- ID Provider: 8413
- Crediti ECM rilasciati: 4,5
- Durata: 3 ore e 30 minuti
- Il 14/07/2026. Orario 09:00 - 12:30
- Posti disponibili: 500
- Modalità di accesso: in base all'ordine di arrivo.
- Quota di partecipazione per i destinatari dei crediti ECM: 70€ i.i *(La partecipazione è gratuita per gli iscritti all'Ordine dei Chimici e dei Fisici del Piemonte e della Valle d'Aosta)
- Quota di partecipazione per le altre professioni: 60€ i.i.
- Destinatari crediti ECM: Chimico, Fisico, Farmacista, Medico Chirurgo
Destinatari senza crediti ECM: Il corso è rivolto anche a chi esercita una professione NON ECM.
- Per ulteriori informazioni vi invitiamo a contattarci tramite il modulo presente nella pagina Assistenza o scrivere all'indirizzo email: info@ecmmanagersrl.com
Descrizione del corso
Il corso offre una panoramica approfondita sull’integrazione delle tecnologie informatiche e dell'IA nella ricerca chimico-farmaceutica moderna. I partecipanti acquisiranno conoscenze essenziali su screening virtuale, docking e dinamica molecolare per comprendere il razionale delle pipeline in silico.
Il programma analizzerà i criteri per selezionare molecole promettenti da ampie librerie chimiche e valutare la stabilità dei complessi proteina-ligando. Particolare spazio sarà dedicato al machine learning e all'intelligenza artificiale applicati alla predizione dell'effetto di nuovi composti bioattivi.
I discenti impareranno a interpretare criticamente i risultati algoritmici, riconoscendo i limiti predittivi e l'importanza dello scoring. Verrà approfondito il ruolo centrale della competenza chimica nell’integrazione strategica tra dati computazionali e validazione biologica sperimentale.
Obiettivo Age.Na.s
Innovazione tecnologica: valutazione, miglioramento dei processi di gestione delle tecnologie biomediche, chimiche, fisiche e dei dispositivi medici. Health Technology Assessment
Obiettivi formativi
Il corso si propone di fornire ai partecipanti una panoramica chiara e applicativa sull’impiego dei metodi computazionali e dell’intelligenza artificiale nella progettazione razionale di farmaci. Dopo una introduzione ai principi di screening virtuale, docking molecolare e dinamica molecolare, saranno discussi casi studio relativi all’identificazione di inibitori di beta-lattamasi e allo sviluppo di inibitori dell’inflammasoma NLRP3. L’obiettivo è favorire la comprensione del ruolo degli approcci in silico nel moderno processo di drug discovery, evidenziandone il valore come strumenti di supporto alla ricerca sperimentale, ma anche i principali limiti interpretativi e predittivi.
Metodologia formativa
Formazione a distanza sincrona (webinar) basata su lezioni frontali interattive e applicazione pratica tramite discussione guidata di casi studio
Docente del corso
Dott.ssa Francesca Spyrakis
Professoressa Ordinaria di Chimica Farmaceutica presso il Dipartimento di Scienza e Tecnologia del Farmaco dell’Università degli Studi di Torino. La sua attività scientifica e didattica si concentra sull’applicazione di metodi computazionali alla progettazione razionale di farmaci, con particolare riferimento a modellistica molecolare, docking, screening virtuale, dinamica molecolare e studio delle interazioni proteina-ligando. È responsabile del laboratorio di modellistica molecolare del Dipartimento e svolge attività di ricerca nell’ambito dell’identificazione e ottimizzazione di molecole bioattive, con applicazioni in particolare allo sviluppo di nuovi antimicrobici e di composti attivi su bersagli di interesse biomedico. È titolare di insegnamenti nell’ambito della Chimica Farmaceutica e partecipa a progetti di ricerca nazionali e internazionali nel settore della drug discovery computazionale.
Competenze tecnico-professionali che verranno acquisite
Al termine del corso i partecipanti avranno acquisito conoscenze di base sui principali metodi computazionali applicati alla progettazione di farmaci, con particolare riferimento a screening virtuale, docking molecolare, dinamica molecolare e applicazioni dell’intelligenza artificiale/machine learning nel drug discovery. I partecipanti saranno in grado di comprendere il razionale di una pipeline in silico, interpretarne criticamente i risultati, riconoscerne potenzialità e limiti e valutarne l’integrazione con dati sperimentali chimici, biochimici e biologici. Attraverso la discussione di casi studio, verranno inoltre acquisite competenze utili a comprendere come tali approcci possano supportare l’identificazione di hit, l’ottimizzazione di molecole bioattive e lo studio delle interazioni ligando-bersaglio.
Destinatari del corso
I crediti ECM saranno riconosciuti a Chimico, Fisico, Farmacista, Medico Chirurgo
Il corso è rivolto anche a chi esercita una professione NON ECM.
Programma dettagliato del corso
Il 14 07 2026 dalle 09:00 alle 12:30
09:00 – 09:10 | Introduzione al corso e obiettivi formativi
Presentazione degli obiettivi del corso e del ruolo dei metodi computazionali e dell’intelligenza artificiale nella progettazione razionale di farmaci. Verrà introdotto il concetto di approccio in silico come strumento di supporto alla ricerca chimico-farmaceutica e alla validazione sperimentale.
09:10 – 09:30 | Metodi computazionali e intelligenza artificiale nel drug design
Panoramica dei principali ambiti di applicazione: analisi di grandi librerie chimiche, identificazione di hit, prioritizzazione di candidati, predizione di proprietà molecolari e supporto all’interpretazione dei dati sperimentali. Saranno discussi potenzialità e limiti degli approcci computazionali, evidenziando il ruolo centrale della competenza chimica nella valutazione critica dei risultati.
09:30 – 10:00 | Screening virtuale e docking molecolare: principi di base
Introduzione allo screening virtuale come strategia per selezionare composti promettenti da ampie librerie chimiche. Verranno descritti i concetti fondamentali di preparazione delle librerie, filtraggio, ranking e selezione degli hit. Seguirà una spiegazione dei principi del docking molecolare: sito di legame, pose di binding, scoring, interazioni ligando-bersaglio e principali limiti interpretativi.
10:00 – 10:25 | Dinamica molecolare e flessibilità proteica
Introduzione alla dinamica molecolare come strumento per studiare il comportamento di proteine, ligandi e complessi proteina-ligando nel tempo. Verranno presentati i concetti di traiettoria, stabilità del complesso, fluttuazioni strutturali, persistenza delle interazioni, ruolo dell’acqua e relazione tra dinamica molecolare e funzione biologica.
10:25 – 10:40 | Pausa
10:40 – 11:20 | Caso studio 1: screening virtuale e docking per l’identificazione di inibitori di beta-lattamasi
Presentazione di una pipeline computazionale applicata alla ricerca di nuovi inibitori di beta-lattamasi, enzimi coinvolti nei meccanismi di resistenza agli antibiotici. Verranno discussi la selezione di composti da grandi librerie chimiche, l’utilizzo di filtri e docking molecolare, il confronto tra diverse classi di beta-lattamasi e la selezione di molecole per la validazione sperimentale. Il caso studio permetterà di evidenziare come gli approcci in silico possano guidare l’identificazione di hit e supportare lo sviluppo di nuove strategie contro l’antimicrobico-resistenza.
11:20 – 12:00 | Caso studio 2: docking, dinamica molecolare e AI/ML nello sviluppo di inibitori dell’inflammasoma NLRP3
Discussione di un caso applicativo dedicato allo studio di inibitori allosterici dell’inflammasoma NLRP3, bersaglio di interesse nei processi di neuroinfiammazione e neurodegenerazione. Verrà illustrato come docking e dinamica molecolare possano contribuire a comprendere il meccanismo di legame, la stabilità del complesso, le interazioni chiave e gli effetti della flessibilità proteica. Sarà inoltre introdotto il possibile contributo di approcci di intelligenza artificiale e machine learning nell’analisi delle dinamiche proteiche e nella predizione dell’effetto di nuovi inibitori.
12:00 – 12:20 | Discussione critica: interpretazione dei risultati e integrazione con l’esperimento
Discussione guidata sui principali aspetti critici degli approcci computazionali: qualità delle strutture di partenza, affidabilità dello scoring, limiti predittivi, scelta dei protocolli, ruolo della validazione sperimentale e importanza dell’integrazione tra chimica, biologia strutturale, farmacologia e analisi dei dati.
12:20 – 12:30 | Conclusioni
Riepilogo dei messaggi chiave del corso e discussione finale con i partecipanti.
