
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.
Membri del gruppo
-
Francesco Iorio
Research Group Leader -
Riccardo Roberto De Lucia
Software and Web Developer -
Raffaele Iannuzzi
PhD Student -
Aurora Savino
Postdoc -
Lucia Trastulla
Postdoc -
Alessandro Vinceti
PhD Student
Pubblicazioni
-
01/2023 - Bioinformatics
A heuristic algorithm solving the mutual-exclusivity sorting problem
Motivation Binary (or boolean) matrices provide a common effective data representation adopted in several domains of computational biology, especially for investigating cancer and other human diseases. For instance, they are used to summarise genetic aberrations—copy number alterations or mutations—observed in cancer patient cohorts, effectively highlighting combinatorial relations among them. One of these is the tendency […]
-
01/2023 - Cell Reports Methods
An interactive web application for processing, correcting, and visualizing genome-wide pooled CRISPR-Cas9 screens
A limitation of pooled CRISPR-Cas9 screens is the high false-positive rate in detecting essential genes arising from copy-number-amplified genomics regions. To solve this issue, we previously developed CRISPRcleanR: a computational method implemented as R/python package and in a dockerized version. CRISPRcleanR detects and corrects biased responses to CRISPR-Cas9 targeting in an unsupervised fashion, accurately reducing […]
-
10/2022 - Nature
Phenotypic plasticity and genetic control in colorectal cancer evolution
Genetic and epigenetic variation, together with transcriptional plasticity, contribute to intratumour heterogeneity1. The interplay of these biological processes and their respective contributions to tumour evolution remain unknown. Here we show that intratumour genetic ancestry only infrequently affects gene expression traits and subclonal evolution in colorectal cancer (CRC). Using spatially resolved paired whole-genome and transcriptome sequencing, […]
-
07/2022 - Cell Reports
Reduced gene templates for supervised analysis of scale-limited CRISPR-Cas9 fitness screens
Pooled genome-wide CRISPR-Cas9 screens are furthering our mechanistic understanding of human biology and have allowed us to identify new oncology therapeutic targets. Scale-limited CRISPR-Cas9 screens—typically employing guide RNA libraries targeting subsets of functionally related genes, biological pathways, or portions of the druggable genome—constitute an optimal setting for investigating narrow hypotheses and are easier to execute […]
-
07/2022 - Molecular Systems Biology
Computational estimation of quality and clinical relevance of cancer cell lines
Immortal cancer cell lines (CCLs) are the most widely used system for investigating cancer biology and for the preclinical development of oncology therapies. Pharmacogenomic and genome-wide editing screenings have facilitated the discovery of clinically relevant gene–drug interactions and novel therapeutic targets via large panels of extensively characterised CCLs. However, tailoring pharmacological strategies in a precision […]