PRESENTAZIONE

Il corso si compone di due parti: una parte teorica, che si propone di affrontare le principali metodiche applicabili allo studio delle proteine ed i problemi ad esse correlati, ed una parte pratica di laboratorio informatico, che mira a fornire le basi per l'analisi di Big-Data proteomici.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

From biochemistry to proteomics The course aims to provide the basis for understanding the main techniques applied for the study of proteins, including: one-dimensional polyacrylamide gel electrophoresis in native or denatured and denatured reduced and alkylated conditions, zymograms, different types of two-dimensional electrophoresis (i.e. titration curves, blue native electrophoresis, and high-resolution two-dimensional gel electrophoresis), western blots, different methods of proteins detection gels (coomassie, colloidal, silver nitrate and fluorescence staining), main chromatography techniques including methods that use magnetic nano beads, particularly suitable for robotic automation systems, mass spectrometry high resolution, direct and indirect ELISA, membrane and microscope slide protein arrays. Protein samples preparation The course aims to provide an overview of the main biochemical-physical methods to address and solve most of the problems in the preparation of protein samples such as most common biological fluids (serum, plasma, liquor and urine), cells, extracellular vesicles and tissues for the methods indicated above. Bioinformatics analysis Finally, the course aims to provide the basis for the analysis of big data obtained from protein microarray and/or mass spectrometry experiments. In particular, attention will be paid to: a) how to normalize data, b) the use of the most recent classification, prediction, and correlation algorithms between experimental features and biochemical-clinical data of samples such as weighted gene co-expression network analysis, machine learning and supervised /unsupervised cluster analysis, c) which statistical tests to use, d) how to choose the variables of interest, e) and the gene ontology enrichment analysis for the identification of biological processes and metabolic pathways perturbed in a case-control experiment.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Acquisire le conoscenze necessarie per lo studio delle proteine applicando le principali tecnologie attualmente disponibili in ambito bio-medico. Comprendere il processo di analisi dei Big-Data ed utilizzarlo per l’identificazione di biomarcatori diagnostici e prognostici e dei processi biologici associati allo stato di salute/malattia.

PREREQUISITI

Nozioni base di Biochimica e di Statistica.

MODALITA' DIDATTICHE

Lezioni frontali in presenza o online e pratiche di laboratorio informatico, disponibili su AulaWeb.

Qualsiasi Studente con Disturbi Specifici dell'Apprendimento (DSA) documentati, o con bisogni speciali, dovrà rivolgersi al Docente/i e al Rappresentante DSA dedicato presso il Dipartimento prima dell'inizio delle lezioni, al fine di concordare le specifiche modalità di insegnamento e garantire il corretto raggiungimento degli obiettivi e dei risultati dell’apprendimento.

PROGRAMMA/CONTENUTO

L’elettroforesi monodimensionale su gel di poliacrilamide

Elettroforesi monodimensionale in condizioni native o denaturanti o denaturanti e riducenti

Zimogrammi

L’elettroforesi bidimensionale su gel di poliacrilamide

Curva di Titolazione

Elettroforesi Nativa in coomassie (BN-PAGE)

Elettroforesi bidimensionale ad alta risoluzione (2D-PAGE)

Il Western Blot

Le principali tecniche di visualizzazione delle proteine su gel di poliacrilamide

Blu di coomassie

Coomassie colloidale

Argento

Fluorescenza

Le principali tecniche di separazione delle proteine con sistemi cromatografici

Gel filtrazione

Affinità

Scambio ionico

Fase inversa

Utilizzo delle biglie magnetiche funzionalizzate

La spettrometria di massa ad alta risoluzione

Validazione dei risultati ottenuti

Dot Blot

ELISA diretti e indiretti

Le principali metodiche per preparazione dei campioni proteici

Sangue

Urina

Liquido cerebrospinale

Vescicole extracellulari

Cellule

Tessuti

Analisi Bioinformatica dei dati di Proteomica

Normalizzazione dei dati

Principali test statistici e algoritmi applicabili per il controllo di qualità dei dati e per la discriminazione tra due o più gruppi di campioni.

Generare una lista di priorità delle variabili che massimizzano la discriminazione tra due o più campioni.

Cenni di machine learning

Cenni sull’analisi delle reti di co-espressione proteica (WGCNA)

L’analisi dell’arricchimento delle annotazioni geniche per identificare i processi biologici e vie metaboliche associate ad esperimento di proteomica

Come rappresentare graficamente i risultati ottenuti dall'analisi statistica

TESTI/BIBLIOGRAFIA

Dispense su Aula-web.

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

Consultare orario dettagliato su AulaWeb.

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L'esame consisterà in una parte pratica di analisi dei dati proteomici e in una prova scritta (quiz a risposta multipla) sui temi affrontati durante il corso svolta in presenza o su piattaforma digitale.

Il voto finale sarà mediato (media ponderata) con le due parti dell'esame.

L'esame è superato con almeno 18/30.

MODALITA' DI ACCERTAMENTO

L’esame verificherà il raggiungimento degli obiettivi formativi; in particolare, verrà accertata la conoscenza da parte degli studenti delle principali tecniche applicate per lo studio delle proteine e la capacità di analizzare i risultati ottenuti.