Dipartimento di Medicina e Chirurgia
Università di Milano-Bicocca
10-12 Maggio 2023
INTRODUZIONE
L’utilizzo della spettrometria di massa si sta via via sempre più diffondendo come strumento per lo studio di miscele complesse e sta assumendo notevole rilevanza in molti ambiti
che spaziano dalla medicina, all’ambiente, al comparto alimentare.
Una adeguata analisi dei dati generati dall’applicazione della spettrometria di massa è la naturale premessa a garanzia di una corretta interpretazione dei risultati ottenuti.
Per questo, c’è una crescente necessità di fare formazione non solo sugli aspetti pratici di laboratorio, ma anche sui metodi statistici più adeguati alla gestione e analisi dei
dati e all’interpretazione e comunicazione dei risultati ottenuti.
La scuola è parte di una serie di corsi di formazione pratica organizzati dalla Divisione di Spettrometria di Massa (DSM-SCI) ed è una iniziativa che vede la sinergia con la
Società Italiana di Biometria e il Dipartimento di Medicina e Chirurgia dell’Università di Milano - Bicocca.
Questa edizione della
Il secondo e terzo giorno saranno invece dedicati all’elaborazione dei dati di spettrometria di massa e all’interpretazione dei risultati ottenuti. Le lezioni saranno divise in sessioni teoriche e pratiche, dove verranno utilizzati dati reali. Nello specifico, prima verrà spiegata l’importanza del pre-processamento dei dati ed i metodi relativi (i.e. baseline, smoothing, normalization, alignment e peak detection). Successivamente, ci si concentrerà sui metodi statistici unsupervised e supervised.
Alcune delle tecniche che verranno trattate riguardano metodi per la riduzione della dimensionalità del dato e la rappresentazione grafica in spazi bi e tri-dimensionali, quali Principal Component Analysis (PCA), t-distributed stochastic neighbor embedding (t-SNE) e Uniform Manifold Approximation and Projection (UMAP), Partial Least-square Discriminant Analysis (PLS-DA). Verranno poi affrontati i metodi unsupervised per il clustering dei dati come k-means, hierarchical clustering analysis e community detection. Infine verranno discussi i metodi supervised di classificazione come la regressione logistica e multinomiale, ponendo l’enfasi sull’interpretazione dei risultati dei modelli e sulle differenze rispetto ai metodi di analisi univariata.
Verrà fornito materiale didattico per le sessioni teoriche e per le esercitazioni pratiche.
Per le esercitazioni è richiesto un laptop personale, con R e RStudio installato. Agli iscritti verrà fornito il link per scaricarlo.