Il dottorato in Tecnologie Biomediche Innovative in Medicina Clinica si propone di realizzare un programma di addestramento alla ricerca traslazionale. Le specifiche finalità del dottorato sono quindi quelle di: a) realizzare una migliore interazione tra i contenuti delle scienze biologiche, cliniche e informatiche; b) creare una nuova figura professionale in campo biomedico e tecnologico esperto di medicina traslazionale che sia in grado di fondere le competenze di base con quelle cliniche. Gli obiettivi formativi sono: a) apprendimento di elementi di epidemiologia per interpretare la suscettibilità genetica alle malattie multifattoriali b) apprendimento delle metodologie di studio del genoma anche attraverso metodologie bioinformatiche c) apprendimento delle metodiche di studio delle modificazioni epigenetiche d) apprendimento delle metodiche di studio dell’espressione genica e) apprendimento delle tecniche di coltura cellulare, di cellule staminali e di organoidi f) apprendimento delle tecniche per lo studio in vitro ed ex vivo delle cellule dell’immunità innata e adattiva g) apprendimento delle principali metodiche di generazione di animali geneticamente modificati costitutivi e condizionali h) apprendimento delle tecniche di proteomica e metabolomica per l’identificazione di marcatori predittivi di malattia i) apprendimento dei principi e delle applicazioni della network medicine l) apprendimento e applicazione di tecniche di imaging innovative m) apprendimento dei principi di farmacologia con particolare riferimento alle conoscenze di farmacogenetica e farmaco-genomica, alla farmaco-prevenzione n) apprendimento dei principi e delle applicazioni della BigData Science o) apprendimento delle basi della sperimentazione clinica p) apprendimento delle basi della sperimentazione clinica in silico (sviluppo di modelli di simulazione per la fisiologia umana, la patofisiologia, la farmacocinetica e la farmacodinamica; sviluppo di metodi e software per la valutazione dell’efficacia di farmaci, strumenti diagnostici o trattamenti medici personalizzati); q) apprendimento dei principi della sperimentazione sugli animali inclusi elementi di etica biomedica; r) valutazione degli aspetti imprenditoriali e industriali delle biotecnologie avanzate s) progettazione e implementazione di algoritmi predittivi (machine learning) per analizzare ed estrarre conoscenze utili dalla grande varietà e quantità di dati medici disponibili, sotto forma di reti (biologiche e sociali), sequenze e dati non strutturati (testo e immagini, cartelle cliniche e dati sociali).