75764 - BIOINFORMATICA E ONCOLOGIA MOLECOLARE

insegnamento

ID:

75764

Tipo Insegnamento:

Obbligatorio

Durata (ore):

60

CFU:

SSD:

ONCOLOGIA MEDICA

Url:

Dettaglio Insegnamento:

BIOTECNOLOGIE PER LA MEDICINA TRASLAZIONALE/Percorso Comune Anno: 2

Anno:

2024

Periodo di attività

Primo Semestre (01/10/2024 - 14/01/2025)

Obiettivi Formativi

Alla fine del corso lo studente dovrà conoscere le basi molecolari e fisiopatologiche della diagnosi e terapia dei tumori solidi.
Dovrà inoltre conoscere le principali fondamenta di Python e di R, e aver sviluppato la capacità di analizzare dati da RNAseq di singole cellule.

Prerequisiti

Conoscenza della genetica molecolare e della genomica. Conoscenze base di diagnostica di laboratorio, biologia molecolare.

Metodi didattici

Sono previste lezioni frontali, con trattazione sinottica dei contenuti del corso, e presentazione di sviluppi applicativi che permettano la interazione fra docente e discente, al fine di stimolare la capacità di trasferimento delle nozioni scientifiche alla pratica biotecnologica.
Il laboratorio didattico verrà effettuato mediante frequenza in presenza e mediante una parte caricata online di argomenti che sono ritenuti fondamentali dal punto di vista molecolare e bioinformatico.

Verifica Apprendimento

Esame scritto, con domande a risposta multipla. Le domande verteranno sul programma del corso, includendo la oncologia molecolare e la bioinformatica applicata. La risposta alle domande dell’esame richiede al candidato conoscenza della materia, capacità di analisi delle informazioni e capacità di ragionamento per la scelta della risposta più appropriata

Testi

- La Biologia del Cancro. RA Weinberg, 2016. Ed. Zanichelli
- Il tutorial di Python (a cura di Riccardo Polignieri)
- Una guida all’utilizzo dell’ambiente statistico R (a cura di Angelo Mineo)
- Tutorials di Scanpy https://scanpy.readthedocs.io/en/stable/tutorials.html (Clustering e Visualization)

Contenuti

Patologia di proliferazione e differenziazione cellulare: iperplasia, metaplasia.
Tumori: generalità. Definizione di benignità e malignità, classificazione istopatologica. Displasia; carcinoma in situ e altre lesioni pre-neoplastiche. Cancerogenesi chimica e fisica. Iniziazione e promozione. Test di Ames. Progressione e metastatizzazione. La transizione epitelio-mesenchimale ed il suo inverso. Intravasazione ed extravasazione. La nicchia metastatica. Epidemiologia del cancro. Genetica molecolare del cancro: oncogeni e oncosoppressori. Virus oncogeni. Il virus del sarcoma di Rous. Il gene src. Gli oncogeni cellulari. Alterazioni multiple in tumori umani. Fattori di crescita, recettori e cancro. La proteina Src e la proteina Ras. I geni oncosoppressori. Rb, e TP53. Alterazioni del ciclo e della morte cellulare. Le telomerasi. Instabilità genetica delle cellule tumorali. La tumorigenesi è un processo multifasico. Tessuto tumorale: interazioni eterotipiche ed angiogenesi. Terapie anti-tumorali convenzionali. Terapie "target" anti tirosin-chinasi. L’imatinib/Gleevec. Il vemurafenib. Resistenza a terapie target. Metodi di analisi di DNA e RNA. L’immunità nei tumori. La teoria dell’immunosorveglianza. Rapporti tumore-ospite. Infiammazione e tumori. Il microambiente tumorale. Caratteristiche delle popolazioni cellulari immunitarie presenti nel microambiente tumorale. Fattori immunomodulatori solubili presenti nel microambiente tumorale. Il microambiente tumorale come ambiente immunosoppressivo. Meccanismi di evasione dal controllo del sistema immunitario. Le cellule mieloidi soppressorie. I checkpoint immunologici. Gli inibitori dei checkpoint immunologici. Immunoterapie adottiva e cellulari innovative. Gli inibitori dei checkpoint immunitari, l’immunoterapia passiva, le cellule CAR T.

Il linguaggio Python. Stringhe. Liste. Strumenti controllo di flusso. Le funzioni. Strutture dati. Moduli. Files.
Basi di R.
Utilizzo di Scanpy e Seurat nella analisi dei profili di espressione a singole cellule.

Laboratorio didattico, parte integrante del programma: Installazione ed utilizzo di tools bioinformatici per lo studio dei profili di RNAseq da singole cellule (Jupyter/Scanpy e R/Seurat)