Master in "Genomic Data Science"

Anno accademico 2019-2021

Il Master universitario biennale di II livello in “Genomic Data Science” unisce l’ampia fruibilità ad un avanzato livello professionalizzante. Il Master propone concetti e tecniche relativamente elementari (gli strumenti di uso quotidiano dello statistico medico), seguiti dai recenti e complessi sviluppi del metodo statistico e bioinformatico, soprattutto in ambito genomico. Ad esempio, la predizione dell’evoluzione della malattia e della risposta farmacologica nei pazienti, lo studio della suscettibilità genetiche nelle malattie complesse e l’applicazione di metodologie bioinformatiche per studi NGS.

L’ obiettivo del Master, unico in Italia, è di provvedere alla formazione completa dello Statistico Medico-Genomico, figura professionale della quale gli istituti di ricerca, in ambito pubblico o privato, fanno sempre più pressante richiesta dato sia per il crescente fabbisogno di progettazione, analisi e valutazione di sperimentazioni cliniche, sia per il continuo aumento e la veloce diffusione degli studi genomici. Il Master propone al I° anno concetti elementari, seguiti al II° anno da sviluppi più avanzati.

Il Master in breve

Master: Genomic Data Science
Dove: Cascina Cravino, via A. Bassi, 21 Pavia
Durata: 2 anni
Monte Ore: 3.000 ore di cui 2.000 di tirocinio
CFU: 120
Iscritti: da un minimo di 8 ad un massimo di 25
Stage: presso Enti, Aziende ed Università
Requisiti: Laurea in discipline scientifiche
Contributo: 2.800 €/anno
Borse di Studio: possibilità di stage retribuito

Quest’impostazione biennale presenta molteplici vantaggi. Consente l’accesso a studenti provenienti da facoltà biomediche con scarsa formazione preliminare di statistica, fornendo loro capacità operative autonome nell’analisi di studi sperimentali e osservazionali attraverso una attività pratica guidata. Nello stesso tempo l’apprendimento di nuovi metodi specifici per gli studi genomici apre agli studenti l’orizzonte affascinante della ricerca statistica attuale.

MODULO/INSEGNAMENTOCONTENUTITOTALE ORECFU
A1) Statistica con R1) L’ambiente di programmazione R
2) Data import e data mining con R
3) Visualizzazione grafica dei dati con R
4) Inferenza statistica con R
1004
B1) Modelli di Regressione1) Regressione lineare
2) Regressione logistica
3) Modelli lineari misti
4) Analisi di sopravvivenza
1004
C1) Metodi di Ricampionamento1) Permutazione e randomizzazione
2) Simulazione Monte Carlo
3) Ricampionamento e bootstrap
4) P-values empirici e FDR
1004
D1) Epidemiologia Genetica1) Disegno di studi sperimentale e studi osservazionali
2) Disegno ed analisi di studi di linkage parametrico e non parametrico
3) Disegno ed analisi di studi di associazione familiare
4) Disegno ed analisi di studi di associazione di popolazione
1004
E1) Statistica Genetica1) Disegno ed analisi genome-wide (GW)
2) Pre-processing, controllo di qualità. imputazione e analisi statistica GW
3) Analisi GW di dati di metilazione
4) Analisi GW di dati di espressione
1004
A2) Gestione e analisi di Big Data1) Analisi della sopravvivenza con modelli (semi-) parametrici
2) Analisi della sopravvivenza con dati censurati in un intervallo
3) Disegni ed analisi di esperimenti bioemedici in particolare con misure ripetute
4) Analisi di misure correlate serialmente con modelli lineari per effetti misti
1004
B2) Bioinformatica applicata alla genetica1) Next generation sequencing (NGS)
2) DNA sequencing and variant calling
3) Metodi per analisi di associazione con varianti rare
4) RNA sequencing e differential expression analysis (limma)
1004
C2) Statistica Genomica1) Riduzione della dimensionalità
2) Regressione "lasso" ed "elastica"
3) Path analysis (SEM)
4) Analisi dell’ereditabilità
1004
D2) Post-GWAS1) Polygenic risk score e validazione incrociata (cross-validation)
2) Metanalisi di studi GWA
3) Randomizzazione Mendeliana
4) Metodi per l’integrazione di dati omics
1004
E2) Machine Learning (ML)1) Introduzione a ML
2) Unsupervised Learning
3) Supervised Learning
4) Deep Learning in ambito genomico
1004

Scarica Bando Master

Demos

Color Skin

Header Style

Layout

Wide
Boxed
Questo sito Web utilizza i cookie e richiede i tuoi dati personali per migliorare l'esperienza di navigazione.