Chimica analitica - Prof. Federico Fanti - a.a. 2025/2026
Biotecnologie - 2° anno
Topic outline
-
Docente: Dott. Federico Fanti
Ufficio: 3°piano Dipartimento di Bioscienze, blocco B4, Polo Silvio Spaventa
Tel: 0861/266792
e-mail: ffanti@unite.it
L’attività di ricerca del docente è incentrata sullo sviluppo e l’applicazione di metodiche analitiche innovative basate sulla cromatografia liquida accoppiata alla spettrometria di massa (LC-MS) per lo studio della lipidomica e della metabolomica in matrici biologiche e alimentari, con applicazioni in ambito clinico, nutrizionale e forense. Le attività comprendono approcci targeted (LC-QqQ, LC-QqQ-LIT) e untargeted (LC-HRMS, Orbitrap, MALDI-TOF/TOF).
Particolare attenzione è rivolta a:
-
lo studio di biomarcatori lipidici (endocannabinoidi, isoprostani, fitoprostani e composti affini) e di altri metaboliti come indicatori di processi fisiopatologici, stress ossidativo e stato nutrizionale;
-
lo sviluppo di procedure di preparazione del campione miniaturizzate ed ecosostenibili (es. microSPE) e l’impiego di polimeri a stampo molecolare (MIP) per l’estrazione selettiva di composti bioattivi;
-
l’ottimizzazione e validazione di metodiche analitiche mediante Design of Experiment (DoE);
-
lo studio dei pattern di frammentazione in spettrometria di massa, finalizzato alla caratterizzazione strutturale di lipidi e metaboliti bioattivi e al miglioramento della specificità nelle analisi targeted e untargeted.
Parallelamente, il docente integra approcci sperimentali con strategie computazionali avanzate, avvalendosi di strumenti di chemometria, data mining e machine learning per:
-
l’analisi e classificazione di dataset lipidomici e metabolomici complessi;
-
lo sviluppo di modelli predittivi per la discriminazione di campioni biologici e alimentari;
-
l’individuazione di variabili discriminanti mediante feature selection e interpretabilità dei modelli (es. SHAP values);
-
l’applicazione di algoritmi supervisionati e non supervisionati (Random Forest, SVM, PLS-DA, clustering, k-means, reti neurali, deep learning);
-
l’integrazione di analisi multivariate con metodologie di apprendimento automatico ottimizzate per l’elaborazione parallela e pipeline modulari per la gestione di dataset di grandi dimensioni (big data).
Questa sinergia tra sperimentazione analitica e intelligenza artificiale è finalizzata a sviluppare strumenti predittivi, sostenibili e innovativi per l’analisi lipidomica e metabolomica, contribuendo all’avanzamento della ricerca in ambito clinico, alimentare e forense.
ORCID: https://orcid.org/0000-0002-9235-5874
Google scholar: https://scholar.google.com/citations?user=U9KULvQAAAAJ&hl=it&authuser=1
Scopus ID: 57196123981
Web of Science ID: ITT-1084-2023
INFO SUL CORSO
OBIETTIVI GENERALI DEL CORSO- Conoscenza e capacità di comprensione: Il corso si propone di fornire le conoscenze per comprendere le varie fasi dello sviluppo ed applicazione di metodi analitici per lo studio dei sistemi complessi in particolare nel settore agroalimentare e biomedico con particolare riferimento a tecniche volumetriche, spettrofotometriche e cromatografiche.
Sono necessarie conoscenze pregresse da parte dello studente come concetti di matematica/statistica di base quali funzioni lineari e logaritmiche e concetto di probabilità, insieme alle conoscenze di base di chimica generale ed organica acquisite nei corsi precedenti. Uso di un foglio di lavoro Excel (o simile) per l’elaborazione dei dati acquisito nel corso di Informatica. - Capacità di applicare conoscenza e comprensione: Lo studente sarà in grado di applicare le conoscenze sulla espressione del dato per qualsiasi tipo di misura sperimentale e metodo analitico. Sarà in grado di comprendere ed effettuare semplici analisi volumetriche e cromatografiche, misure spettrofotometriche usando un protocollo di lavoro.
- Autonomia di giudizio: Lo studente sarà in grado di interpretare i dati ottenuti mediante le tecniche studiate in funzione delle loro proprietà e limitazioni. In particolare sarà capace, per le tecniche studiate, di valutare l’effettiva qualità del dato analitico (accuratezza, robustezza) in base alla procedura di misurazione (p.es mediante calibrazione o aggiunte standard) e al controllo del metodo. Questo consentirà di prendere decisioni adeguate durante l’attività professionale.
- Abilità comunicative: La discussione delle attività di laboratorio svolte avverrà sia collettivamente sia individualmente. Lo studente dovrà presentare i dati ottenuti su foglio Excel; ciò consentirà un uso appropriato dei fogli di lavoro estendibile a qualsiasi altra attività professionale che utilizzi tale mezzo.
- Capacità di apprendimento: Alla fine del corso lo studente sarà in grado di affrontare con maggiore facilità lo studio e la comprensione di tecniche analitiche basate su concetti chimico/fisici e strumentazione più complessa (cromatografia, tecniche ifenate, etc…) che saranno in parte affrontati in altri corsi del triennio (es. Metodologie Biochimiche) in maniera complementare. Tali tecniche sono di notevole importanza nel settore biotecnologico e oggetto di studio in molti corsi di laurea magistrale nel settore.
PREREQUISITI E PROPEDEUTICITA'- Prerequisiti: Conoscenze di Chimica Generale e Chimica Organica.
Basi di matematica (compresi concetti di studio di funzione e calcoli logaritmici), di fisica (concetti base della fisica newtoniana e dell'elettromagnetismo) e di statistica (es. deviazione standard). - Propedeuticità: Corso monodisciplinare. Non sono previste propedeuticità.
Opzione 1:
Titolo: Fondamenti di Chimica Analitica di Skoog e West
Autore: F. J. Holler, e S. R. Crouch
Edizione: Edises
Opzione 2:
Titolo: Chimica Analitica
Autore: L. Sabbatini, L. Malitesta, P. Pastore
Edizione: Edises
Prima Unità Didattica
•Introduzione alla chimica analitica•Concetti essenziali•Statistica applicata ai metodi analitici•L'errore in Chimica Analitica•Accuratezza e precisione•Regressione lineare•Tecniche Estrattive•Estrazioni da matrici gassose•Estrazioni da matrici liquide•Estrazioni da matrici solide•Cromatografia.•Tecniche di separazione.•GC e HPLC.•Accoppiamenti•Spettroscopia•UV/Vis•Infrarosso•Fluorescenza•Spettrometria.•Risonanza magnetica nucleare•Spettrometria di massa•Spettrometria ad alta risoluzione•Risoluzione•Massa accurata•Scienze omicheSeconda Unità Didattica•Elaborazione dei dati)(accenni)•Analisi Univariata•Analisi Multivariata•Networking•Parametri di Validazione•Standard interno (IS)•Effetto Matrice•Recupero•Stabilità•Linearità•Riproducibilità•Errore•Robustezza•Linee guida•Applicazioni•Sicurezza alimentare•Tossicologia forense•Proteomica.•Biomedica•Metabolomica•Lipidomica•ImagingPROVE INTERMEDIE
PROVA INTERMEDIA 1- Unità didattica di riferimento: 1
- Data: da definire
- Tipologia di prova: 30 domande a risposta multipla
PROVA INTERMEDIA 1- Unità didattica di riferimento: 2
- Data: da definire
- Tipologia di prova: 30 domande a risposta multipla
MODALITA' DI VALUTAZIONE
L'esame è costituito da una prova scritta e da colloquio orale. Sono previste 2 prove in itinere, che possono sostituire la prova scritta, con lo scopo di permettere allo studente di verificare la propria preparazione durante lo svolgimento del corso.Esercitazione 1
Giorno: Venerdì 31 Ottobre
Orario: 14:00 - 18:00
Laboratorio: Motti
Esercitazione 2
Giorno: Venerdì 14 Novembre
Orario: 14:00 - 18:00
Laboratorio: Motti
Esercitazione 3
Giorno: Lunedì 2 Dicembre
Orario: 14:00 - 18:00
Laboratorio: Motti
Giorno: Martedì
Orario: 11:00 - 13:00
Ufficio: 3°piano Dipartimento di Bioscienze, corridoio tra il ponte rosso e il ponte blu, Polo Silvio Spaventa
-