Questo e' un corso introduttivo agli elementi fondamentali della modellistica molecolare e dello sviluppo di farmaci assistito dal calcolatore (computer-assisted drug design, CADD). CADD e' oggi parte integrante di pressoche' ogni programma di sviluppo di farmaci e la comprensione delle piu' comuni applicazioni di questa disciplina e' pertanto componente importante del profilo di ogni futuro professionista in ambito farmaceutico, biomedico e delle scienze della vita.  

Nella seconda parte del corso, verra' anche introdotta la disciplina dell'apprendimento automatico (machine learning) con particolare riferimento alle sue applicazioni in ambito di ricerca e sviluppo dei farmaci

Al termine del corso, lo studente sara' in grado di interrogare database online e utilizzare semplici risorse disponibili nel pubblico dominio

Lezioni frontali

• Introduzione alla Modellistica Molecolare
• Rappresentazioni di Molecole
• Il Concetto di Similarita' tra Molecole
• Progettazione di Librerie di Molecole
• Breve Introduzione agli Approcci Quanto-Meccanici
• Il Concetto di Force Field
• Approcci Ligand-based
• Approcci Structure-based:
  • Modellazione per Omologia
  • Docking
  • Screening Virtuale
• Dinamica Molecolare
• Introduzione al Machine Learning
• Applicazioni di Machine Learning allo Sviluppo di Farmaci

Computer Lab

• Docking and Relazioni Struttura-Attivita'
• Dinamica Molecolare: Set-up e Analisi delle Traiettorie
• Machine Learning: Generare Nuove Molecole

Il corso non presuppone abilita' di programmazione

Conoscenza e capacità di comprensione: progettare ed eseguire simulazioni che complementino e si integrino con la chimica di sintesi, la farmacologia e tutte le altre discipline che contribuiscono alle fasi iniziali dello sviluppo di un farmaco. 

Conoscenza e capacità di comprensione applicate: comprendere i dettagli del contributo fornito dalla modellistica molecolare: i) all' identificazione degli hit, ii) all' esplorazione della relazione struttura-attivita', e iii) all'ottimizzazione di risorse in fase di ottimizzazione di un lead.

Autonomia di giudizio: sviluppare una adeguata sensibilita' in termini di aspettative per i risultati forniti dai metodi simulativi, in base alla tecnica specifica utilizzata, le risorse computazionali impiegate, e l'entita' dei risultati sperimentali che hanno contribuito ad informare la simulazione.

Abilita' comunicative: la terminologia specifica (si noti, ad esempio, la preponderanza di anglicismi nella descrizione del corso) puo' costituire una barriera nella comunicazione tra modellisti e sperimentali. Avere una conoscenza ancorchè basilare della terminologia adottata in ambito CADD pone lo studente in una posizione di vantaggio in un futuro contesto lavorativo interdisciplinare.      

Capacità di apprendere: gli studenti apprenderanno: i) come ricercare risorse disponibili online, interpretare i risultati di un approccio computazionale, svolgere in autonomia semplici simulazioni.

Il materiale didattico predisposto dalla/dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni della/del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Esercitazioni svolte dal docente durante il corso

Modalità didattiche

Lezioni frontali con almeno 3 sessioni applicate (aula informatica)

Obblighi

La frequenza è fortemente consigliata ma non è obbligatoria

Testi di studio

Per l'esame

• Materiale (slides) fornito e illustrato durante le lezioni

Extra/Per Consultazione:

• Leach, Molecular Modelling: Principles and Applications, Pearson
• Leach, Gillet, An introduction to Chemoinformatics, Springer
• Gressling, Data Science in Chemistry, De Gruyter

Modalità di
accertamento

Fino al perdurare dell'emergenza COVID-19: 

Esame solo orale

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.

Modalità didattiche

Nessuna differenza rispetto agli studenti frequentanti, fatto salvo il caloroso invito a frequentare