Il paesaggio genetico delle proteine legate alle malattie neurologiche
Una collaborazione internazionale tra Human Technopole, l’Università di Fudan, l’Università di Edimburgo e il consorzio SCALLOP ha identificato centinaia di proteine nel plasma umano correlate a tratti comportamentali umani e disturbi neuropsichiatrici. Queste proteine sono potenziali bersagli per il riposizionamento di farmaci e per nuovi interventi terapeutici per i disturbi mentali. I risultati sono stati pubblicati su Nature Human Behaviour.
5 opportunità di PhD ad HT tramite SEMM
Human Technopole offre fino a 5 borse di dottorato a giovani scienziati della comunità nazionale e internazionale che desiderano intraprendere un dottorato in Biologia Computazionale, Biologia Strutturale e Modellazione Biofisica.
Indagine multiscala della variazione del numero di copie di 7q11.23 nei disturbi del neurosviluppo
Utilizzando diversi approcci omici e modelli di malattie multiscala, i ricercatori di Human Technopole hanno scoperto gli effetti della CNV di 7q11.23, una sezione del cromosoma 7, sulla differenziazione neuronale, l’espressione genica, la sintesi proteica e l’eccitabilità neuronale intrinseca in due disturbi dello sviluppo neurologico (ossia, le sindromi di Williams-Beuren e della microduplicazione di 7q). I risultati della ricerca sono stati pubblicati su The Journal of Clinical Investigation.
Un parassita ingegnerizzato trasporta proteine terapeutiche al sistema nervoso centrale
Ingegnerizzare un parassita, il Toxoplasma gondii, naturalmente adatto ad attraversare la barriera emato-encefalica ed entrare nelle cellule neuronali, in modo che possa fornire proteine terapeutiche al sistema nervoso centrale: ecco il risultato dello studio di un gruppo di scienziati internazionali di cui fanno parte anche gli studiosi dell’Università degli Studi di Milano e di Human Technopole, appena pubblicata su Nature Microbiology.
Chan Zuckerberg Initiative premia il Glastonbury Group
Il Glastonbury Group è tra i destinatari dei premi del Data Insights Cycle 3. L’obiettivo dell’iniziativa è quello di sviluppare un modello di apprendimento automatico che identifichi sottopopolazioni cellulari rilevanti per una certa malattia e preveda un fenotipo/malattia di interesse a partire da dati RNA-seq a singola cellula (scRNA-seq) su larga scala.