Computational Biology

Biologia Computazionale

RESPONSABILE: Andrea Sottoriva

Le scienze computazionali applicate alla biologia e alla medicina sono al cuore della missione di Human Technopole. Il centro di ricerca per la Biologia Computazionale ha l’obiettivo di sviluppare nuovi approcci matematici e computazionali per l’analisi e l’interpretazione di dati medici e biologici. A Human Technopole, la biologia computazionale non riguarda solo lo sviluppo di nuovi metodi per l’analisi dei dati ma, in particolar modo, l’importanza di porre domande fondamentali sulla biologia e la salute umana che possano essere affrontate utilizzando solamente approcci computazionali, dalla modellazione matematica di sistemi dinamici, all’apprendimento automatico e all’artificiale Intelligenza.

Il centro di ricerca per la Biologia Computazionale di HT genera nuovi set di dati basati su progetti sperimentali informati dal punto di vista computazionale. Analizza e interpreta anche i dati generati da altri centri HT, nonché da collaborazioni esterne.

Usiamo approcci statistici, bioinformatici e di intelligenza artificiale per studiare una varietà di questioni biologiche, in particolare per comprendere i meccanismi e le dinamiche associati alle malattie. Uno dei tanti obiettivi di ricerca del Centro è identificare i meccanismi di resistenza ai farmaci antitumorali, prevedere l’evoluzione dei tumori e intervenire tempestivamente ed efficacemente in ogni paziente. Il Centro sarà anche coinvolto nella progettazione di metodi per la scoperta e il riutilizzo di farmaci antitumorali, utilizzando dati di genomica funzionale provenienti da screening di vulnerabilità del cancro e modelli in vitro. Oltre all’analisi dei dati genetici dei pazienti e dei sistemi modello, le attività del Centro si concentrano anche sull’analisi dei dati monocellulari e multi-omici, nonché sull’elaborazione di immagini mediche e microscopiche mediante intelligenza artificiale.

Andrea Sottoriva
RESPONSABILE

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.

  • Pinheiro Group

    Le sfide più urgenti della medicina moderna richiedono di conoscere i processi evolutivi dei patogeni. Prevedere l’evoluzione, tuttavia, è una sfida teorica. Le dinamiche evolutive dipendono dal metabolismo delle cellule e dalle risorse ecologiche. La complessità di questa interazione da origine a forti non linearità generate da interazioni che spesso non vengono catturate dalla modellazione di singole parti: richiedono una modellazione a livello di sistema. Prevedere le dinamiche evolutive presenta ulteriori sfide: dobbiamo fare biologia dei sistemi tra organismi geneticamente diversi e integrare processi stocastici che operano su diverse scale. Come possiamo distillare questa complessità apparentemente travolgente dell’evoluzione biologica in strutture semplici e misurabili che possano generare previsioni evolutive?

  • Sottoriva Group

    Il Sottoriva Group si occupa di decifrare le dinamiche del cancro nei pazienti in termini di crescita, progressione e resistenza al trattamento attraverso approcci matematici e computazionali applicati a dati multi-omici del cancro, con l’obiettivo di predire il futuro decorso della malattia.

Membri del centro