Sustainable Industrial Pharmaceutical Biotechnology

See specific modules

See specific modules

See specific modules

See specific modules

See specific modules

See specific modules

Italiano
Al termine dell'insegnamento lo studente avrà acquisito conoscenze teoriche e competenze operative nell'ambito della chimica computazionale, della bioinformatica, dell'analisi di Big Data biologici e dell'applicazione di metodologie di machine learning e intelligenza artificiale alle scienze chimiche, biologiche e farmaceutiche.
In particolare lo studente sarà in grado di:
Conoscenza e capacità di comprensione
comprendere i fondamenti teorici della chimica computazionale, della modellistica molecolare, della bioinformatica, dei Big Data e degli approcci di machine learning e deep learning;
conoscere le principali metodologie computazionali per lo studio della struttura elettronica, delle proprietà molecolari, della reattività e dell'analisi di dati biologici complessi;
comprendere le potenzialità e i limiti delle metodologie di intelligenza artificiale applicate alla ricerca chimica e biomedica.
Capacità di applicare conoscenza e comprensione
utilizzare strumenti computazionali per la modellazione molecolare, la gestione e l'analisi di dati biologici e chimici;
acquisire, organizzare, integrare e interpretare dati provenienti da banche dati biologiche e chimiche e da studi multi-omici;
sviluppare, addestrare, validare e interpretare modelli predittivi basati su algoritmi di machine learning e deep learning;
applicare approcci computazionali alla progettazione di molecole, materiali funzionali e strategie di drug discovery.
Autonomia di giudizio
selezionare criticamente metodi computazionali, strumenti bioinformatici e algoritmi di intelligenza artificiale in funzione del problema scientifico affrontato;
valutare criticamente l'affidabilità dei modelli sviluppati e interpretarne correttamente i risultati anche alla luce delle evidenze sperimentali e degli aspetti etici connessi all'utilizzo dell'intelligenza artificiale.
Abilità comunicative
presentare e discutere risultati scientifici e computazionali utilizzando una terminologia tecnica appropriata in lingua inglese;
comunicare in maniera efficace metodologie, risultati e limiti degli approcci utilizzati attraverso relazioni tecniche e presentazioni scientifiche.
Capacità di apprendimento
reperire autonomamente informazioni dalla letteratura scientifica e dalle principali banche dati internazionali;
aggiornare autonomamente metodologie, strumenti software e workflow computazionali in un settore in continua evoluzione;
integrare competenze provenienti dalla chimica computazionale, dalla bioinformatica e dall'intelligenza artificiale per affrontare problemi multidisciplinari.

L'insegnamento integrato fornisce una preparazione interdisciplinare nell'ambito della chimica computazionale, della bioinformatica, dei Big Data e dell'intelligenza artificiale applicati alle scienze chimiche, biologiche e farmaceutiche.
Il percorso accompagna lo studente dai fondamenti teorici alle applicazioni avanzate della modellistica molecolare, dell'analisi di dati biologici complessi e degli approcci di machine learning per la progettazione di molecole, materiali funzionali e sistemi biologici.
L'insegnamento è articolato nei seguenti argomenti principali:
1. Computational Chemistry and Molecular Modeling
fondamenti teorici della chimica computazionale;
metodi di modellistica molecolare e struttura elettronica;
studio di proprietà molecolari, spettroscopia computazionale e reattività;
progettazione di materiali molecolari funzionali per applicazioni farmaceutiche, energetiche e nanotecnologiche;
coloranti organici e materiali per la conversione dell'energia solare.
2. Machine Learning for Computational Chemistry
principi del machine learning e del deep learning;
sviluppo, addestramento e validazione di modelli predittivi;
previsione di proprietà molecolari;
drug design e progettazione di materiali mediante approcci data-driven;
applicazioni dell'intelligenza artificiale alla chimica computazionale.
3. Big Data, Bioinformatics and Computational Biology
banche dati biologiche e chimiche;
acquisizione, gestione, annotazione e integrazione dei dati;
genomica, trascrittomica, proteomica, metabolomica ed epigenomica;
strumenti bioinformatici per l'analisi di dati biologici su larga scala;
integrazione multi-omica e workflow computazionali.
4. Artificial Intelligence for Biological Data Analysis
applicazione dell'intelligenza artificiale all'analisi di dati biologici;
classificazione di malattie, analisi dell'espressione genica e predizione dell'effetto delle varianti;
interpretabilità e validazione dei modelli;
aspetti etici dell'intelligenza artificiale in ambito biomedico;
integrazione di strumenti bioinformatici e modelli AI per applicazioni nella medicina personalizzata e nella drug discovery.
Durante il corso gli studenti svolgono attività pratiche mediante esercitazioni al calcolatore, utilizzo di software di modellistica molecolare e librerie di machine learning, analisi di casi studio, e-tivities, virtual classroom e sviluppo di un project work finale volto all'integrazione delle competenze acquisite.

Sono richieste conoscenze di base di chimica generale, chimica organica, biochimica e biologia molecolare. Costituiscono titolo preferenziale, ma non sono indispensabili, una conoscenza introduttiva della meccanica quantistica, della spettroscopia molecolare, della modellistica molecolare e della programmazione (preferibilmente Python). Eventuali competenze preliminari necessarie all'utilizzo degli strumenti computazionali saranno richiamate durante il corso.

L'insegnamento è erogato in modalità blended learning e si articola in due componenti principali: Didattica Erogativa (DE), dedicata alla trasmissione dei contenuti, e Didattica Interattiva (DI), finalizzata all'approfondimento e all'applicazione delle conoscenze acquisite.
La Didattica Erogativa comprende videolezioni asincrone, materiale didattico integrativo e incontri in presenza, durante i quali vengono affrontati gli aspetti teorici della chimica computazionale, della bioinformatica, dei Big Data e delle applicazioni del machine learning e dell'intelligenza artificiale.
Le attività in presenza prevedono esercitazioni pratiche al calcolatore, utilizzo di software di modellistica molecolare, strumenti bioinformatici e librerie di machine learning, con analisi di casi studio tratti dalla letteratura scientifica e da applicazioni di ricerca.
La Didattica Interattiva comprende e-tivities, virtual classroom, discussioni guidate, attività collaborative e formative, esercitazioni individuali e di gruppo e sviluppo di un project work finalizzato all'integrazione delle competenze acquisite nei diversi moduli dell'insegnamento.
La distribuzione temporale delle attività potrà essere adattata in funzione delle esigenze organizzative e dell'andamento del corso.

La verifica dell'apprendimento si basa sullo sviluppo di un project work individuale o di gruppo, finalizzato all'applicazione integrata delle metodologie e degli strumenti presentati durante il corso.
Il project work richiede agli studenti di affrontare un problema di ricerca nell'ambito della chimica computazionale, della bioinformatica, dell'analisi di Big Data biologici o dell'intelligenza artificiale applicata alle scienze chimiche e biologiche, applicando i metodi e le tecniche illustrati durante le attività didattiche.
L'elaborato consiste in una relazione tecnica accompagnata da una presentazione e discussione dei risultati ottenuti.
La valutazione terrà conto di:
correttezza metodologica e scientifica del lavoro svolto;
capacità di applicare gli strumenti computazionali e le metodologie apprese;
qualità dell'analisi, interpretazione e discussione dei risultati;
chiarezza espositiva e qualità della comunicazione scientifica, sia scritta sia orale;
partecipazione attiva alle attività di Didattica Interattiva (e-tivities, virtual classroom e attività collaborative).
Il completamento con esito positivo del project work e delle attività previste consente il rilascio dell'Open Badge, con certificazione delle competenze acquisite in coerenza con il framework EU-ESCO.

Chimica computazionale e modellistica molecolare
J. Grunenberg (Ed.), Computational Spectroscopy, Wiley-VCH, 2010.
A.R. Leach, Molecular Modeling: Principles and Applications, Pearson.
J.B. Foresman, Æ. Frisch, Exploring Chemistry with Electronic Structure Methods.
C.J. Cramer, Essentials of Computational Chemistry, Wiley.
J.M. Goodman, Chemical Applications of Molecular Modelling, Royal Society of Chemistry.
Machine Learning
M. Kubat, An Introduction to Machine Learning, Springer.
A.C. Müller, S. Guido, Introduction to Machine Learning with Python, O'Reilly.
Bioinformatica e Big Data
David W. Mount, Bioinformatics: Sequence and Genome Analysis.
Jin Xiong, Essential Bioinformatics.
Marketa Zvelebil, Jeremy O. Baum, Understanding Bioinformatics.
Vince Buffalo, Bioinformatics Data Skills: Reproducible and Robust Research with Open Source Tools.
Risorse online
NCBI Education Resources.
EMBL-EBI Training.
Galaxy Training Network.
Dispense, slide, articoli scientifici, tutorial e ulteriore materiale didattico resi disponibili dal docente sulla piattaforma LEARN EDUNEXT.

Il corso si propone di: • Fornire una comprensione approfondita della biocatalisi e delle sue applicazioni in ambito biotecnologico e chimico-industriale. • Introdurre la catena del valore della bioconversione e della bioproduzione, dalla scoperta enzimatica alla purificazione del prodotto. • Esplorare il ruolo delle tecnologie omiche nello studio della complessità biologica e dei microbiomi. • Acquisire competenze pratiche nelle tecniche di analisi proteica e nell’interpretazione dei dati sperimentali. • Sviluppare capacità critiche e di problem-solving in ambito bio-based e bioeconomico.

Il corso fornisce conoscenze avanzate sull’uso della biocatalisi e delle tecnologie omiche per lo sviluppo di prodotti bio-based. Attraverso lezioni teoriche, attività pratiche di laboratorio e momenti di apprendimento interattivo, gli studenti esploreranno la catena del valore della bioconversione, l’ingegneria enzimatica, la biologia sintetica e l’applicazione di genomica, proteomica e metabolomica nel contesto della biologia chimica e della bioeconomia. Particolare attenzione è posta sull’importanza industriale dei processi enzimatici, sulla diversità microbica e sull’integrazione di strumenti analitici avanzati per supportare l’innovazione sostenibile. Il corso è articolato in quattro sezioni tematiche: Sezione 1: Biocatalisi • Introduzione alla bioconversione, biotrasformazione e proprietà enzimatiche • Applicazioni industriali della biocatalisi • Enzimi immobilizzati e caso studio: CalB Sezione 2: Catena del Valore della Bioconversione • Composti ad alto valore aggiunto e progettazione di reazioni • Scoperta enzimatica, modellazione e ingegneria • Ottimizzazione del sistema ospite e biologia sintetica • Downstream processing Sezione 3: Tecnologie Omiche e Biologia dei Sistemi • Riduzionismo vs complessità • Microbioma e “materia oscura” microbica • Metagenomica, metaproteomica e metabolomica Sezione 4: Laboratorio e Analisi dei Dati • SDS-PAGE e Western Blot • Quantificazione proteica e saggi funzionali • e-tivities, questionari e aule virtuali di approfondimento

• Conoscenze di base in biologia molecolare, biochimica e microbiologia • Familiarità con tecniche di laboratorio e strumenti di ricerca scientifica

EduNext
Metodi Didattici: • Lezioni video pre-registrate • Attività interattive online (e-tivity) e quiz • Aule virtuali sincrone per discussione e feedback • Laboratori in presenza (totale 12 ore) • Accesso a risorse scientifiche open-access e articoli peer-reviewed

• Partecipazione alle e-tivity e discussioni virtuali • Compilazione di questionari online con feedback formativo • Relazioni di laboratorio e analisi dati • Valutazione finale scritta o presentazione di un progetto

• Video-lezioni e diapositive fornite dal docente • Manuale di laboratorio e protocolli sperimentali • Letture selezionate da riviste scientifiche • Piattaforme digitali per l’apprendimento e la consegna delle attività Tutto il materiale didattico necessario (articoli scientifici, dispense, slide, protocolli etc.) saranno caricati dal docente sulla propria pagina Moodle o EduNext

L’insegnamento integrato ha l’obiettivo di fornire conoscenze e competenze interdisciplinari necessarie per comprendere, valutare e supportare lo sviluppo sostenibile di prodotti, processi e organizzazioni nel settore delle biotecnologie industriali e farmaceutiche, integrando prospettive ambientali, economiche, gestionali, strategiche e regolatorie.
L’insegnamento contribuisce in particolare alla formazione della figura professionale interdisciplinare prevista dal CdLM SIPhaB, capace di coniugare competenze scientifico-tecnologiche con Life Cycle Thinking, sostenibilità, management e conoscenza del quadro normativo internazionale. Tale impostazione è esplicitamente prevista dalla SUA-CdS.
Risultati di apprendimento attesi (Learning Outcomes – LO)
LO1 – Conoscenza e capacità di comprensione. Al termine dell’insegnamento integrato, lo studente sarà in grado di comprendere i principi e gli strumenti fondamentali del Life Cycle Thinking, della valutazione della sostenibilità e dell’eco-design; i principi del controllo di gestione e della gestione sostenibile delle organizzazioni; le principali dinamiche dell’international management; e gli elementi fondamentali del quadro regolatorio applicabile alle biotecnologie industriali e farmaceutiche.
LO2 – Capacità di applicare conoscenza e comprensione. Lo studente sarà in grado di applicare approcci life-cycle-based alla valutazione di prodotti e processi biotecnologici, individuare hotspot e opportunità di miglioramento, interpretare informazioni gestionali e di performance, analizzare problematiche strategiche connesse allo sviluppo internazionale delle imprese e riconoscere i principali requisiti regolatori rilevanti per prodotti e processi biotecnologici.
LO3 – Capacità di integrazione interdisciplinare. Lo studente sarà in grado di mettere in relazione informazioni ambientali, economiche, gestionali, strategiche e regolatorie per analizzare problematiche complesse relative allo sviluppo sostenibile delle biotecnologie industriali e farmaceutiche.
LO4 – Autonomia di giudizio. Lo studente sarà in grado di confrontare criticamente tecnologie, prodotti, processi e strategie alternative, identificando vantaggi, limiti e trade-off tra diverse dimensioni della sostenibilità e tenendo conto dei vincoli organizzativi e regolatori.
LO5 – Abilità comunicative. Lo studente sarà in grado di comunicare e discutere in lingua inglese problematiche di sostenibilità, management e regulatory affairs utilizzando una terminologia scientifica e professionale appropriata e adattando la comunicazione a contesti interdisciplinari.
LO6 – Capacità di apprendimento. Lo studente sarà in grado di reperire, selezionare e valutare criticamente letteratura scientifica, dati di sostenibilità, documentazione tecnico-gestionale e fonti normative e regolatorie, integrando informazioni provenienti da discipline differenti e aggiornando autonomamente le proprie conoscenze.

L’insegnamento integrato Sustainability, Management & Regulatory Affairs fornisce una formazione interdisciplinare finalizzata a integrare le dimensioni ambientali, economiche, gestionali, strategiche e regolatorie dello sviluppo sostenibile nel contesto delle biotecnologie industriali e farmaceutiche.
L’insegnamento integrato è articolato in sei moduli da 3 CFU.
Life Cycle Thinking. Principi del Life Cycle Thinking e della valutazione della sostenibilità lungo il ciclo di vita. Life Cycle Assessment (LCA): definizione di obiettivi e campo di applicazione, unità funzionale, inventario, valutazione degli impatti e interpretazione. Principali metodologie di Life Cycle Impact Assessment. Life Cycle Costing (LCC), Social Life Cycle Assessment (S-LCA) e Life Cycle Sustainability Assessment (LCSA). LCA prospettica. Comunicazione ambientale, etichette e certificazioni ambientali. Applicazioni e casi studio nel settore biotecnologico.
Eco-design in Industrial Biotechnology. Principi di eco-design applicati alle biotecnologie industriali e integrazione della prospettiva di ciclo di vita nella progettazione di prodotti e processi. Costruzione e aggiornamento degli inventari di ciclo di vita; confronto e interpretazione dei risultati LCA; feedstock bio-based, bioeconomia ed economia circolare; green chemistry e metriche di processo; Technology Readiness Level e problematiche di scale-up; applicazioni a bioplastiche, biocarburanti, enzimi, prodotti e processi biofarmaceutici; aspetti sociali ed etici dell’innovazione biotecnologica sostenibile.
Management Control: Fundamentals. Principi, concetti e strumenti fondamentali del controllo di gestione. Processi di pianificazione, programmazione, misurazione e controllo delle performance a supporto dei processi decisionali delle organizzazioni.
Management Control and Sustainable Development. Integrazione dei principi dello sviluppo sostenibile nei sistemi di pianificazione e controllo. Strumenti strategici di gestione e controllo per supportare l’implementazione degli obiettivi di sostenibilità nelle organizzazioni e nelle imprese e per valutare le relative performance.
International Management. Principali concetti e strumenti per comprendere lo sviluppo internazionale delle imprese. Analisi delle variabili e dei processi decisionali rilevanti dal punto di vista strategico e operativo, strategie e politiche di internazionalizzazione e gestione delle organizzazioni in un contesto globale.
International Regulatory Affairs. Principali aspetti legislativi e regolatori, in ambito europeo e internazionale, rilevanti per il settore farmaceutico e biotecnologico. Principi e procedure regolatorie connesse allo sviluppo, produzione e commercializzazione di prodotti e processi biotecnologici e farmaceutici.
I sei moduli concorrono alla costruzione di una visione integrata della sostenibilità applicata alle biotecnologie industriali e farmaceutiche, mettendo in relazione valutazione degli impatti, eco-design, gestione e controllo, strategie di impresa e vincoli regolatori.

Non sono previste propedeuticità specifiche oltre ai requisiti necessari per l’ammissione al CdLM in Sustainable Industrial Pharmaceutical Biotechnology.
Sono richieste conoscenze di base nelle discipline chimiche, biologiche, biochimiche, matematiche e statistiche normalmente acquisite durante un corso di laurea di primo livello nelle discipline ammesse al CdLM.
È richiesta una conoscenza della lingua inglese almeno di livello B2.

L’insegnamento integrato adotta il modello ECOBI – Educational Cluster, Open Badge, Blended Intensive Program, combinando attività didattiche a distanza e in presenza.
In funzione delle caratteristiche dei singoli moduli, le attività possono comprendere lezioni frontali e interattive, attività sincrone e asincrone online, esercitazioni, analisi di casi studio, problem solving, lavori individuali e di gruppo, discussione di letteratura scientifica e documenti tecnico-regolatori, applicazione di strumenti di valutazione della sostenibilità e attività seminariali.
Le attività dei singoli moduli sono finalizzate all’acquisizione progressiva delle conoscenze disciplinari (LO1, LO2), mentre casi studio, esercitazioni e attività collaborative favoriscono l’integrazione delle differenti prospettive del Cluster (LO2, LO3, LO4). Le attività di ricerca autonoma delle fonti, discussione, presentazione e lavoro di gruppo contribuiscono allo sviluppo delle abilità comunicative e di apprendimento autonomo (LO5, LO6).
Il modello ECOBI previsto dalla SUA adotta al primo anno una modalità mista, con attività telematiche e periodi intensivi in presenza dedicati in particolare ad attività pratiche e collaborative.
Per gli studenti che non possono partecipare regolarmente alle attività in presenza sono disponibili, secondo l’organizzazione dei singoli moduli, materiali per lo studio autonomo attraverso le piattaforme didattiche. Gli studenti sono invitati a contattare i docenti responsabili dei moduli per eventuali indicazioni specifiche.

Informazioni dettagliate sull’organizzazione didattica, sui materiali, sulle attività e sulle modalità di valutazione delle singole componenti dell’insegnamento integrato sono fornite dai docenti responsabili dei rispettivi moduli e attraverso le piattaforme didattiche di Ateneo.
Nell’ambito del modello ECOBI, il raggiungimento degli obiettivi formativi dei singoli moduli è associato al rilascio di Open Badge formulati in coerenza con il framework europeo ESCO. Il superamento della valutazione complessiva dell’Educational Cluster, unitamente all’acquisizione dei CFU previsti, consente il rilascio del relativo Milestone Badge.
8. Modalità di verifica dell’apprendimento
La valutazione dell’I.C. Sustainability, Management & Regulatory Affairs è articolata su due livelli: valutazione delle competenze acquisite nei singoli moduli e valutazione finale integrata dell’Educational Cluster.
Valutazione dei singoli moduli. Ciascun modulo prevede proprie attività di verifica dell’apprendimento, definite dal docente responsabile e finalizzate ad accertare il raggiungimento degli specifici risultati di apprendimento. Il superamento della valutazione del singolo modulo contribuisce all’acquisizione del relativo Open Badge.
Valutazione finale dell’I.C. Il voto finale dell’insegnamento integrato, espresso in trentesimi, è determinato come segue:
80%: media dei voti conseguiti nei singoli moduli dell’Educational Cluster;
20%: risultato di un test finale integrato costituito da 30 domande a risposta multipla, relativo ai contenuti e alle competenze sviluppate nell’intero Educational Cluster. Per ciascuna domanda è prevista una sola risposta corretta; ogni risposta corretta vale 1 punto e ogni risposta errata vale 0 punti.
Il test finale è finalizzato a verificare la capacità dello studente di riconoscere, comprendere e mettere in relazione conoscenze provenienti dalle diverse componenti dell’I.C., con particolare riferimento alla valutazione della sostenibilità, all’eco-design, al management e agli aspetti regolatori (LO1–LO4).
Le valutazioni previste nei singoli moduli concorrono inoltre alla verifica delle capacità applicative, dell’autonomia di giudizio, delle abilità comunicative e della capacità di apprendimento autonomo (LO2–LO6), secondo le modalità specificate nei rispettivi moduli.
La prova finale si intende superata con una valutazione complessiva pari o superiore a 18/30.

I testi, i materiali didattici e le letture di riferimento sono indicati dai docenti responsabili dei singoli moduli.
Il materiale didattico può comprendere slide delle lezioni, capitoli di libri, articoli scientifici, rapporti tecnici, standard internazionali, documenti normativi e regolatori europei e internazionali, casi studio ed eventuali ulteriori risorse messe a disposizione attraverso le piattaforme didattiche di Ateneo.
Considerata la natura interdisciplinare e la continua evoluzione scientifica, gestionale e regolatoria delle tematiche affrontate, durante il corso potranno essere forniti materiali e riferimenti bibliografici aggiornati.

Orale