Didattica
Signal Processing and Information Theory
Quando nel gennaio 2021 mi è stato proposto di impartire questo corso per la laurea in Bioinformatica, che sarebbe iniziato di li a poche settimane, la prima cosa che ho fatto è stata quella di guardare il programma della collega che lo aveva tenuto fino ad allora, che successivamente ho riportato con alcune modifiche sul sito ufficiale, Si tratta di argomenti che ritengo di padroneggiare a sufficienza per poterci fare sopra delle lezioni! :-)
Ma prima di accettare l'incarico, ho voluto approfondire la collocazione del corso nel contesto della laurea in Bioinformatica, dato che ritengo importante motivare allo studio gli alunni chiarendo loro l'utilità della materia da me affrontata nel quadro del loro percorso formativo.
Così a partire da queste slide (che per la prima metà riassumono la genomica agli ingegneri, e per la seconda illustrano le tecniche di signal processing applicate ad essa) mi sono reso conto di avere poco tempo per mettere assieme il tutto, rimandando quindi l'incarico all'A.A. 2021/22 per meglio approfondire la materia.
Ho quindi continuato la ricerca, trovando approfondimenti rispetto alle slide precedenti in
D. Anastassiou, Genomic Signal Processing (2001)
P.P. Vaidyanathan, Genomics and Proteomics: A Signal Processor’s Tour (2004)
mentre una rassegna molto veloce delle tecniche DSP utilizzate la trovo in
J.V. Lorenzo-Ginori et al, Digital Signal Processing in the Analysis of Genomic Sequences (2009)
ed infine, testi che potrebbero essere di riferimento sono
R. Palaniappan, Biological Signal Analysis (2010)
G. Alterovitz, M.F. Ramoni Ed., Systems Bioinformatics - An Engineering Case-Based Approach (2007)
Edward R Dougherty et al, Genomic Signal Processing and Statistics (2005)
Ma dato che come si sa l'appetito vien leggendo, ho proseguito la ricerca accorgendomi che anche in questo campo si stavano affermando due altri aspetti di frontiera del Signal Processing. Da un lato le reti neurali che costituiscono la naturale evoluzione del trattamento automatico delle sequenze, da un altro i segnali sui grafi che estendono i concetti definiti dal Signal Processing nel contesto delle sequenze, al contesto delle reti di interazione, che pure rivestono un importante ruolo negli ambiti biologici. Da ultimo, sono da citare le reti neurali sui grafi, approccio emerso solo molto di recente e che trova già applicazione in molteplici ambiti di rappresentazione dei sistemi complessi. Qui sotto, alcuni riferimenti.
W. Zhang et al, Network-based machine learning and graph theory algorithms for precision oncology (2017)
A. Ortega et al, Graph Signal Processing: Overview, Challenges and Applications (2018)
Y. Li et al, Deep learning in bioinformatics: introduction, application, and perspective in big data era (2019)
X.M. Zhang et al, Graph Neural Networks and Their Current Applications in Bioinformatics (2021)
Come qualunque corso tenuto per la prima volta, sarà improbabile riuscire ad includere così tante cose, ma avere una percezione delle stesse fornirà quanto meno una base per inquadrare gli argomenti da svolgere in una prospettiva di sviluppo futuro.
Pagina Live
Qui sotto trovate gli aggiornamenti sul corso, così come sono inseriti nel tempo, completi di links al materiale didattico sia in formato PDF che come video registrazione delle lezioni - incorporato dal mio wiki