COMPUTATIONAL BIOMOLECULAR DESIGN

L'insegnamento si colloca come attività formativa avanzata che integra la fisica computazionale, la modellistica matematica e le scienze biologiche, rispondendo agli obiettivi del corso di laurea magistrale in Engineering Physics.Nello specifico, il corso fornisce agli studenti gli strumenti fisici ed ingegneristici necessari per comprendere e simulare sistemi complessi su scala nanometrica e molecolare. L'approccio rigido basato sulla meccanica classica, statistica e quantistica si applica qui alla progettazione e modellizzazione in silico di macromolecole. Questo percorso prepara i futuri ingegneri fisici a operare nei settori emergenti delle biotecnologie quantitative, della nanomedicina, della soft matter e dello sviluppo di biosensori o materiali bio-ispirati.

In conformità con i descrittori di Dublino, al termine dell'insegnamento lo studente sarà in grado di:
• Conoscenza e capacità di comprensione: Descrivere i principi fisici, geometrici ed energetici che governano la struttura e le interazioni delle proteine. Comprendere gli algoritmi alla base della meccanica molecolare, della dinamica molecolare e dei metodi di minimizzazione energetica.
• Capacità di applicare conoscenza e comprensione: Utilizzare strumenti computazionali avanzati e database strutturali per visualizzare, analizzare e caratterizzare le interfacce e i complessi proteina-proteina. Applicare metodi predittivi e protocolli di progettazione strutturale per lo sviluppo in silico di leganti proteici.
• Autonomia di giudizio: Valutare criticamente la qualità, l'affidabilità e i limiti dei modelli strutturali proteici generati tramite metodi predittivi o simulazioni computazionali.
• Abilità comunicative: Presentare in modo chiaro, rigoroso e con il corretto lessico tecnico-scientifico i risultati di un'analisi o di un progetto di modellazione molecolare, collegando le proprietà fisiche microscopiche alla funzione biologica macromolecolare.
• Capacità di apprendimento: Dimostrare le competenze metodologiche necessarie per approfondire autonomamente la letteratura scientifica di settore e per assimilare l'utilizzo di nuovi software o algoritmi nel campo della biofisica computazionale.

Per frequentare proficuamente l'insegnamento sono richieste le seguenti competenze di base:
• Fisica e Matematica: Concetti fondamentali di meccanica classica, termodinamica, meccanica statistica e metodi matematici o numerici per la fisica.
• Informatica: Non sono richiesti prerequisiti, ma si raccomanda certa familiarità con l'utilizzo di ambienti di calcolo scientifico o nozioni basilari di programmazione/scripting per l'elaborazione di dati.
• Chimica/Biologia: Nozioni base di chimica generale (legami chimici, interazioni intermolecolari) ed conoscenze base di Biochimica e struttura delle proteine.

Per questo corso si raccomanda vivamente di disporre di un computer portatile per il suo impiego nelle sessioni "hands-on".

1. Proprietà strutturali delle proteine.
- Aminoacidi: le perline nella catena delle proteine.
- Gerarchia strutturale delle proteine
- Principali forze motrici della stabilità strutturale delle proteine
- Ripiegamento delle proteine

2. Metodi per la determinazione della struttura delle proteine.
- Cristallografia a raggi X
- Spettroscopia di risonanza magnetica nucleare (NMR)
- Microscopia elettronica criogenica (Cryo-EM)
- Previsione della struttura proteica: una panoramica storica.
- Modellazione per omologia.
- AlphaFold

3. Introduzione alla modellazione molecolare.
- Che cos’è la modellazione molecolare?
- Unità di misura di lunghezza ed energia
- Banche dati disponibili
- Grafica molecolare

(A) Il database delle proteine: un approccio pratico tramite la grafica molecolare.

(B) Formazione pratica sugli strumenti computazionali per la previsione della struttura delle proteine.

4. Aspetti strutturali delle interazioni proteina-proteina.
- Classificazione delle interazioni proteina-proteina
- Principi del riconoscimento molecolare
- Cooperatività
- Flessibilità
- Autoassemblaggio
- Rilevanza funzionale delle interazioni proteina-proteina.

5. Aspetti energetici delle interazioni proteina-proteina.
- Panoramica sull’energetica delle interazioni proteina-proteina
- Metodi sperimentali per stimare l’affinità di legame
- Caratteristiche importanti che influenzano l’affinità di legame
- Effetti delle mutazioni sull’affinità di legame
- Previsione in silico dell’affinità e della stabilità delle interazioni proteina-proteina.
- Previsione della struttura proteina-proteina: docking molecolare.

(C) Formazione pratica sugli strumenti computazionali per la caratterizzazione dell’interfaccia proteina-proteina.

(D) Formazione pratica sugli strumenti computazionali per la previsione della conformazione strutturale delle proteine.

6. Meccanica molecolare.
- Fondamenti di meccanica quantistica (QM) della meccanica molecolare (MM)
- Principi alla base della meccanica molecolare.
- Campi di forza.
- Approcci per la riduzione del costo computazionale

7. Nozioni di base sui metodi di minimizzazione dell’energia
- Fondamenti di ottimizzazione
- Componenti algoritmici di base
- Metodi di primo ordine.
- Metodi di secondo ordine.
- Scelta del metodo

8. Simulazioni di dinamica molecolare: nozioni di base
- Perché la dinamica molecolare?
- L’algoritmo di Verlet
- Insiemi statistici.
- Monitoraggio dell’equilibrio.
- Proprietà come medie statistiche.
- Analisi delle traiettorie di dinamica molecolare.

(E) Formazione pratica sull’analisi della dinamica molecolare.

(F) Metodi attuali per la progettazione in silico di leganti proteici.

Modellazione Molecolare:
Schlick, Tamar. Molecular Modeling and Simulation: An Interdisciplinary Guide. 2nd ed., Springer, 2010.
Leach, Andrew R. Molecular Modelling: Principles and Applications. 2nd ed., Prentice Hall, 2001.
Interazione proteina-proteina:
Poluri, Krishna Mohan, Khushboo Gulati, and Sharanya Sarkar. Protein-protein interactions. Singapore:: Springer, 2021.
Gromiha, M. Michael, editor. Protein Interactions: Computational Methods, Analysis and Applications. World Scientific Publishing, 2020.

Ulteriori materiali – come articoli peer-reviewed e risorse digitali (tutorial di software) – saranno condivisi dal docente per supportare le sessioni "hands-on" e il "journal club".

Opzione 1 (studenti frequentanti):
Il voto finale è determinato dai seguenti elementi:
· Portfolio pratico (70%): valuta la partecipazione costante e include i progetti computazionali svolti nelle sessioni hands-on e una presentazione su un articolo scientifico.
· Esame orale (30%): consiste in almeno tre domande aperte sui progetti computazionali contenenti nel portfolio e/o sugli argomenti trattati a lezione. Verranno valutati con lo stesso peso: l'utilizzo di un linguaggio appropriato, il livello di approfondimento degli argomenti, e la precisione della descrizione.

Opzione 2 (studenti non frequentanti):
Sviluppo di un progetto computazionale autonomo (es. disegno di una variante proteica stabilizzata o di un peptide legante) documentato in una relazione scritta e difeso tramite una presentazione orale con supporto di slide. A seguire, il docente chiederà qualche domanda inerente alla presentazione (20% del voto finale). Verranno valutati: l'utilizzo di un linguaggio appropriato (massimo 10 punti), il livello di approfondimento degli argomenti (massimo 10 punti), e la precisione della descrizione (massimo 10 punti).

orale

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

La valutazione è espressa in trentesimi.
La gradazione del voto (modalità con cui saranno assegnati i voti) viene generalmente definita come segue:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma (punteggi compresi tra 18-22 punti);
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma (punteggi compresi tra 23-26 punti);
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma ((punteggi compresi tra 27-30 punti);
La lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al programma, eccellenti.

I contenuti saranno presentati tramite lezioni frontali.
Verranno svolte esercitazioni pratiche sull’uso di diversi strumenti computazionali applicati alla modellazione e progettazione delle biomolecole.
In classe verranno discussi casi pratici tratti da diversi articoli scientifici, con la possibilità per gli studenti di preparare e provare presentazioni orali introduttive per ciascun caso.
Le registrazioni delle lezioni sarano disponibili limitatamente all'anno accademico in corso, dall'inizio delle attività didattiche fino al termine dell'ultima sessione d'esame utile (quarto appello); trascorso tale termine, le registrazioni non sono più accessibili.

Accessibilità, Disabilità e Inclusione

Accomodamenti e Servizi di Supporto per studenti con disabilità o con disturbi specifici dell’apprendimento: Ca’ Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. In caso di disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e si necessita di supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro), si contatti l’ufficio Disabilità e DSA: disabilita@unive.it.

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile