Syllabus del corso
Obiettivi
L'insegnamento si propone di fornire agli studenti le basi concettuali e gli strumenti applicativi della bioinformatica e della chimica computazionale per lo studio delle relazioni struttura-funzione nelle macromolecole biologiche e nei network metabolici.
Al termine dell'insegnamento lo studente conoscerà le basi teoriche dei principali metodi bioinformatici e computazionali adatti a studiere le relazioni tra struttura e funzione e saprà utilizzare in modo critico i principali programmi per studiare le relazioni struttura funzione in macromolecole biologiche e network metabolici.
Conoscenza e capacità di comprensione
Al termine dell'insegnamento lo studente dovrà conoscere le basi teoriche e le tecniche computazionali più importatnti per studiare le relazioni struttura-funzione nelle biomolecole
Capacità di applicare conoscenza e comprensione
Al termine dell'insegnamento lo studente dovrà essere in grado di applicare le conoscenze acquisite alle materie che studierà nel secondo semestre
Autonomia di giudizio
Lo studente dovrà essere in grado di elaborare quanto appreso nel corso e saper interpretare e discutere criticamente le teorie e i metodi riguardanti lo studio delle relazioni struttura-funzione.
Abilità comunicative
Alla fine dell'insegnamento lo studente saprà esprimersi in modo appropriato nella descrizione delle teorie e dei metodi riguardanti lo studio delle relazioni struttura funzione, con proprietà di linguaggio e sicurezza di esposizione.
Capacità critiche e di giudizio
Verranno esaminati insieme agli studenti dei case study relativi alle applicazioni computazionali nell'ambito delle biotecnologie industriali.
Capacità di apprendimento
Alla fine dell'insegnamento lo studente avrà le competenze necessarie per affrontare in autonomia gli studi successivi che richiedano competenze riguardanti le relazioni struttura funzione e saprà applicare le conoscenze acquisite con quanto verrà appreso in insegnamenti che abbiano questi prerequisiti.
Contenuti sintetici
Vengono trattati i metodi di interrogazione di banche dati contenenti strutture di macromolecole biologiche. I metodi di analisi e confronto di strutture proteiche. I metodi di homology modelling, fold recognition e ab initio nello studio delle proprietà strutturali e funzionali delle proteine. I metodi computazionali basati su AI per la predizione delle proprietà strutturali e funzionali di biomolecole. La meccanica e la dinamica molecolare. Lo studio “in silico” dei fenomeni di riconoscimento molecolare: interazione proteina-proteina e proteina-ligando.
Nella parte centrale dell'insegnamento vengono illustrate le applicazioni biotecnologiche di enzimi, con particolare enfasi sui sistemi contenenti metalli di transizione in ambito energetico e di bioremediation.
Vengono inoltre trattati i metodi computazionali per l’analisi, la modellizzazione e la ricostruzione in silico di network metabolici.
Programma esteso
Metodi di interrogazione di banche dati contenenti sequenze e strutture di macromolecole biologiche.
Nozioni di base riguardanti i metodi per allineare sequenze proteiche. Matrici di score.
Omologia, similarità e identità.
BLAST e FASTA. Clustal.
Accenno ai metodi sperimentali per determinare la struttura tridimensionale di macromolecole biologiche.
Principi alla base dei metodi per la predizione delle strutture tridimensionali di proteine. Homology modelling. Fold recognition.
Metodi ab initio nello studio delle proprietà strutturali e funzionali delle proteine.
Metodi computazionali basati su AI per la predizione delle proprietà strutturali e funzionali di biomolecole.
Metodi per validare le strutture proteiche.
La meccanica e la dinamica molecolare.
Metodi ligand-based e receptor-based nella progettazione di nuovi farmaci.
Concetto di farmacoforo.
QSAR e metodi di machine learning.
Lo studio “in silico” dei fenomeni di riconoscimento molecolare: interazione proteina-proteina e proteina-ligando. I metodi di docking.
Applicazioni biotecnologiche di enzimi, con particolare enfasi sui sistemi contenenti metalli di transizione in ambito energetico e di bioremediation.
Metodi computazionali per l’analisi, la modellizzazione e la ricostruzione in silico di network metabolici. Metabolic Control Analysis e definizione dei coefficienti relativi. Flux Balance Analysis.
Discussione delle banche dati conteneti informazioni utili per la ricostruzione di network metabolici.
Nelle esercitazioni di laboratorio vengono utilizzati metodi computazionali e bioinformatici per:
- Progettare varianti di enzimi naturali
- Predirre la struttura di proteine mediante homology modelling
- Studiare le relazioni struttura-funzione in network metabolici
Prerequisiti
Prerequisiti. Conoscenze di base in ambito biologico, chimico e fisico
Propedeuticità. Nessuna
Modalità didattica
24 lezioni da 2 ore svolte in presenza in modalità erogativa (didattica erogativa, DE) focalizzata sulla presentazione-illustrazione di contenuti, concetti, principi scientifici.
20 attività di esercitazione da 2 ore svolte in presenza come supporto allo studio e alla preparazione della prova d'esame svolte in modalità interattiva in presenza.
Tutte le lezioni vengono registrate e caricate sulla corrispondente pagina e-learning.
L'insegnamento viene erogato in lingua italiana.
Materiale didattico
Slides. Disponibili sulla piattaforma e-learning dell'insegnamento.
Bibliografia. Selezione di monografie e articoli scientifici disponibili sulla piattaforma e-learning dell'insegnamento.
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
Lo studente consegue i CFU del corso attraverso il superamento di una prova prova orale. Non sono previste prove in itinere.
La prova orale con votazione in trentesimi consiste in un colloquio in cui la/lo studentessa/studente dovrà rispondere in modo chiaro e con proprietà di linguaggio a domande aperte relative agli aspetti e le tematiche discusse durante le lezioni. Il voto finale terrà conto della valutazione con la seguente graduazione:
18-21: preparazione su una parte limitata degli argomenti del programma del corso, con scarsa capacità di trattazione e analisi autonoma che, nella prova orale, emergono solo a seguito dell’aiuto e delle domande del docente; capacità espositiva a tratti incerta, lessico non sempre chiaro e accurato, talvolta non corretto, con una capacità di elaborazione critica molto limitata;
22-24 preparazione su un buon numero degli argomenti del programma del corso anche se non omogenea, con una sufficiente capacità di trattazione e analisi autonoma, talvolta sollecitate dalle domande del docente; capacità espositiva sufficientemente chiara, lessico generalmente corretto, anche se talvolta non accurato o chiaro, capacità di elaborazione critica limitata;
25-27: preparazione su un numero ampio di argomenti trattati nel programma del corso, capacità di svolgere con buona autonomia l’argomentazione e l’analisi critica e capacità di applicazione delle conoscenze a casi concreti, uso di un lessico corretto e competenza nell’uso del linguaggio disciplinare;
28-30/30L: preparazione completa ed esaustiva sugli argomenti del programma d’esame, capacità di trattazione autonoma e di analisi critica degli argomenti, capacità di collegamento dei temi a casi concreti e a diversi contesti e discipline, ottima capacità di pensiero critico e autonomo, piena padronanza del lessico disciplinare, capacità espositiva rigorosa e articolata, capacità di argomentazione.
Orario di ricevimento
Ricevimento: Lunedì 15.30-17.30
Sustainable Development Goals
Aims
The course is aimed at providing the theoretical and practical basis of bioinformatics and computational methods to study structure-function relationships in biological macromolecules and metabolic networks.
At the end ot the course students have acquired the theoretical bases of the main computational and bioinformatics methods suited to study structure-activity relationships and will be able to use software to study structure-activity relationships in biomolecules and metabolic networks, as well as discuss critically results.
Knowledge and understanding
The student will gain knowledge about theory and computational methods to studystructure-function relationships in biomolecules.
Applying knowledge and understanding
The student will be able to apply the knowledge acquired under 1. to the subsequent subjects.
Making judgements
The student will be able to process the acquired knowledge towards its application in topics related to structure-function relationships in biomolecules.
Communication skills
Use of an appropriate scientific/chemical vocabulary and ability in oral reports
Critical and judgment skills
Case studies related to computational applications in industrial biotechnology will be examined together with the students.
Learning skills
Skills in reading and understanding the subsequent studies requiring knowledge of structure-function relationships theory and methods.
Contents
Computational methods to query biological databases. Analysis and comparison of protein sequences. Homology modelling, fold recognition and ab initio methods to predict protein structures. AI-based computational methods for predicting the structural and functional properties of biomolecules.
Molecular mechanics and molecular dynamics.
Molecular recognition: protein-ligand and protein-protein interactions.
Biotechnological application of metalloenzymes in energy and bioremediation fields.
Computational methods for the analysis, modelling and reconstruction of metabolic networks.
Detailed program
Query of databases containing protein sequences and structures.
Basic notions about protein sequence alignments. Score matrices.
Homology, similarity and identity.
BLAST and FASTA. Clustal.
Introduction to the experimental methods to derive the three-dimensional structure of proteins.
Theoretical bases of computational methods used to predict protein structures. Homology modelling. Fold recognition.
Ab initio methods to study structural and functional properties of proteins.
AI-based computational methods for predicting the structural and functional properties of biomolecules.
Metods to validate protein structures.
Molecular mechanics and dynamics.
Ligand-based and receptor-based methods in virtual high throughput screening.
QSAR and machine learning.
Docking methods.
Biotechnological applications of enzymes in energy and bioremediation fields.
Computational methods to study metabolic networks. Metabolic Control Analysis and Flux Balance Analysis.
Laboratory sessions where computational and bioinformatics tools are used to:
- Design enzyme variants
- Predict protein structure
- Study structure-function relationships in metabolic networks.
Prerequisites
Background. Basic knowledge of biology, chemistry and physics.
Prerequisites. None
Teaching form
24 2 hours-lectures in person delivered didactics (Didattica erogativa, DE) focused on the presentation-illustration of contents by the lecturer.
20 hours of in person Tutorial computational activities aimed at guiding and assisting students throughout their studies in view of the exam preparation delivered by interactive teaching (Didattica
Interattiva, DI) through in-person tutorials.
All lessons are recorded and made available on the corresponding e-learning web page.
Lessons are in italian.
Textbook and teaching resource
Slides. Available at the e-learning platform of the course.
Bibliography. Selected scientific papers and reviews available at the e-learning platform of the course.
Semester
First semester
Assessment method
The student obtains the course credits (CFU) by passing an oral examination. No in-course assessments are planned.
The oral examination, graded on a scale of 30, consists of an interview in which the student must respond clearly and using appropriate language to open questions relating to the topics and issues covered during the lectures. The final grade will be determined according to the following scale:
18–21: preparation covering a limited portion of the course syllabus, with weak ability to independently discuss and analyse topics, which in the oral exam emerges only following the instructor’s guidance and prompting; sometimes uncertain presentation skills, with language that is not always clear or precise and occasionally incorrect, and very limited critical thinking ability.
22–24: preparation covering a good number of the topics included in the course syllabus, although not in a fully balanced way, with sufficient ability to independently discuss and analyse topics, sometimes supported by the instructor’s questions; reasonably clear presentation skills, generally correct vocabulary, although at times not precise or clear, and limited critical thinking ability.
25–27: preparation covering a wide range of topics included in the course syllabus, with good autonomy in argumentation and critical analysis, and the ability to apply knowledge to concrete cases; correct use of vocabulary and good command of disciplinary language.
28–30/30 with distinction (30L): comprehensive and exhaustive preparation on the course syllabus topics, strong autonomous ability in discussion and critical analysis of the topics, ability to connect themes to concrete cases and to different contexts and disciplines, excellent critical and independent thinking skills, full command of disciplinary terminology, rigorous and well-structured presentation skills, and strong argumentative ability.
Office hours
Contact Monday 15.30-17.30
