agli studenti di seguire il filo della trattazione;
2) testi e manuali;
3) paper scientifici e review indicati di anno in anno sulla base della letteratura scientifica più recente (parte monografica);
4) ulteriori testi di approfondimento (facoltativi) suggeriti a lezione.
Testi di riferimento:
  • Mark Jobling, Chris Tyler-Smith, Edward Hollox, Matthew Hurles, Toomas Kivisild, Human Evolutionary Genetics, Second Edition. --: Garland Science, 2013. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Problem based learning
  • Case study
  • Working in group
  • Problem solving
  • Work-integrated learning
  • Active quiz per verifiche concettuali e discussioni in classe
  • Files e pagine caricati online (pagine web, Moodle, ...)
  • Peer review tra studenti

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Kahoot

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Salute e Benessere Istruzione di qualita' Lavoro dignitoso e crescita economica Ridurre le disuguaglianze Pace, giustizia e istituzioni forti