+30 2410 565271 -72 -73 g-bio@bio.uth.gr

Μαθησιακά Αποτελέσματα

Οι μαθησιακοί στόχοι του Διπλού Προγράμματος Μεταπτυχιακών Σπουδών (Dual MSc) στη Συνθετική Βιολογία έχουν σχεδιαστεί ώστε να παρέχουν στους φοιτητές προηγμένες διεπιστημονικές γνώσεις στα πεδία της βιολογίας, της μηχανικής, της βιοτεχνολογίας και των υπολογιστικών επιστημών. Στόχος του προγράμματος είναι να εφοδιάσει τους αποφοίτους με το απαραίτητο θεωρητικό υπόβαθρο, την εργαστηριακή εξειδίκευση και τις αναλυτικές δεξιότητες που απαιτούνται για τον σχεδιασμό, την ανάπτυξη και την αξιολόγηση συνθετικών βιολογικών συστημάτων και καινοτόμων βιοτεχνολογικών εφαρμογών.

Με την επιτυχή ολοκλήρωση του προγράμματος, οι απόφοιτοι θα είναι σε θέση να επιδεικνύουν τα ακόλουθα μαθησιακά αποτελέσματα:

Γνώση και Κατανόηση

  • Να εξηγούν σε προχωρημένο επίπεδο τις μοριακές, γενετικές, βιοχημικές και μηχανικές αρχές που διέπουν τον σχεδιασμό και τη λειτουργία των συνθετικών βιολογικών συστημάτων.
  • Να αναλύουν τη δομή, τη δυναμική και την αρθρωτή οργάνωση των βιολογικών δικτύων, των μεταβολικών μονοπατιών και των γενετικών κυκλωμάτων.
  • Να κατανοούν και να αξιολογούν κριτικά τις σύγχρονες τεχνολογίες επεξεργασίας και μηχανικής γονιδιώματος, καθώς και τις αυτοματοποιημένες πλατφόρμες βιολογίας.
  • Να αξιολογούν τις υπολογιστικές, βιοπληροφορικές και προσεγγίσεις μηχανικής μάθησης που χρησιμοποιούνται για τον σχεδιασμό, τη μοντελοποίηση και τη βελτιστοποίηση βιολογικών συστημάτων.

 Δεξιότητες

  • Να σχεδιάζουν και να εφαρμόζουν στρατηγικές για την κατασκευή συνθετικών γενετικών κυκλωμάτων, μεταβολικών δικτύων και τροποποιημένων βιολογικών συστημάτων.
  • Να εφαρμόζουν πειραματικές τεχνικές στη μοριακή βιολογία, τη μηχανική γονιδιώματος και τις αυτοματοποιημένες πλατφόρμες υψηλής απόδοσης (high-throughput) για την ανάπτυξη νέων βιοτεχνολογικών εφαρμογών.
  • Να αναλύουν και να ερμηνεύουν δεδομένα που παράγονται από τεχνολογίες υψηλής απόδοσης, όπως η Αλληλούχιση Νέας Γενιάς (Next-Generation Sequencing) και οι πολυ-ομικές (multi-omics) προσεγγίσεις.
  • Να χρησιμοποιούν εργαλεία υπολογιστικής βιολογίας και μηχανικής μάθησης για την ανάλυση, τη προσομοίωση και τη βελτιστοποίηση συνθετικών βιολογικών συστημάτων.
  • Να σχεδιάζουν και να αξιολογούν εφαρμογές της συνθετικής βιολογίας στη βιοϊατρική, τη βιομηχανική βιοτεχνολογία, τη γεωργία και το περιβάλλον.
  • Να εφαρμόζουν το πλαίσιο Design-Build-Test-Learn (DBTL) στην ανάπτυξη και τη βελτιστοποίηση συνθετικών βιολογικών συστημάτων.

 Ικανότητες

  • Να σχεδιάζουν και να διεξάγουν ανεξάρτητα ερευνητικά έργα στη συνθετική βιολογία, εφαρμόζοντας σύγχρονες πειραματικές, υπολογιστικές και αυτοματοποιημένες μεθοδολογίες.
  • Να αξιολογούν κριτικά τη επιστημονική βιβλιογραφία και να ενσωματώνουν νέα ερευνητικά ευρήματα στον σχεδιασμό βιολογικών συστημάτων.
  • Να λαμβάνουν τεκμηριωμένες αποφάσεις κατά την αντιμετώπιση σύνθετων και απρόβλεπτων ερευνητικών ή τεχνολογικών προκλήσεων.
  • Να ενσωματώνουν τις αρχές της υπεύθυνης καινοτομίας, της βιοηθικής, της βιοασφάλειας (biosafety) και της βιοπροστασίας (biosecurity) στην έρευνα και την ανάπτυξη βιοτεχνολογικών εφαρμογών.
  • Να συνεργάζονται αποτελεσματικά στο πλαίσιο διεπιστημονικών ομάδων που συνδυάζουν τη βιολογία, τη μηχανική, την επιστήμη των υπολογιστών και τη χημεία.
  • Να επικοινωνούν αποτελεσματικά επιστημονικά αποτελέσματα και τεχνολογικές εφαρμογές τόσο σε εξειδικευμένο όσο και σε μη εξειδικευμένο κοινό.