Biochemistry – Biochimica

ALESSANDRO PAIARDINI

Obiettivi Generali

Il corso si propone di fornire agli studenti sia conoscenze di base che avanzate nel campo della Biochimica Computazionale, con un focus particolare sull’analisi e la comprensione della struttura delle proteine. L’obiettivo è integrare aspetti teorici e pratici, dedicando circa metà del percorso formativo all’addestramento pratico con strumenti computazionali e software open source. Al termine del corso, lo studente sarà in grado di utilizzare in modo consapevole ed efficace le tecniche di modellizzazione, simulazione e analisi strutturale, interpretando criticamente i risultati ottenuti e contribuendo allo sviluppo di approcci innovativi in ambito biochimico.

Obiettivi Specifici

a) Conoscenza e capacità di comprensione:

Comprendere i principi teorici delle metodologie computazionali applicate allo studio della struttura proteica.

Conoscere le principali tecniche di modellizzazione molecolare, simulazione e analisi delle interazioni.

Approfondire la conoscenza delle caratteristiche strutturali e funzionali delle proteine e dei complessi macromolecolari associati.

b) Capacità di applicare conoscenza e comprensione:

Utilizzare software open source e strumenti computazionali per l’analisi, modellizzazione e simulazione delle strutture proteiche.

Applicare metodologie avanzate per risolvere problemi specifici nel campo della Biochimica Computazionale.

Interpretare e valutare criticamente i dati ottenuti da analisi strutturali in un contesto biologico.

c) Autonomia di giudizio:

Saper condurre autonomamente studi di modellizzazione e simulazione della struttura delle proteine.

Selezionare il metodo computazionale più adeguato in funzione della problematica biochimica affrontata.

Valutare in maniera critica i risultati e le tecniche adottate, integrando eventuali nuovi approcci derivanti dalla ricerca corrente.

d) Abilità comunicative:

Comunicare efficacemente i risultati delle analisi computazionali sia in forma scritta che orale.

Presentare dati complessi utilizzando una terminologia appropriata e un rigore metodologico.

Condividere le proprie competenze e i risultati ottenuti in contesti di ricerca, presentazioni scientifiche e collaborazione interdisciplinare.

e) Capacità di apprendimento:

Sviluppare la capacità di integrare continuamente nuove scoperte e metodologie nel campo della Biochimica Computazionale.

Acquisire gli strumenti cognitivi necessari per approfondire autonomamente le tecniche avanzate di analisi e simulazione della struttura proteica.

Essere preparati ad aggiornarsi costantemente in linea con l’evoluzione delle tecniche di modellizzazione e simulazione molecolare.

I risultati di apprendimento attesi per gli studenti di un corso di Biochimica computazionale si suddividono come segue:

1. Conoscenza e capacità di comprensione (knowledge and understanding):
Gli studenti devono dimostrare una solida conoscenza dei principi fondamentali della biochimica, nonché una comprensione approfondita delle tecniche computazionali utilizzate per analizzare e interpretare i processi biochimici. Questo include la conoscenza dei concetti di struttura e funzione delle biomolecole, delle reazioni chimiche e delle interazioni molecolari che avvengono all'interno delle cellule.

2. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding):
Gli studenti devono essere in grado di applicare le conoscenze biochimiche acquisite per utilizzare strumenti e software specifici utilizzati nell'analisi dei dati biochimici. Questo implica la capacità di utilizzare metodi computazionali per la predizione della struttura delle proteine, la simulazione di reazioni chimiche, l'analisi delle vie metaboliche e l'interpretazione dei dati sperimentali.

3. Autonomia di giudizio (making judgements):
Gli studenti devono sviluppare autonomia di giudizio nella valutazione critica dei risultati ottenuti tramite l'uso di metodi computazionali. Questo comprende la capacità di valutare la validità dei risultati, di riconoscere le limitazioni delle metodologie utilizzate e di prendere decisioni basate su un'analisi accurata dei dati biochimici.

4. Abilità comunicative (communication skills):
Gli studenti devono dimostrare abilità nella comunicazione dei risultati biochimici in modo chiaro e accurato. Questo include la capacità di presentare i risultati delle analisi in forma scritta o orale utilizzando terminologia appropriata, di creare rappresentazioni visive dei dati biochimici attraverso grafici, tabelle e diagrammi, e di spiegare in modo efficace i concetti biochimici complessi ad un pubblico non esperto.

5. Capacità di apprendere (learning skills):
Gli studenti devono essere in grado di acquisire in modo autonomo nuove conoscenze e competenze nel campo della biochimica computazionale. Questo implica la capacità di individuare e utilizzare fonti di informazione rilevanti, di seguire gli sviluppi e le scoperte recenti nel campo, e di adattarsi ai progressi tecnologici e alle nuove metodologie nel settore della biochimica computazionale.

In sintesi, i risultati di apprendimento attesi per gli studenti di un corso di Biochimica computazionale comprendono la conoscenza approfondita dei principi biochimici e delle tecniche computazionali, l'applicazione pratica delle conoscenze attraverso l'utilizzo di strumenti e software specifici, l'autonomia di giudizio nella valutazione critica dei risultati, le abilità comunicative nella presentazione dei risultati biochimici e la capacità di apprendere in modo autonomo e continuo nel campo della biochimica computazionale.

Conoscenze di base di Chimica, Matematica, Fisica, Chimica Organica, acquisite nei corsi degli anni precedenti.

Aminoacidi: proprietà e struttura chimico-fisiche
Visualizzazione di macromolecole con visualizzatori molecolari
Database di sequenze proteiche
Allineamenti di sequenza proteica
Il legame peptidico in vitro e in vivo
Struttura secondaria
Struttura terziaria - Stabilità proteica e folding
Domini, motivi, moduli e ripetizioni - Struttura quaternaria
Microscopia elettronica e cristallografia a raggi X.
Risonanza magnetica nucleare delle proteine
Predizione della struttura proteica
Dinamica molecolare e drug design
Esempi selezionati di meccanismi proteici

C. I. Branden, J. Tooze. Introduction to protein
structure. Garland science
David Whitford, PROTEINS STRUCTURE AND
FUNCTION (Wiley)
http://books.google.it/books?id=qbHLkxbXY4YC
Fondamenti di Biochimica Voet D & Voet JG.
(Zanichelli)
"Struttura e Funzione delle Proteine” Petsko & Ringe

https://elearning.uniroma1.it/course/view.php?id=4942

Buona parte del corso sarà svolta presso l'aula informatizzata del Dip. di Scienze Biochimiche "A. Rossi Fanelli" (II piano delle aule prefabbricate sul retro del Dipartimento)

La frequenza è facoltativa, ma consigliata.

Prova finale: Esercizi al PC + esame orale

Which domain is present in the region extending approximately from residue 204 to residue 320 of the protein sequence with code NP_248976.1? Download the corresponding AlphaFold model from Uniprot and superpose the 204-320 region with 2GJ3. What is the physiological ligand most likely to be bound by this PA0285 domain, according to the homology with 2GJ3? Provide a justification for the answer given. Which residue in PA0285 replace the function of 2GJ3:Arg 80?

PAS – NAD – R255

• -Introduction
  • Testi di riferimento: -


• -Pymol


• -Structural Biology


• -Homology Sequence Alignments


• -Protein Sctructure Prediction


• -Drug design