Francesco Iorio

Francesco ha conseguito un dottorato di ricerca in informatica presso l’Università di Salerno e il TeleThon Institute of Genetics and Medicine (TIGEM, Napoli – Italia), dove si è concentrato sui metodi computazionali per la scoperta e il riposizionamento di farmaci.

Successivamente, gli è stata assegnata una borsa di studio post-dottorato (ESPOD) in un programma congiunto tra l’EMBL – European Bioinformatics Institute (EBI) e il Wellcome Sanger Institute (WSI) per lavorare su approcci computazionali integrativi per la previsione e la dissezione della sensibilità ai farmaci nel cancro, a partire dall’analisi di dati provenienti da screening farmacologici in-vitro su larga scala.

Successivamente, in qualità di bioinformatico presso l’EBI, Francesco ha guidato l’analisi dei dati provenienti da uno screening a CRISPR-Cas9 su scala genomica eseguiti su centinaia di linee cellulari tumorali, con l’obiettivo di identificare letalità sintetiche nel cancro e identificare nuovi bersagli terapeutici.

Dal 2018 al 2020 ha guidato il team Cancer Dependency Map Analytics al WSI, fornendo supporto computazionale alla partnership Cancer Dependency Map: uno iniziativa internazionale che coinvolge il WSI e il Broad Institute di MIT e Harvard con l’obiettivo di identificare tutte le dipendenze genetiche e le vulnerabilità esistenti nelle cellule di cancro. In questo ruolo, ha guidato lo sviluppo di nuovi algoritmi e strumenti computazionali per l’analisi e l’integrazione di dati di farmacogenomica del cancro su larga scala e di genomica funzionale.

Dalla seconda metà del 2020 Francesco è capo gruppo di ricerca presso il Centro di Ricerca in Biologia Computazionale di Human Technopole (Milano, Italia) dove sta istituendo un programma di ricerca in Computational cancer Pharmacogenomics e Therapeutic Target Discovery.

Da novembre 2019 è Scientific Advisor per il centro congiunto Cancer Research Horizon – AstraZeneca per la Genomica Funzionale di Cambridge (UK).

Segui

  • Twitter

Pubblicazioni

  • 09/2021 - Clinical Cancer Research

    Functional impact of genomic complexity on the transcriptome of Multiple Myeloma

    Purpose: Multiple Myeloma (MM) is a biologically heterogenous plasma-cell disorder. In this study we aimed at dissecting the functional impact on transcriptome of gene mutations, copy-number abnormalities (CNAs), and chromosomal rearrangements (CRs). Moreover, we applied a geno-transcriptomic approach to identify specific biomarkers for personalized treatments. Methods: We analyzed 514 newly-diagnosed patients from the IA12 release […]

  • 03/2021 - Nature Communications

    Integrated cross-study datasets of genetic dependencies in cancer

    CRISPR-Cas9 viability screens are increasingly performed at a genome-wide scale across large panels of cell lines to identify new therapeutic targets for precision cancer therapy. Integrating the datasets resulting from these studies is necessary to adequately represent the heterogeneity of human cancers and to assemble a comprehensive map of cancer genetic vulnerabilities. Here, we integrated […]

  • 02/2021 - Nature Communications

    Combinatorial CRISPR screen identifies fitness effects of gene paralogues

    Genetic redundancy has evolved as a way for human cells to survive the loss of genes that are single copy and essential in other organisms, but also allows tumours to survive despite having highly rearranged genomes. In this study we CRISPR screen 1191 gene pairs, including paralogues and known and predicted synthetic lethal interactions to […]

  • 01/2021 - Nature

    Cancer research needs a better map

    It is time to move beyond tumour sequencing data to identify vulnerabilities in cancers.

  • 01/2021 - Genome Biology

    Minimal genome-wide human CRISPR-Cas9 library

    CRISPR guide RNA libraries have been iteratively improved to provide increasingly efficient reagents, although their large size is a barrier for many applications. We design an optimised minimal genome-wide human CRISPR-Cas9 library (MinLibCas9) by mining existing large-scale gene loss-of-function datasets, resulting in a greater than 42% reduction in size compared to other CRISPR-Cas9 libraries while […]