Computational Biology

Biologia Computazionale

ll Centro di Ricerca per la Biologia Computazionale si impegnerà nello sviluppo di soluzioni per l’analisi, la gestione e l’integrazione dei dati prodotti da altri centri e per rendere tali dati disponibili al più ampio spettro di scienziati.

Insieme ad altri Centri di Human Technopole, utilizzerà approcci statistici, computazionali e bioinformatici per studiare una varietà di problemi come i processi biologici associati a malattie o il funzionamento del sistema sanitario, principalmente sviluppando tecnologie avanzate, nuovi algoritmi e software per il calcolo simulazioni e analisi di big data. Lo sviluppo di strumenti computazionali per la scoperta e il riutilizzo di farmaci è un esempio di linea di ricerca che verrà perseguita all’interno del Centro.

L’analisi digitale e l’elaborazione dei dati di imaging biomedico saranno perseguite ampiamente all’interno del Centro di Ricerca per la Biologia Computazionale. Tale lavoro di calcolo delle bio-immagini si concentrerà sia sulla microscopia ottica che sui set di dati di biologia strutturale, inizialmente attraverso strette interazioni con il Centro di Ricerca per la Neurogenomica, il Centro di Ricerca per la Biologia Strutturale e partner esterni. Nella maggior parte di queste aree il volume di dati da gestire e analizzare è molto ampio, il che porta alla necessità di sviluppare e utilizzare metodi di apprendimento automatico o di intelligenza artificiale, oltre a metodi di visione artificiale, computer grafica e calcolo ad alte prestazioni.

Gruppi di ricerca

  • Iorio Group

    Lo Iorio Group lavora tra biologia, machine learning, statistica e teoria dell’informazione con l’obiettivo di comprendere e prevedere il ruolo delle alterazioni genomiche e dei tratti molecolari derivanti da altre -omiche nei processi patologici, nel ri-cablaggio dei circuiti biologici e il loro impatto sulla risposta terapeutica nei tumori umani e in altre malattie.
    La nostra ricerca mira a migliorare la salute umana sviluppando algoritmi, strumenti di calcolo e nuovi metodi analitici per l’integrazione e l’analisi di set di dati di farmacogenomica e genomica funzionale, con l’obiettivo di identificare nuovi target terapeutici, biomarcatori e opportunità per il riposizionamento dei farmaci.

    Con i nostri collaboratori, stiamo contribuendo alla creazione di una mappa completa di tutte le dipendenze genetiche e le vulnerabilità dei tumori umani e allo sviluppo di un’infrastruttura computazionale per tradurre questa mappa in linee guida per le fasi iniziali dello sviluppo di farmaci e per la medicina di precisione.
    Sviluppiamo, implementiamo e gestiamo metodi bioinformatici e nuovi strumenti per la valutazione di modelli preclinici, la pre-elaborazione, l’analisi e la visualizzazione di dati provenienti da screening di genome-editing, per la correzione in silico di bias specifici in tali dati e per l’ottimizzazione di librerie di RNA a guida singola per screenings CRISPR-Cas9 aggregati e altri setting sperimentali.
    Il nostro interesse è anche rivolto all’analisi di big-data, allo sviluppo di modelli predittivi biomedici basati su dati non biomedici, e a strategie informatiche efficienti per la randomizzazione vincolata utile a testare proprietà combinatorie in reti biologiche e dati genomici su larga scala.

  • Jug Group

    La ricerca condotta dal Jug Group sta spingendo i confini di ciò che l’analisi delle immagini e l’apprendimento automatico possono fare per quantificare i dati (immagini) biologici. Il denominatore comune di tali progetti è l’indiscutibile necessità di analizzare grandi quantità di dati di microscopia ottica senza causare quantità impossibili di gestione manuale dei dati ed elaborazione dei dati ai ricercatori di scienze della vita (ovvero i nostri utenti e collaboratori).
    Da un punto di vista computazionale siamo interessati a (i) riduzione del rumore e restauro dell’immagine, (ii) segmentazione e tracciamento di oggetti e (iii) moduli di analisi per attività come rilevamento di oggetti, registrazione / deformazione di immagini nD, ecc.
    Oltre allo sviluppo di nuove soluzioni algoritmiche e di apprendimento automatico, il Jug Group ha anche un forte accento sulla fusione di questi metodi in pacchetti software modulari e riutilizzabili. Questo lavoro avviene in larga misura nel contesto del software Fiji e della programmazione Python che è in continua evoluzione. Crediamo fermamente che il potere e la flessibilità della comunità di image.sc e il loro ricchissimo universo di soluzioni open source siano di un valore e un’utilità per la comunità delle scienze della vita in generale che difficilmente può essere sottovalutato.