Corsi

AI-driven R

Iniziazione pratica a R per chi inizia da zero. Conoscere l’ambiente, imparare a importare e manipolare tabelle, riassumere dati e fare grafici, facendosi accompagnare dal bot AI che preferisci. L’obiettivo è acquisire sicurezza, non la perfezione: essere in grado di scrivere codice funzionante ed efficace ed avere la mentalità giusta per continuare.

Data Wiz

I principi della visualizzazione efficace dei dati e la loro realizzazione con la “grammar of graphics” in R. Dai grafici esplorativi alle figure pronte per la pubblicazione. Abbinare i diversi tipi di grafico alle strutture dei dati, plot specialistici e customizzati.

NGS-RNAseq

L’intero flusso di analisi dati di RNA-sequencing: dalle read counts all’analisi dell’espressione differenziale (con cenni di cosa avviene prima). Controllo di qualità, l’allineamento, la quantificazione e test statistici. Gene signatures e loro selezione. Grafici e rapporti.

singola cellula

Le fasi chiave dell’analisi scRNA-seq: pre-elaborazione, riduzione della dimensionalità, clustering, marcatori e annotazione del tipo cellulare. Gli studenti necessari a portata di mano e come usarli. Cenni di trascrittomica spaziale: cosa serve e quando non serve.

Functional omics

L’utilizzo dei dati genomici nel loro contesto biologico. Uso dei database di annotazione e ontologie (funzioni, pathways, processi) per dare senso ai risultati omici. Algoritmi di over rappresentazione e di ordinamento delle classi funzionali.

Scientific Communication

Scrivere, presentare e strutturare i risultati nel modo giusto per l’occasione giusta. Struttura della narrazione, metodo della sparkline per una comunicazione efficace. Reverse engineering e ricostruzione della storia. Anatomia di una presentazione, slides e slide docs.

Data Stewardship

Il ciclo di vita dei dati di ricerca. Gestione secondo i principi FAIR, standard dei metadati, invio ai repository internazionale. Pratiche e strumenti per la riproducibilità in ricerca scientifica; strumenti per il data management plan (DMP) e research data management (RDM).

Life science AI

Il panorama IA nelle scienze della vita. Dai grandi modelli linguistici agli LLM specifici di settore, fino all’integrazione delle pipelines di analisi tramite MCP; le normative, il fair-use e la gestione dei dati sensibili come argomenti centrali e non secondari. Per una pratica informata e responsabile.