Programma Didattico
Master 2018-2020 in Statistica Medica e Genomica
Il Master in Statistica Medica e Genomica si sviluppa in 10 moduli (5+5), per un totale biennale di 3000 ore, ognuno svolto in una settimana (lunedì-venerdì dalle ore 9.30-12.30 e 14.30-17.00) da Marzo a Luglio, suddivise tra didattica frontale, esercitazioni pratiche, stage formativo presso Università di Pavia ed enti convenzionati, seminari presso il Dipartimento di Scienze del Sistema Nervoso e del Comportamento, attività di studio e preparazione individuale. La frequenza è obbligatoria per almeno il 75% delle lezioni.
La valutazione dell’apprendimento verrà effettuata sulla base di verifiche del profitto per ogni anno e di una prova finale di accertamento delle competenze complessivamente acquisite. La prova finale consisterà nella discussione di una tesi sperimentale o trattazione di un tema di rilevante interesse relativa al progetto svolto durante il tirocinio. A conclusione del Master, agli studenti verrà rilasciato il Diploma di Master universitario di II livello in “Statistica Medica e Genomica”.
Obiettivo del Master
Lo scopo 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 programma didattico è strutturato nei seguenti moduli:
I ANNO
| INSEGNAMENTO/MODULO | SSD | DOCENTI | CONTENUTI |
| A1) Elementi di statistica (4CFU) | MED/01 | Mario Grassi | 1) Guida all’uso del software statistico R 2) Principi di inferenza statistica 3) La funzione di verosimiglianza 4) MLE, P-value e 95% CI |
| B1) Epidemiologia (3CFU) | MED/01 | Vincenzo Bagnardi | 1) Disegno di studi osservazionali 2) Analisi di studi osservazionali 3) Disegno di studi clinici randomizzati 4) Analisi di studi clinici randomizzati |
| C1) Statistica Medica (4CFU) | MED/01 | Mario Grassi Mario Comelli | 1) Modelli lineari 2) Regressione, ANOVA, ANCOVA 3) Modelli lineari generalizzati (GLM) 4) Procedure di selezione di modelli di interazione |
| D1) Genetica (3CFU) | BIO/18 | Guglielmina Ranzani | 1) Genetica di popolazione 2) Genoma umano, malattie mendeliane e malattie complesse 3) Variabilità genetica nell’uomo 4) Principi di bioinformatica |
| E1) Epidemiologia genetica (4CFU) | MED/01 | Luisa Bernardinelli Davide Gentilini Teresa Fazia | 1) Introduzione all’epidemiologia genetica 2) Disegno ed analisi di studi di linkage parametrico e non parametrico 3) Disegni ed analisi di studi di associazione familiare 4) Disegno ed analisi di studio di associazione di popolazione 5) Analisi varianti rare |
II ANNO
| INSEGNAMENTO/MODULO | SSD | DOCENTI | CONTENUTI |
| A2) Disegno e analisi di studi sperimentali (4CFU) | MED/01 | Mario Comelli | 1) 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 |
| B2) Statistica genetica (4CFU) | MED/01 | Luisa Bernardinelli Teresa Fazia | Applicazioni microarray per analisi genome-wide (GWAS, EWAS, Gene expression) 1) Disegno dello studio e calcolo della numerosità campionaria 2) Preprocessing , controllo di qualità e imputazione 3) Identificazione fattori confondenti e stratificazione 4) Analisi statistiche e descrittive 5) Correzione per test multipli 6) Metanalisi dei risultati |
| C2) Bioinformatica applicata alla genetica (3CFU) | MED/03 | Mario Grassi Mario Comelli | 1) Guida all’uso di R/ Bioconductor 2) Next generation sequencing (NGS) 3) DNA sequencing and variant calling 4) RNA sequencing e differential expression analysis |
| D2) Statistica genomica (4CFU) | MED/01 | Mario Grassi | 1) Banche dati on line (browsers, ontology, pathways, genetic variants, web tools) e enrichment analysis 2) Analisi di co-espressione e co-variazione genetica (PCA, sPCA, WGCNA) 3) Modelli di pathway molecolari con equazioni strutturali (SEM) 4) Heritability analysis con dati familiari e genome-wide (LMMs) |
| E2) Inferenza causale in medicina e genomica (3CFU) | MED/01 | Carlo Berzuini Hui Guo Frank Dudbridge Stijn Vansteelandt | 1) Introduzione all’inferenza causale 2) Modelli grafici 3) Analisi di mediazione 4) Effetto diretto, indiretto e totale 5) Randomizzazione mendeliana 6) Interazione meccanicistica 7) Introduzione alla Randomizzazione Mendeliano con metodo bayesiano |
Scarica Brochure Master