ID:
510065
Durata (ore):
94
CFU:
6
SSD:
BIOINGEGNERIA INDUSTRIALE
Anno:
2026
Dati Generali
Periodo di attività
Primo Semestre (28/09/2026 - 15/01/2027)
Syllabus
Obiettivi Formativi
Il corso studia come i meccanismi fisici organizzino i sistemi biologici in sviluppo e ingegnerizzati e come tali meccanismi possano essere rappresentati mediante modelli matematici e computazionali per la ricerca farmaceutica. L'obiettivo centrale è rendere lo studente capace di comprendere un articolo di ricerca in meccanobiologia come una catena integrata che collega domanda biologica, ipotesi fisiche, formulazione del modello, evidenza sperimentale, calcolo e interpretazione, e di riprodurre un risultato finale identificabile del lavoro pubblicato.
Al termine del corso, lo studente sarà in grado di:
1. spiegare come forze, proprietà dei materiali, crescita, rimodellamento e feedback meccanochimici contribuiscano allo sviluppo embrionale, alla morfogenesi e all'organizzazione tissutale;
2. tradurre una domanda meccanobiologica in un modello matematico basato sulla fisica, definendo ipotesi, variabili, relazioni costitutive e di governo, condizioni al contorno e risultati misurabili;
3. scegliere e applicare un approccio di modellazione continuo o discreto appropriato a una domanda di ricerca definita, riconoscendo ipotesi e limiti della famiglia di modelli scelta;
4. utilizzare evidenze sperimentali o tratte dalla letteratura per parametrizzare, testare e validare un modello computazionale e discutere sensibilità, incertezza e identificabilità;
5. utilizzare strumenti computazionali open source per riprodurre un risultato identificabile di un articolo di ricerca e documentare il flusso di lavoro in modo riproducibile;
6. valutare come modelli meccanobiologici e piattaforme in vitro ingegnerizzate possano sostenere la modellazione delle patologie, l'identificazione di bersagli, lo sviluppo terapeutico e la ricerca preclinica;
7. analizzare criticamente la letteratura recente e comunicare gli aspetti biologici, computazionali e farmaceutici mediante presentazioni orali concise e basate sull'evidenza, una discussione adeguata al pubblico e un report scritto individuale.
Al termine del corso, lo studente sarà in grado di:
1. spiegare come forze, proprietà dei materiali, crescita, rimodellamento e feedback meccanochimici contribuiscano allo sviluppo embrionale, alla morfogenesi e all'organizzazione tissutale;
2. tradurre una domanda meccanobiologica in un modello matematico basato sulla fisica, definendo ipotesi, variabili, relazioni costitutive e di governo, condizioni al contorno e risultati misurabili;
3. scegliere e applicare un approccio di modellazione continuo o discreto appropriato a una domanda di ricerca definita, riconoscendo ipotesi e limiti della famiglia di modelli scelta;
4. utilizzare evidenze sperimentali o tratte dalla letteratura per parametrizzare, testare e validare un modello computazionale e discutere sensibilità, incertezza e identificabilità;
5. utilizzare strumenti computazionali open source per riprodurre un risultato identificabile di un articolo di ricerca e documentare il flusso di lavoro in modo riproducibile;
6. valutare come modelli meccanobiologici e piattaforme in vitro ingegnerizzate possano sostenere la modellazione delle patologie, l'identificazione di bersagli, lo sviluppo terapeutico e la ricerca preclinica;
7. analizzare criticamente la letteratura recente e comunicare gli aspetti biologici, computazionali e farmaceutici mediante presentazioni orali concise e basate sull'evidenza, una discussione adeguata al pubblico e un report scritto individuale.
Prerequisiti
È richiesta una conoscenza operativa di calcolo, algebra lineare, equazioni differenziali, meccanica dei continui, metodi numerici di base e della formulazione e del flusso di lavoro fondamentali dell'analisi agli elementi finiti. All'Università di Pavia questi argomenti sono trattati in insegnamenti quali Computational Mechanics, Mechanics of Materials e nei corsi universitari di matematica e analisi numerica; sono ugualmente adeguati insegnamenti con contenuti equivalenti seguiti in altri curricula o atenei.
È inoltre richiesta una conoscenza di base della biologia cellulare: struttura e funzione della cellula, segnalazione cellulare, interazioni cellula-matrice e organizzazione tissutale di base. All'Università di Pavia questi argomenti sono trattati in insegnamenti quali Foundations of Biology and Genetics e Applied Biology and Physiology; sono ugualmente adeguati insegnamenti con contenuti equivalenti seguiti in altri curricula o atenei. Lo studente deve inoltre saper interpretare grafici quantitativi e leggere articoli scientifici in lingua inglese.
Nelle prime lezioni è previsto un breve richiamo intensivo dell'analisi agli elementi finiti per riallineare studenti con background differenti. Il richiamo consolida, ma non sostituisce, le conoscenze attese in ingresso. Non sono richieste conoscenze specialistiche pregresse di biologia dello sviluppo, organoidi, meccanobiologia o di uno specifico linguaggio di programmazione.
È inoltre richiesta una conoscenza di base della biologia cellulare: struttura e funzione della cellula, segnalazione cellulare, interazioni cellula-matrice e organizzazione tissutale di base. All'Università di Pavia questi argomenti sono trattati in insegnamenti quali Foundations of Biology and Genetics e Applied Biology and Physiology; sono ugualmente adeguati insegnamenti con contenuti equivalenti seguiti in altri curricula o atenei. Lo studente deve inoltre saper interpretare grafici quantitativi e leggere articoli scientifici in lingua inglese.
Nelle prime lezioni è previsto un breve richiamo intensivo dell'analisi agli elementi finiti per riallineare studenti con background differenti. Il richiamo consolida, ma non sostituisce, le conoscenze attese in ingresso. Non sono richieste conoscenze specialistiche pregresse di biologia dello sviluppo, organoidi, meccanobiologia o di uno specifico linguaggio di programmazione.
Metodi didattici
Il corso combina lezioni sui fondamenti ingegneristici e biologici, esempi guidati, discussione di articoli scientifici, attività dry lab computazionali e un progetto di gruppo basato sulla letteratura. Le prime lezioni includono un richiamo intensivo dei fondamenti dell'analisi agli elementi finiti. Materiali di riallineamento sostengono gli studenti provenienti da percorsi prevalentemente computazionali o biologici.
Le attività dry lab costituiscono una parte integrante del corso e comprendono formulazione di modelli, uso o adattamento di modelli computazionali, analisi di dati forniti e riproduzione di risultati pubblicati. Viene utilizzato software open source scelto in base alla pratica scientifica corrente e alle esigenze dei modelli considerati. A titolo di esempio possono essere impiegate librerie di calcolo scientifico basate su Python e altri codebase open source per elementi finiti, analisi isogeometrica o modellazione discreta; il corso non è vincolato a uno specifico linguaggio di programmazione o pacchetto software.
I dataset necessari per la didattica e il lavoro di progetto sono forniti dal laboratorio del docente oppure ottenuti dalla letteratura selezionata e da repository aperti. Di norma non è richiesto agli studenti di produrre nuovi dati sperimentali. Eventuali attività wet lab sono organizzate in funzione della disponibilità dei laboratori e del numero complessivo degli iscritti; le modalità vengono comunicate tramite KIRO.
Il feedback formativo è fornito durante i dry lab, le discussioni della letteratura e lo sviluppo del progetto. Risorse didattiche, codice, dataset, consegne del progetto e materiali di valutazione sono resi disponibili tramite KIRO.
Il percorso dedicato alla ricerca farmaceutica e alla comunicazione adotta un formato flipped classroom. Gli studenti preparano prima dell'aula i paper assegnati o i materiali del progetto; il tempo in presenza è dedicato a dibattiti strutturati, brevi presentazioni, domande del pubblico e feedback su argomento scientifico, evidenza visiva, scrittura concisa e risposte tecniche. Queste attività allenano progressivamente gli studenti a presentare davanti a un pubblico come gruppo professionale. Sicurezza personale, accento, carisma e scioltezza nel parlare in pubblico non sono trattati come misure dell'apprendimento.
Il progetto procede per tappe di lavoro a casa. Prima di consultare l'AI per una soluzione sostanziale, gli studenti registrano un breve primo tentativo, una previsione, uno schema di modello, un calcolo o un piano verificabile. Ogni gruppo mantiene un registro sintetico delle decisioni che documenta gli usi materiali dell'AI, i controlli indipendenti, i suggerimenti respinti o modificati e la decisione successiva. Brevi attività in aula di richiamo e trasferimento senza AI richiedono agli studenti di spiegare una scelta del progetto e ragionare su una modifica di ipotesi, parametro, condizione al contorno o interpretazione. Conta la qualità del ragionamento e della verifica, non la quantità di testo o il tempo dichiarato.
Le attività dry lab costituiscono una parte integrante del corso e comprendono formulazione di modelli, uso o adattamento di modelli computazionali, analisi di dati forniti e riproduzione di risultati pubblicati. Viene utilizzato software open source scelto in base alla pratica scientifica corrente e alle esigenze dei modelli considerati. A titolo di esempio possono essere impiegate librerie di calcolo scientifico basate su Python e altri codebase open source per elementi finiti, analisi isogeometrica o modellazione discreta; il corso non è vincolato a uno specifico linguaggio di programmazione o pacchetto software.
I dataset necessari per la didattica e il lavoro di progetto sono forniti dal laboratorio del docente oppure ottenuti dalla letteratura selezionata e da repository aperti. Di norma non è richiesto agli studenti di produrre nuovi dati sperimentali. Eventuali attività wet lab sono organizzate in funzione della disponibilità dei laboratori e del numero complessivo degli iscritti; le modalità vengono comunicate tramite KIRO.
Il feedback formativo è fornito durante i dry lab, le discussioni della letteratura e lo sviluppo del progetto. Risorse didattiche, codice, dataset, consegne del progetto e materiali di valutazione sono resi disponibili tramite KIRO.
Il percorso dedicato alla ricerca farmaceutica e alla comunicazione adotta un formato flipped classroom. Gli studenti preparano prima dell'aula i paper assegnati o i materiali del progetto; il tempo in presenza è dedicato a dibattiti strutturati, brevi presentazioni, domande del pubblico e feedback su argomento scientifico, evidenza visiva, scrittura concisa e risposte tecniche. Queste attività allenano progressivamente gli studenti a presentare davanti a un pubblico come gruppo professionale. Sicurezza personale, accento, carisma e scioltezza nel parlare in pubblico non sono trattati come misure dell'apprendimento.
Il progetto procede per tappe di lavoro a casa. Prima di consultare l'AI per una soluzione sostanziale, gli studenti registrano un breve primo tentativo, una previsione, uno schema di modello, un calcolo o un piano verificabile. Ogni gruppo mantiene un registro sintetico delle decisioni che documenta gli usi materiali dell'AI, i controlli indipendenti, i suggerimenti respinti o modificati e la decisione successiva. Brevi attività in aula di richiamo e trasferimento senza AI richiedono agli studenti di spiegare una scelta del progetto e ragionare su una modifica di ipotesi, parametro, condizione al contorno o interpretazione. Conta la qualità del ragionamento e della verifica, non la quantità di testo o il tempo dichiarato.
Verifica Apprendimento
La verifica dell'apprendimento comprende due componenti:
1. Progetto di gruppo, presentazione finale e discussione dal vivo — fino a 20/30 punti. La presentazione conclude un progetto nel quale ogni gruppo analizza un articolo di ricerca assegnato utilizzando una famiglia di modelli pertinente e riproduce un risultato finale identificabile del lavoro pubblicato. L'ampiezza è calibrata sulla complessità dell'articolo e sulla disponibilità di dati o codice esistente. Nuovi risultati o contributi di ricerca originali sono benvenuti ma non richiesti. La valutazione considera gli artefatti del progetto e il registro sintetico delle decisioni, oltre alla presentazione finale. La presentazione dura indicativamente 20 minuti ed è seguita da circa 10 minuti di domande e discussione senza AI. Le domande verificano la comprensione tecnica/computazionale e biologica e includono una piccola variazione non preparata del problema di progetto. I componenti possono integrare o correggere reciprocamente le risposte mentre sostengono insieme il lavoro. L'intera componente riceve un unico voto collettivo, attribuito in modo identico a tutti i componenti del gruppo. Le istruzioni di dettaglio vengono spiegate in aula.
2. Report individuale finale di una pagina — fino a 10/30 punti. Ogni studente consegna un report di una pagina secondo un template spiegato in aula. Il report offre una sintesi individuale concisa e un'interpretazione critica del progetto, incluse ipotesi, evidenze, limiti e rilevanza. È una prova a strumenti aperti: l'AI può essere utilizzata per analisi, critica, struttura o lingua se dichiarata in modo trasparente e verificata dallo studente. Il report è la sola componente che differenzia i voti tra i membri dello stesso gruppo. La rifinitura linguistica o grafica non assegna punti aggiuntivi; vengono valutati contenuto scientifico, ragionamento, ipotesi, limiti e decisione successiva giustificata. Non sono previsti un questionario tecnico separato o un ulteriore colloquio orale.
Il voto finale è la somma delle due componenti ed è espresso nella scala italiana 0–30. La prova è superata con un punteggio complessivo di almeno 18/30.
I criteri di valutazione comprendono accuratezza scientifica e matematica; coerenza fra domanda biologica, modello, dati e conclusioni; adeguatezza e documentazione trasparente del flusso computazionale; qualità del risultato riprodotto e della sua validazione; riconoscimento di ipotesi, limiti e incertezza; rilevanza per la ricerca farmaceutica; uso responsabile delle fonti; qualità della verifica e della revisione; comunicazione professionale orale e scritta. La comunicazione è valutata attraverso struttura e concisione dell'argomento, uso dell'evidenza, adeguatezza al pubblico e capacità del gruppo di sostenere la discussione tecnica. Sicurezza personale, accento, carisma e scioltezza oratoria non sono criteri di voto. La comprensione autentica è verificata principalmente mediante il processo documentato del progetto e la discussione dal vivo; il report valuta la sintesi critica e il giudizio individuali.
L'uso di strumenti di intelligenza artificiale è consentito e deve essere dichiarato quando contribuisce materialmente al lavoro. L'AI non sostituisce il primo tentativo, la verifica delle fonti e dei risultati, la revisione critica o la capacità di spiegare il lavoro. Il report di una pagina è la componente più adatta all'assistenza dell'AI ed è quindi limitato a 10/30; da solo non consente di raggiungere la soglia di superamento di 18/30. Ogni studente resta responsabile del materiale consegnato. La rubrica dettagliata, il template del registro di progetto e della dichiarazione AI, il template del report e le modalità di consegna sono resi disponibili tramite KIRO prima dell'inizio del lavoro valutato.
1. Progetto di gruppo, presentazione finale e discussione dal vivo — fino a 20/30 punti. La presentazione conclude un progetto nel quale ogni gruppo analizza un articolo di ricerca assegnato utilizzando una famiglia di modelli pertinente e riproduce un risultato finale identificabile del lavoro pubblicato. L'ampiezza è calibrata sulla complessità dell'articolo e sulla disponibilità di dati o codice esistente. Nuovi risultati o contributi di ricerca originali sono benvenuti ma non richiesti. La valutazione considera gli artefatti del progetto e il registro sintetico delle decisioni, oltre alla presentazione finale. La presentazione dura indicativamente 20 minuti ed è seguita da circa 10 minuti di domande e discussione senza AI. Le domande verificano la comprensione tecnica/computazionale e biologica e includono una piccola variazione non preparata del problema di progetto. I componenti possono integrare o correggere reciprocamente le risposte mentre sostengono insieme il lavoro. L'intera componente riceve un unico voto collettivo, attribuito in modo identico a tutti i componenti del gruppo. Le istruzioni di dettaglio vengono spiegate in aula.
2. Report individuale finale di una pagina — fino a 10/30 punti. Ogni studente consegna un report di una pagina secondo un template spiegato in aula. Il report offre una sintesi individuale concisa e un'interpretazione critica del progetto, incluse ipotesi, evidenze, limiti e rilevanza. È una prova a strumenti aperti: l'AI può essere utilizzata per analisi, critica, struttura o lingua se dichiarata in modo trasparente e verificata dallo studente. Il report è la sola componente che differenzia i voti tra i membri dello stesso gruppo. La rifinitura linguistica o grafica non assegna punti aggiuntivi; vengono valutati contenuto scientifico, ragionamento, ipotesi, limiti e decisione successiva giustificata. Non sono previsti un questionario tecnico separato o un ulteriore colloquio orale.
Il voto finale è la somma delle due componenti ed è espresso nella scala italiana 0–30. La prova è superata con un punteggio complessivo di almeno 18/30.
I criteri di valutazione comprendono accuratezza scientifica e matematica; coerenza fra domanda biologica, modello, dati e conclusioni; adeguatezza e documentazione trasparente del flusso computazionale; qualità del risultato riprodotto e della sua validazione; riconoscimento di ipotesi, limiti e incertezza; rilevanza per la ricerca farmaceutica; uso responsabile delle fonti; qualità della verifica e della revisione; comunicazione professionale orale e scritta. La comunicazione è valutata attraverso struttura e concisione dell'argomento, uso dell'evidenza, adeguatezza al pubblico e capacità del gruppo di sostenere la discussione tecnica. Sicurezza personale, accento, carisma e scioltezza oratoria non sono criteri di voto. La comprensione autentica è verificata principalmente mediante il processo documentato del progetto e la discussione dal vivo; il report valuta la sintesi critica e il giudizio individuali.
L'uso di strumenti di intelligenza artificiale è consentito e deve essere dichiarato quando contribuisce materialmente al lavoro. L'AI non sostituisce il primo tentativo, la verifica delle fonti e dei risultati, la revisione critica o la capacità di spiegare il lavoro. Il report di una pagina è la componente più adatta all'assistenza dell'AI ed è quindi limitato a 10/30; da solo non consente di raggiungere la soglia di superamento di 18/30. Ogni studente resta responsabile del materiale consegnato. La rubrica dettagliata, il template del registro di progetto e della dichiarazione AI, il template del report e le modalità di consegna sono resi disponibili tramite KIRO prima dell'inizio del lavoro valutato.
Testi
La maggior parte dei contenuti di modellazione computazionale sono ispirati da: Alain Goriely, The Mathematics and Mechanics of Biological Growth, Springer, 2017, ISBN 978-0-387-87709-9.
Capitoli selezionati dei seguenti libri forniscono le conoscenze di base per il corso:
- Christopher R. Jacobs, Hayden Huang e Ronald Y. Kwon, Introduction to Cell Mechanics and Mechanobiology, Garland Science, 2013, ISBN 978-0-8153-4425-4.
- Gerhard A. Holzapfel, Nonlinear Solid Mechanics: A Continuum Approach for Engineering, John Wiley & Sons, 2000, ISBN 978-0-471-82319-3.
- Rob Phillips, Jane Kondev, Julie Theriot e Hernan Garcia, Physical Biology of the Cell, seconda edizione, Garland Science, 2012, ISBN 978-0-8153-4450-6.
Le risorse principali comprendono inoltre dispense, documentazione dei modelli, codice open source, dataset e guide all'analisi forniti tramite KIRO. Una selezione di articoli fondamentali e recenti su meccanobiologia dello sviluppo, morfogenesi, crescita tissutale, modellazione continua e discreta, organoidi, sistemi organ-on-chip e applicazioni farmaceutiche viene aggiornata annualmente. Le letture obbligatorie e facoltative sono identificate chiaramente.
La lettura comune obbligatoria su AI e apprendimento è David Strömberg, Victor Lei e Yanhui Wu, “The Generative AI Learning Penalty: Evidence from Chinese Secondary Education”, CEPR Discussion Paper n. 21577, 2026, https://doi.org/10.2139/ssrn.6868618. È assegnata esplicitamente come working paper e letta insieme alla nota di inquadramento del docente e alle relative cautele sul disegno di ricerca e sulla generalizzazione. La lista operativa corrente delle letture è distribuita tramite KIRO.
Capitoli selezionati dei seguenti libri forniscono le conoscenze di base per il corso:
- Christopher R. Jacobs, Hayden Huang e Ronald Y. Kwon, Introduction to Cell Mechanics and Mechanobiology, Garland Science, 2013, ISBN 978-0-8153-4425-4.
- Gerhard A. Holzapfel, Nonlinear Solid Mechanics: A Continuum Approach for Engineering, John Wiley & Sons, 2000, ISBN 978-0-471-82319-3.
- Rob Phillips, Jane Kondev, Julie Theriot e Hernan Garcia, Physical Biology of the Cell, seconda edizione, Garland Science, 2012, ISBN 978-0-8153-4450-6.
Le risorse principali comprendono inoltre dispense, documentazione dei modelli, codice open source, dataset e guide all'analisi forniti tramite KIRO. Una selezione di articoli fondamentali e recenti su meccanobiologia dello sviluppo, morfogenesi, crescita tissutale, modellazione continua e discreta, organoidi, sistemi organ-on-chip e applicazioni farmaceutiche viene aggiornata annualmente. Le letture obbligatorie e facoltative sono identificate chiaramente.
La lettura comune obbligatoria su AI e apprendimento è David Strömberg, Victor Lei e Yanhui Wu, “The Generative AI Learning Penalty: Evidence from Chinese Secondary Education”, CEPR Discussion Paper n. 21577, 2026, https://doi.org/10.2139/ssrn.6868618. È assegnata esplicitamente come working paper e letta insieme alla nota di inquadramento del docente e alle relative cautele sul disegno di ricerca e sulla generalizzazione. La lista operativa corrente delle letture è distribuita tramite KIRO.
Contenuti
Il corso è organizzato come una progressione dal riallineamento ingegneristico allo sviluppo di modelli meccanobiologici e alla riproduzione di risultati tratti dalla letteratura.
1. Orientamento alla ricerca e riallineamento di meccanica computazionale. Meccanobiologia nella ricerca farmaceutica; relazioni fra domande biologiche, modelli, esperimenti ed evidenze; richiamo intensivo dei concetti di analisi agli elementi finiti e del flusso di soluzione necessari per le attività successive.
2. Meccanica di cellule e tessuti. Forze e tensioni nei sistemi biologici; comportamento costitutivo di cellule, tessuti e matrici extracellulari; deformazione, trasporto, crescita, rimodellamento e materia biologica attiva; scale e ipotesi semplificative.
3. Biologia dello sviluppo e della morfogenesi. Principi essenziali di sviluppo embrionale, rottura della simmetria, patterning, morfogenesi, formazione di lumi, crescita tissutale e auto-organizzazione; interazioni fra meccanica, segnalazione, destino cellulare e geometria.
4. Modelli computazionali per la meccanobiologia. Formulazioni continue e analisi agli elementi finiti; introduzione all'analisi isogeometrica; vertex model e altre rappresentazioni discrete di sistemi multicellulari; scelta del modello in relazione alla domanda biologica e alle evidenze disponibili.
5. Sviluppo e valutazione del modello. Dal modello concettuale all'implementazione; scelta e stima dei parametri; condizioni iniziali e al contorno; calibrazione, analisi di sensibilità, incertezza, verifica, validazione e confronto con osservazioni sperimentali.
6. Piattaforme ingegnerizzate e applicazioni farmaceutiche. Sistemi bidimensionali e tridimensionali, organ-on-chip, organoidi e organoid-on-chip; gastruloidi, luminoidi e modelli dello sviluppo correlati; impiego di modelli e piattaforme nella modellazione delle patologie, nell'identificazione di bersagli, nello sviluppo terapeutico, negli studi di efficacia e tossicità e nella ricerca preclinica; processo decisionale e comunicazione professionale nella ricerca farmaceutica.
7. Letteratura recente, comunicazione professionale e lavoro di progetto. Analisi guidata e dibattito di articoli scientifici; ricostruzione della catena dalla domanda biologica alla formulazione matematica, al flusso computazionale, all'evidenza e alla conclusione; scrittura scientifica concisa e in stile professionale; presentazione orale adeguata al pubblico, evidenza visiva e domande tecniche; riproduzione di un risultato pubblicato identificabile e comunicazione finale del lavoro.
Il corso presenta più approcci di modellazione, ma ogni gruppo di progetto approfondisce una sola famiglia di modelli, scelta in relazione all'articolo assegnato e al risultato da riprodurre.
Circa un terzo delle attività è dedicato al contesto della ricerca farmaceutica, alla letteratura recente, allo sviluppo del progetto e alla comunicazione professionale orale e scritta. Questo percorso collega l'analisi tecnica alla comunicazione concisa e basata sull'evidenza di ipotesi, risultati, limiti e decisioni a un pubblico professionale.
1. Orientamento alla ricerca e riallineamento di meccanica computazionale. Meccanobiologia nella ricerca farmaceutica; relazioni fra domande biologiche, modelli, esperimenti ed evidenze; richiamo intensivo dei concetti di analisi agli elementi finiti e del flusso di soluzione necessari per le attività successive.
2. Meccanica di cellule e tessuti. Forze e tensioni nei sistemi biologici; comportamento costitutivo di cellule, tessuti e matrici extracellulari; deformazione, trasporto, crescita, rimodellamento e materia biologica attiva; scale e ipotesi semplificative.
3. Biologia dello sviluppo e della morfogenesi. Principi essenziali di sviluppo embrionale, rottura della simmetria, patterning, morfogenesi, formazione di lumi, crescita tissutale e auto-organizzazione; interazioni fra meccanica, segnalazione, destino cellulare e geometria.
4. Modelli computazionali per la meccanobiologia. Formulazioni continue e analisi agli elementi finiti; introduzione all'analisi isogeometrica; vertex model e altre rappresentazioni discrete di sistemi multicellulari; scelta del modello in relazione alla domanda biologica e alle evidenze disponibili.
5. Sviluppo e valutazione del modello. Dal modello concettuale all'implementazione; scelta e stima dei parametri; condizioni iniziali e al contorno; calibrazione, analisi di sensibilità, incertezza, verifica, validazione e confronto con osservazioni sperimentali.
6. Piattaforme ingegnerizzate e applicazioni farmaceutiche. Sistemi bidimensionali e tridimensionali, organ-on-chip, organoidi e organoid-on-chip; gastruloidi, luminoidi e modelli dello sviluppo correlati; impiego di modelli e piattaforme nella modellazione delle patologie, nell'identificazione di bersagli, nello sviluppo terapeutico, negli studi di efficacia e tossicità e nella ricerca preclinica; processo decisionale e comunicazione professionale nella ricerca farmaceutica.
7. Letteratura recente, comunicazione professionale e lavoro di progetto. Analisi guidata e dibattito di articoli scientifici; ricostruzione della catena dalla domanda biologica alla formulazione matematica, al flusso computazionale, all'evidenza e alla conclusione; scrittura scientifica concisa e in stile professionale; presentazione orale adeguata al pubblico, evidenza visiva e domande tecniche; riproduzione di un risultato pubblicato identificabile e comunicazione finale del lavoro.
Il corso presenta più approcci di modellazione, ma ogni gruppo di progetto approfondisce una sola famiglia di modelli, scelta in relazione all'articolo assegnato e al risultato da riprodurre.
Circa un terzo delle attività è dedicato al contesto della ricerca farmaceutica, alla letteratura recente, allo sviluppo del progetto e alla comunicazione professionale orale e scritta. Questo percorso collega l'analisi tecnica alla comunicazione concisa e basata sull'evidenza di ipotesi, risultati, limiti e decisioni a un pubblico professionale.
Lingua Insegnamento
INGLESE
Altre informazioni
La frequenza e la partecipazione attiva alle attività dry lab, alle discussioni della letteratura e al progetto di gruppo sono attese per la natura applicativa e collaborativa del corso. Lo studente impossibilitato a partecipare regolarmente deve contattare tempestivamente il docente per concordare una modalità alternativa appropriata che mantenga gli stessi risultati di apprendimento.
Eventuali attività wet lab, le relative modalità di partecipazione e gli eventuali requisiti di sicurezza sono comunicati tramite KIRO in funzione della disponibilità dei laboratori e del numero complessivo degli iscritti. Gli studenti con esigenze di accessibilità sono invitati a contattare il docente all'inizio del corso per concordare modalità adeguate nel rispetto delle disposizioni di Ateneo.
Eventuali attività wet lab, le relative modalità di partecipazione e gli eventuali requisiti di sicurezza sono comunicati tramite KIRO in funzione della disponibilità dei laboratori e del numero complessivo degli iscritti. Gli studenti con esigenze di accessibilità sono invitati a contattare il docente all'inizio del corso per concordare modalità adeguate nel rispetto delle disposizioni di Ateneo.
Corsi
Corsi (2)
BIOINGEGNERIA
Laurea Magistrale
2 anni
INGEGNERIA COMPUTAZIONALE E MODELLISTICA PER MATERIALI, STRUTTURE E TECNOLOGIE SOSTENIBILI
Laurea Magistrale
2 anni
No Results Found
Persone
Persone (2)
No Results Found