The pharmacogenomics cube Credit: graphic concept by Francesco Iorio, illustration by Spencer Phillips, EMBL - EBI 2016 Il cubo farmacogenomico Credito: concept grafico Francesco Iorio, illustrazione Spencer Phillips, EMBL-EBI 2016
Biologia Computazionale

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

Pubblicazioni

  • 05/2020 - Cell Systems

    CELLector: Genomics-Guided Selection of Cancer In Vitro Models

    Selecting appropriate cancer models is a key prerequisite for maximizing translational potential and clinical relevance of in vitro oncology studies. We developed CELLector: an R package and R Shiny application allowing researchers to select the most relevant cancer cell lines in a patient-genomic-guided fashion. CELLector leverages tumor genomics to identify recurrent subtypes with associated genomic signatures. It then evaluates […]

  • 12/2019 - Nature Communications

    Agreement between two large pan-cancer CRISPR-Cas9 gene dependency data sets

    Genome-scale CRISPR-Cas9 viability screens performed in cancer cell lines provide a systematic approach to identify cancer dependencies and new therapeutic targets. As multiple large-scale screens become available, a formal assessment of the reproducibility of these experiments becomes necessary. We analyze data from recently published pan-cancer CRISPR-Cas9 screens performed at the Broad and Sanger Institutes. Despite […]