Den studerende vil være istand til at skitsere den teoretiske baggrund samt anvende og analysere resultatet af beregningsmetoder i forbindelse med forudsigelse af immunresponser. Desuden vil de kunne:
- beskrive T celle receptor (TCR), B celle receptor (BCR) og Major histocompatibility complex (MHC)'s inddragelse i induktionen af et immunrespons
- sammenfatte de strukturelle og genetiske karakteristika ved TCR, BCR og MHC og deres tilhørende epitoper
- anvende beregningsmetoder til modellering af TCR, BCR og MHC og deres epitopinteraktioner
- anvende beregningsmetoder til rationel design af vacciner
- anvende, diskutere og kombinere ovennævnte beregningsmetoder i sygdomssammenhæng, dvs. vaccinologi i forbindelse med infektionssygdomme, autoimmunitet, og kræft

Generelle ingeniørkompetencer indgår i en sammenhæng med konkret anvendelse i et gruppebaseret projektarbejde, hvor de studerende er ansvarlige for at planlægge, designe, gennemføre og formidle et projekt. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificere relevante immunologiske databaser og implementere forespørgsler for at udtrække ønskede data
• Beskrive de strukturelle og funktionelle forskelle mellem et antistof/BCR og en TCR
• Identificere de anvendte kimlinegener i et endeligt antistof rearrangement
• Anføre og sammenligne de strukturelle og funktionelle egenskaber ved MHC-I- og MHC-II-molekyler og deres respektive antigenprocesseringsveje og ligander
• Forklare, hvad en positionsspecifik scorematrix er, og hvordan den bruges til at skabe et sekvenslogo ud fra et sæt peptider.
• Konceptuelt forklare, hvordan et kunstigt neuralt netværk konstrueres, trænes og forudsiges, og illustrere deres brug i de forskellige immunprædiktorer.
• Vælg det passende værktøj til at forudsige: i. Peptid-MHCI/II-binding (T-celle-epitoper), ii. Lineære/​konformationelle B-celle-epitoper, iii. Interaktion mellem TCR og pMHC-kompleks og IV. T-cellereceptor- og antistofstruktur
• Generalisere fordele og begrænsninger ved anvendelse af prædiktorer for peptid-MHCI/​II-interaktioner og lineære/​konformationelle B-celle-epitoper.
• Integrere forskellige værktøjer/​databaser til at identificere allelfrekvenser og populationsdækning
• Brug webbaserede værktøjer til analyse af repertoirer af TCR'er og BCR'er
• Når du bliver præsenteret for en foreslået peptidvaccine, skal du afgøre, om den opfylder kriterierne for målsygdom og befolkningsdækning, og evaluere dens potentielle effektivitet
• Ved hjælp af den viden, der er opnået i kurset ved at anvende in silico-metoder, skal du planlægge, gennemføre og præsentere et forskningsprojekt for at designe fx: i. En peptidvaccine, ii. Et proteinlægemiddel til de-immunisering

Kursets mål er at introducere de studerende til de nyeste metoder inden for computational immunologi.

Der er et stærkt fokus på at introducere metoderne i kontekst, med immunologi som domænespecifikt vidensområde. Ydermere vil introduktionen til teorien bag metoderne blive efterfulgt af praktiske øvelser, så de studerende bliver i stand til selvstændigt at udføre analyser. Kurset dækker immunologisk bioinformatik og computational vaccinologi med perspektivering til infektiøse sygdomme, cancer immunoterapi, og autoimmunitet.

Første halvdel af kurset består af forelæsninger og øvelser. I anden halvdel af kurset, vil de studerende udføre projektarbejde. Opgaverne og projekterne løses i grupper. Al relevant litteratur vil være tilgængelig via DTU Learn 02. maj, 2025