Percorso Formativo

Obiettivi formativi

Module I - Genome sequencing and biotechnological Applications
Obiettivi Formativi
Il corso si propone di fornire le conoscenze di genomica strutturale e funzionale con particolare riferimento al contesto agrario e quindi con un fine propedeutico per la futura
acquisizione di conoscenze e competenze nella gestione delle produzioni vegetali. Ulteriori obiettivi sono il miglioramento della capacità di apprendere e delle abilità comunicative, ossia della capacità di saper esporre con terminologia adeguata tematiche riguardanti il miglioramento genetico e la genomica delle specie agrarie.

Module II - Engineering crop response to stresses
Obiettivi Formativi
Il corso si propone di consolidare e ampliare la conoscenza dei meccanismi biochimici e fisiologici che le piante mettono in atto per adattarsi alle condizioni ambientali sfavorevoli e per difendersi da agenti patogeni. Gli studenti acquisiranno la capacità di analizzare in modo critico e risolvere indipendentemente problematiche inerenti alla resilienza delle colture, in classe, con originalità, e tramite approcci multidisciplinari maggiormente inerenti alla genetica, biologia molecolare, biochimica e fisiologia vegetale. Inoltre, gli studenti svilupperanno la capacità di sintesi e integrazione delle conoscenze formulando giudizi solidi anche sulla base di informazioni incomplete o ristrette. Le proprie conclusioni e raccomandazioni saranno comunicate tramite argomentazione delle conoscenze ottenute durante il corso e delle motivazioni alla base, sia a un pubblico specializzato che a quello non specialistico, in modo chiaro e inequivocabile. Le nozioni ed i concetti acquisiti durante il corso doteranno gli studenti di una maggior responsabilità per l'ulteriore sviluppo professionale.

• Francesco SESTILI

Obiettivi formativi

Il corso ha l’obiettivo di fornire conoscenze avanzate e strumenti operativi per comprendere, valutare e migliorare la qualità delle colture orticole attraverso l’adozione di innovazioni tecnologiche e strategie sostenibili. Gli studenti acquisiranno competenze sui fattori che influenzano la qualità dei prodotti orticoli (intrinseci ed estrinseci), sulle tecniche colturali innovative (sistemi senza suolo, gestione di nutrizione e irrigazione, uso di sensori) e sulle strategie per l’arricchimento nutrizionale e funzionale delle produzioni (innesto, biostimolanti, serre nutraceutiche). Particolare enfasi sarà posta sull’integrazione tra conoscenze teoriche, capacità applicative e interpretative, e sullo sviluppo di autonomia critica e comunicativa.
Al termine dell'insegnamento, gli studenti saranno in grado di:
• Applicare le conoscenze acquisite in contesti produttivi reali (applying knowledge and understanding);
• Formulare giudizi autonomi e critici sull’uso delle innovazioni tecnologiche e sulle strategie di gestione colturale (making judgements);
• Comunicare in modo chiaro e scientificamente corretto i risultati delle proprie analisi e progettazioni (communication skills);
• Aggiornare autonomamente le proprie conoscenze e competenze in relazione all’evoluzione delle tecnologie e delle pratiche colturali (learning skills).

• Mariateresa CARDARELLI

Obiettivi formativi

Il corso introdurrà gli studenti ai principi e agli approcci sperimentali, in continua evoluzione, delle biotecnologie vegetali. Il corso si propone di rafforzare le conoscenze di base sulle biotecnologie vegetali applicate agli alberi forestali (biotecnologie verdi, categorie di processi e prodotti biotecnologici, piante modello, colture di tessuti vegetali, metodi ricombinanti, strumenti molecolari), offrendo un quadro per affrontare i problemi scientifici attuali (cioè l'uso di alberi transgenici) e fornire anche una base per studi specializzati nel campo della propagazione clonale in vitro, del miglioramento genetico degli alberi e della genomica funzionale. Nelle lezioni di laboratorio gli studenti svilupperanno alcune delle tecniche attualmente utilizzate per ottenere piante micropropagate, colture di calli e protoplasti di specie forestali e per rilevare la variazione genetica. I concetti chiave del corso saranno integrati in una serie di casi di studio e gli studenti miglioreranno la loro capacità di applicarli a nuove situazioni in sessioni di problem solving, in particolare dedicate alla regione mediterranea. Al termine del corso gli studenti avranno una conoscenza approfondita dei principi di base delle biotecnologie forestali e delle moderne tecniche per ottenere prodotti tecnologici (materiale in vitro caratterizzato da fedeltà clonale o varianti somaclonali, metaboliti secondari, materiali transgenici e cisgenici alberi, strumenti molecolari per lo studio della variabilità genetica). Infine, avranno acquisito la capacità di comprendere le potenzialità di utilizzo degli alberi biotech al fine di aumentare la produttività delle piantagioni forestali anche in ambienti svantaggiati (stress biotici e abiotici) o di
utilizzare gli alberi biotech per il recupero di terreni aridi (salinità, inquinamento). Gli studenti saranno incoraggiati a mettere a frutto le conoscenze acquisite durante il corso
e durante le esercitazioni di laboratorio al fine di applicarle a problematiche specifiche quali, ad esempio, la propagazione di genotipi migliorati o di varianti somaclonali resistenti a biotiche o abiotiche stressanti o caratterizzati da elevata produttività del legno, nonché la conservazione di specie o provenienze minacciate.
Gli studenti saranno in grado di interpretare e discutere i lavori scientifici presentati a lezione e di individuarne i punti salienti ei punti salienti. Durante le lezioni sarà stimolata la capacità di riflessione e discussione degli studenti sugli argomenti trattati nonché il confronto di opinioni per sviluppare le proprie capacità comunicative. Queste abilità saranno poi verificate durante l'esame. Gli studenti saranno in grado di esporre e sviluppare tematiche scientifiche legate al corso. Il coinvolgimento attivo degli studenti attraverso discussioni orali in aula ed esperienze nelle pratiche di laboratorio, svilupperà tale abilità.

Obiettivi formativi

Conoscenza e capacità di comprensione
Al termine del corso, lo studente avrà acquisito una solida padronanza dei principi statistici fondamentali applicati alle scienze agrarie, spaziando dalle basi descrittive all'inferenza statistica (test di ipotesi, ANOVA, regressione). Comprenderà la logica che sta dietro la programmazione in R, conoscendo la sintassi necessaria per manipolare strutture dati complesse (vettori, data frame, matrici). Inoltre, lo studente capirà le differenze teoriche e pratiche tra le diverse tecniche di machine learning supervisionato (come PLS, LDA, reti neurali) e non supervisionato (PCA, Clustering, t-SNE), comprendendo quando e perché applicarle.

Conoscenza e capacità di comprensione applicate
Lo studente sarà in grado di trasformare un dataset grezzo in informazioni utili lavorando autonomamente in ambiente R (RStudio, VS Code o Positron). Saprà scrivere ed eseguire script per importare dati, gestirli tramite cicli e condizioni logiche, e condurre analisi statistiche complete. Nello specifico, saprà applicare test parametrici e non parametrici, costruire modelli di regressione (lineari e non lineari) e implementare algoritmi di classificazione e clustering. Questa capacità pratica si rifletterà direttamente nella preparazione dello script richiesto per l’esame.

Autonomia di giudizio
Lo studente svilupperà la capacità critica necessaria per interpretare i risultati numerici e grafici forniti dal software. Non si limiterà a eseguire il codice, ma saprà valutare la bontà di un modello predittivo (usando indici come RMSE o R2) e la significatività statistica dei test effettuati. Un aspetto centrale sarà la capacità di utilizzare gli assistenti AI (LLM) in modo consapevole: lo studente imparerà a verificare la correttezza del codice generato dall'intelligenza artificiale, evitando l’approccio passivo (“vibe coding”) e correggendo eventuali allucinazioni o errori logici suggeriti dagli strumenti automatici.

Abilità comunicative
Lo studente saprà comunicare i risultati delle proprie analisi attraverso un linguaggio tecnico appropriato e visualizzazioni dati di alta qualità (grafici pronti per la pubblicazione scientifica). Saprà argomentare le scelte statistiche fatte (ad esempio, perché scegliere un test non parametrico o un determinato algoritmo di clustering) sia attraverso i commenti nel codice dello script d'esame, sia rispondendo alle domande teoriche relative al primo modulo.

Capacità di apprendimento
Il corso fornirà il metodo per continuare ad apprendere autonomamente nel campo in rapida evoluzione della Data Science. Lo studente imparerà a consultare la documentazione delle librerie R, a fare il debugging del proprio codice e a utilizzare gli LLM come tutor per accelerare l'apprendimento di nuove funzioni o pacchetti non trattati a lezione, rendendolo autonomo nell'affrontare problemi analitici futuri.

• Roberto Moscetti

Obiettivi formativi

Il corso si propone di consolidare le conoscenze di base riguardanti le banche dati genomiche e le nuove tecnologie di sequenziamento. Verranno inoltre fornite conoscenze
di base dei linguaggi di programmazione necessari per le principali analisi bioinformatiche affrontate durante il corso. Alla fine del corso, gli studenti saranno in grado di applicare le loro competenze per affrontare e risolvere problemi complessi nel campo della bioinformatica, come l'analisi e l'interpretazione di grandi dataset genomici. Saranno quindi in grado di pianificare un esperimento di sequenziamento genomico e di utilizzare pipeline bioinformatiche applicabili in svariati contesti di ricerca scientifica. Gli studenti acquisiranno la capacità di integrare conoscenze interdisciplinari provenienti da bioinformatica, genetica e biologia molecolare per gestire e risolvere problemi multidimensionali e complessi. Saranno in grado di affrontare la complessità dei dati biologici e delle tecnologie informatiche, adattando e ottimizzando le metodologie per rispondere a nuove e complesse sfide. Gli studenti saranno in grado di comunicare con un linguaggio tecnico e scientifico le metodologie scelte, I risultati e le loro conclusioni a interlocutori specialisti e non specialisti, attraverso documentazione scientifica, articoli accademici e presentazioni orali. Il corso comprenderà lezioni frontali teoriche ed esercitazioni pratiche durante le quali gli studenti acquisiranno le competenze necessarie per proseguire con un apprendimento autonomo e continuo nel campo della bioinformatica. Dovranno essere in grado di identificare le proprie esigenze formative, colmare eventuali lacune nelle loro conoscenze e aggiornarsi sulle nuove tecnologie e metodologie emergenti.