Questo corso introduce all’utilizzo integrato di strumenti di bioinformatica classica e modelli di intelligenza artificiale per l’identificazione di nuovi target farmacologici. L’obiettivo è fornire competenze pratiche e teoriche sull’uso combinato di piattaforme come ExPASy, per l’analisi funzionale e strutturale delle proteine, e AlphaFold, per la predizione tridimensionale, affiancate all’impiego di modelli linguistici GPT in grado di estrarre e collegare conoscenze biologiche da fonti testuali e database.

Gli studenti esplorano l’evoluzione della bioinformatica verso approcci data-driven, imparano ad analizzare sequenze e strutture proteiche, e comprendono come l’intelligenza artificiale possa supportare la definizione di ipotesi terapeutiche. Il corso combina teoria e casi pratici, proponendo l’analisi di proteine reali e la costruzione di una pipeline integrata che va dal gene alla selezione del target farmacologico. 

Al termine dell’insegnamento, gli studenti sono in grado di discutere criticamente vantaggi, limiti e prospettive della bioinformatica classica e/o assistita dall’intelligenza artificiale applicata alla ricerca di nuovi farmaci, e di definire i criteri principali con cui informazioni di sequenza, funzione, struttura e druggability contribuiscono all’identificazione di potenziali target farmacologici.