- Docente: Paola Defilippi
- Docente: Christian Mosoni
Il corso offre una panoramica completa sulla rivoluzione introdotta da AlphaFold nel campo della biologia strutturale. Partendo dai concetti fondamentali delle proteine e dal paradosso del ripiegamento, il percorso analizza l’architettura di deep learning alla base dell’Intelligenza Artificiale sviluppata da DeepMind. Gli studenti impareranno a interpretare i modelli 3D, a navigare nei database pubblici e a comprendere come queste tecnologie stiano accelerando la ricerca biomedica e il design dei nuovi farmaci.
Questo MOOC è strutturato per guidare lo studente dai fondamenti biologici alle frontiere computazionali più avanzate. Il programma è suddiviso in 4 Moduli:
-
Modulo 1 – Fondamenti e la sfida storica: Studio della struttura proteica e della sfida rappresentata dalla predizione del folding.
-
Modulo 2 – Architettura, Rilascio e Valutazione di AlphaFold: Approfondimento su AlphaFold 2, la sua architettura e le metriche di affidabilità.
-
Modulo 3 – Interazioni proteiche e Biologia molecolare: Analisi delle interazioni proteina-proteina e delle vie di segnalazione cellulare tramite AlphaFold-Multimer.
-
Modulo 4 – Applicazione pratica, Caso studio e Prospettive future: Tutorial sull’uso di database e software di visualizzazione (PyMOL), analisi di casi studio reali (BRAF-MEK1) e prospettive su AlphaFold 3 e il drug design.
All’interno di ciascun Modulo sono presenti diverse lezioni, composte da video, testi scritti e quiz di valutazione.
Lo studente sarà in grado di illustrare la sfida scientifica del ripiegamento proteico (folding) e l'impatto trasformativo dell'intelligenza artificiale nella biologia strutturale moderna.
Lo studente sarà in grado di identificare il collo di bottiglia creato dai metodi sperimentali classici (come la cristallografia), comprendendo la necessità di strumenti computazionali avanzati per la ricerca moderna.
Lo studente sarà in grado di descrivere i principi base del funzionamento di AlphaFold, comprendendo come l'algoritmo impari dai database sperimentali per trasformare una sequenza amminoacidica in un modello 3D affidabile.
Lo studente sarà in grado di valutare l'affidabilità di un modello proteico 3D utilizzando le metriche pLDDT e i grafici PAE.
Lo studente sarà in grado di distinguere le capacità e i limiti di AlphaFold 2 rispetto ad AlphaFold 3 nel contesto delle interazioni con ioni e acidi nucleici.
Lo studente sarà in grado di utilizzare l'AlphaFold Protein Structure Database per ricercare, filtrare e scaricare modelli strutturali di interesse partendo da nomi di geni o sequenze.
Lo studente sarà in grado di visualizzare e manipolare strutture proteiche tridimensionali attraverso software come PyMOL per identificare interfacce di interazione.
Lo studente sarà in grado di progettare ipotesi biologiche su complessi proteici partendo dall'identificazione di "hotspots" e complementarità sterica in casi studio.
Superamento di quiz
Saranno disponibili esercizi e quiz per valutare il proprio livello di apprendimento e consolidare le conoscenze acquisite.
Non ci sono prerequisiti
Paola Defilippi
Christian Mosoni
paola.defilippi@unito.it
christian.mosoni@unito.it
Per problemi tecnici
edvancedeh@unito.it