MED0783 - Statistica computazionale

L’espressione Data Science ha iniziato a guadagnare grande popolarità intorno al 2012, anche grazie alla pubblicazione intitolata «Data Scientist: The Most Alluring Profession of the 21st Century»1. Ciò è in linea con l’emergere, durante gli anni 2000, di una nuova tipologia di iniziative nel settore tecnologico e in alcuni progetti accademici: l’estrazione di insight da dataset disordinati, complessi e di grandi dimensioni, diventati sempre più diffusi e resi possibili dall’avvento della memorizzazione digitale dei dati.

Tra le varie applicazioni è di particolare interesse l’impiego di tecnologie di misurazione avanzate per comprendere le cause molecolari delle malattie.
Questo corso è incentrato su questi e su altri esempi pratici, partendo da esempi intuitivi e della vita di tutti i giorni (ad esempio elezioni), per affrontare poi esempi di natura medica, e biologica nelle attività pratiche in laboratorio.

Questo corso tratterà molti dei concetti statistici e delle capacità di analisi dei dati necessarie per avere successo nella ricerca delle scienze della vita basata sui dati. Si passa da concetti relativamente di base ad argomenti avanzati relativi all'analisi di dati "hightoughput".
Verranno ripresi concetti di inferenza statistica di base per arrivare ai modelli lineari. Vedremo perché è utile utilizzare modelli lineari per analizzare le differenze tra i gruppi ed esamineremo alcuni problemi pratici come la bontà dei modelli lineari, l'uso dei termini di interazione, e contrasti.
Si faranno quindi cenni all'analisi di dati "highthroughput". In particolare, si tratterà di test multipli, procedure di controllo del tasso di errore, analisi esplorativa dei dati, correzioni del valore p e FDR, i modelli linerari applicati alla genomica, e le basi di clustering gerarchico e k-means.
Tutti gli argomenti verranno trattati mediante applicazioni ed esercitazioni mediante software opensource (Posit R, Posit Shiny, Posit Workbench, Posit Connect)