Il dottorato in Tecnologie Biomediche Innovative in Medicina Clinica si propone di realizzare un programma di addestramento alla ricerca traslazionale, attraverso l’utilizzo di biotecnologie avanzate, la gestione e analisi di grande mole di dati (Big Data Analysis) con strumenti innovativi di bioinformatica e network analysis (Network Medicine). L’obiettivo è creare un profilo di ricercatore con solide conoscenze di base, capace di selezionare e applicare le tecnologie più innovative alla comprensione della fisiopatologia di specifici quadri clinici e all’individuazione di nuove applicazioni in campo diagnostico, prognostico e terapeutico. Specifiche finalità del dottorato: a) rispondere alla domanda di nuovi modelli di formazione nella medicina traslazionale; b) creare una figura professionale in campo biomedico e tecnologico in grado di fondere la competenza nell’utilizzo di tecnologie avanzate con le competenze cliniche e biologiche. Specifici obiettivi formativi del Dottorato a) apprendimento delle metodologie di studio del genoma e della sua variabilità [analisi di SNPs e CNV; analisi della metilazione del DNA; studio del microbioma; tecniche di next generation sequencing (NGS)] e delle metodologie bioinformatiche della per la valutazione dei risultati della ricerca genetica [disegno e analisi di studi d’associazione genome-wide e di studi NGS b) apprendimento delle metodiche di studio dell’espressione genica [arrays; digital-PCR; RNA-seq, miRNA-seq] c) apprendimento delle tecniche di coltura cellulare, d’isolamento, caratterizzazione e coltura di cellule progenitrici, staminali e iPS; colture di organoidi d) apprendimento delle tecniche per lo studio in vitro ed ex vivo delle cellule dell’immunità innata e adattiva e) apprendimento delle principali metodiche di generazione di animali geneticamente modificati costitutivi e condizionali [transgenici; knock-out; knock-in, CRISPR–Cas9] f) apprendimento delle tecniche di proteomica e metabolomica per l’identificazione di marcatori predittivi di malattia g) apprendimento dei principi e delle applicazioni della network medicine h) apprendimento dei principi e delle applicazioni della BigData Science i) progettazione e implementazione di algoritmi predittivi (machine learning) per analizzare ed estrarre conoscenze utili dai dati medici disponibili sotto forma di reti (biologiche e sociali), sequenze (traiettorie dei pazienti), e dati non strutturati (testo, immagini) l) apprendimento delle basi della sperimentazione clinica, gestioni dei dati sperimentali, pubblicazione e interpretazione dei risultati m) apprendimento delle basi della sperimentazione clinica in silico n) valutazione degli aspetti imprenditoriali e industriali delle biotecnologie avanzate