Teori og anvendelse af beregningsmetoder i kontekst med prædiktion at immunrespons, ydermere:
- Involveringen at TCR og BCR og MHC klasse I/II i induceringen af immunrespons
- De strukturelle og genetiske karakteristika af TCR og BCR og MHC klasse I/II korresponderende epitoper
- Beregningsmetoder for modellering af TCR og BCR og MHC class I/II og deres respektive epitop-interaktioner
- Anvendelse og udfordringer ved ovenstående i sygdomskontekst, altså vaccinologi ifbm. infektiøse sygdomme og kræft

Generelle ingeniørkompetencer inddrages i form af teori i kontekst med konkret anvendelse, samt projektarbejde i grupper, hvor de studerende selv er ansvarlige for at planlægge, designe, implementere og kommunikere et projekt. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Liste de strukturelle karakteristika af MHC klasse I og II molekyler og deres respektive antigen processerings-pathways og ligander
• Identificere relevante immunologiske databaser på internettet og ekstrahere relevant data
• Identificere de anvendte germ-line gener i det endelige rearrangement af antistofkodende gener
• Forklare de strukturelle og funktionelle forskelle mellem MHC klasse I og II molekyler og en antistof/BCR og en TCR
• Forklare baggrunden for prædiktion af peptid-MHC I/II binding og lineære- og konformationelle B-celle epitoper
• Forklare hvad en Positionsspecifik Scoringsmatrice er og hvordan en PSSM anvendes til at kontruere et sekvenslogo baseret på en peptidliste
• Konceptuelt forklare hvordan et kunstigt neuralt netværk konstrueres, trænes og hvordan det genererer prædiktioner
• Anvende egnede værktøjer for prædiktion af: i. Peptid-MHCI/II binding (T-celle epitoper), ii. Lineære/​konformationelle B-celel epitoper, iii. Interaktion mellem en TCR og pMHC komplekset og IV. T-Celle receptor og antistof struktur
• Anvende allelefrekvensdatabasen til at identificere vaccine-populationsdækning
• Anvende web-baserede værktøjer til at analysere TCR- og BCR repertoirer
• Når præsenteret for en foreslået peptidbaseret vaccine, vurdere og beslutte om den møder kriterier for den korresponderende sygdom og populationsdækning, samt evaluere potentiel effektivitet
• Ved at bringe viden fra hele kurset i spil og relevante in silico metoder, planlægge og udføre: i. Et peptidvaccine-project og ii. Et proteinmedikament deimmuniseringsprojekt

Kurset har til hensigt 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 udsigt til infektiøse sygdomme og cancer immunoterapi.

Første halvdel af kurset består af forelæsninger og øvelser. I anden halvdel af kurset, vil de studerende udføre projektarbejde. Opgaverne, samt projekterne løses i grupper.

På dag 8 vil der være et forskningsseminar med prominente forskere inden for cancer immunoterapi Al relevant litteratur vil være tilgængelig via DTU Inside 01. september, 2020