Curriculum vitae e attivit`a di ricerca di Matteo R`e Progetti di ricerca ...
Curriculum vitae e attivit`a di ricerca di Matteo R`e Progetti di ricerca ...
Curriculum vitae e attivit`a di ricerca di Matteo R`e Progetti di ricerca ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
nella linea <strong>di</strong> <strong>ricerca</strong> I.B1 (me<strong>di</strong>ante ranking <strong>di</strong> farmaci rappresentati sotto forma <strong>di</strong> no<strong>di</strong> <strong>di</strong> una rete <strong>di</strong><br />
similarità ed utilizzo <strong>di</strong> funzioni <strong>di</strong> scoring kernelizzate). A <strong>di</strong>fferenza <strong>di</strong> altri problemi bioinformatici che<br />
coinvolgono l’utilizzo <strong>di</strong> un’unica rete, il problema del riposizionamento <strong>di</strong> farmaci coinvolge l’utilizzo simultaneo<br />
<strong>di</strong> numerose reti bipartite in cui troviamo i farmaci associati ad un secondo gruppo <strong>di</strong> no<strong>di</strong> (ad es.<br />
proteine con cui il farmaco interagisce o malattie o geni i cui livelli <strong>di</strong> espressione risultano alterati in seguito<br />
alla somministrazione del farmaco). E’ stato sviluppato un metodo che permette l’integrazione <strong>di</strong> queste<br />
reti eterogenee basato sulla proiezione <strong>di</strong> ogni rete bipartita in una rete omogenea composta unicamente da<br />
farmaci in cui un arco tra due no<strong>di</strong> esprime la con<strong>di</strong>visione <strong>di</strong> relazioni con i no<strong>di</strong> appartenenti al secondo set<br />
<strong>di</strong> no<strong>di</strong> nella rete bipartita proiettata. Le reti farmacologiche ottenute vengono quin<strong>di</strong> integrate in un’unica<br />
rete in cui è possibile applicare le funzioni <strong>di</strong> scoring kernelizzate utilizzando, come set <strong>di</strong> positivi, i farmaci<br />
appartenenti a set definiti sulla base <strong>di</strong> categorie terapeutiche note. Risultati preliminari (sottoposti a rivista)<br />
<strong>di</strong>mostrano l’efficacia del metodo sviluppato in test condotti su 1300 farmaci approvati dalla Food and Drugs<br />
Administration (FDA) americana.<br />
C) Altre attività <strong>di</strong> <strong>ricerca</strong> in ambito bioinformatico<br />
L’attività <strong>di</strong> <strong>ricerca</strong> si è concentrata soprattutto sullo sviluppo <strong>di</strong> meto<strong>di</strong> bioinformatici per l’identificazione<br />
delle regioni del genoma umano contenenti potenziali geni non noti. Questo problema e’ stato affrontato<br />
costruendo funzioni <strong>di</strong> score basate su pattern evolutivi identificabili me<strong>di</strong>ante il confronto del DNA <strong>di</strong> piu’<br />
specie animali. Una volta identificati i pattern piu’ efficaci e’ stato sviluppato un metodo basato su tecniche<br />
<strong>di</strong> <strong>di</strong>gital signal processing in grado <strong>di</strong> ridurre significativamente i tempi <strong>di</strong> calcolo del test. In particolare si<br />
possono <strong>di</strong>stinguere due linee <strong>di</strong> <strong>ricerca</strong> principali:<br />
C1. Meto<strong>di</strong> per l’identificazione <strong>di</strong> regioni genomiche e trascritti co<strong>di</strong>ficanti proteine<br />
C2. Analisi <strong>di</strong> dati <strong>di</strong> DNA microarray per lo stu<strong>di</strong>o della leucemia mieloide<br />
I.C1: Meto<strong>di</strong> per la classificazione <strong>di</strong> regioni genomiche e trascritti co<strong>di</strong>ficanti proteine<br />
L’identificazione dei geni co<strong>di</strong>ficanti proteine nel genoma umano à un problema complesso basato sull’analisi <strong>di</strong><br />
proprietà composizionali del DNA e sui pattern <strong>di</strong> conservazione osservabili me<strong>di</strong>ante confronto dei genomi <strong>di</strong><br />
<strong>di</strong>versi organismi. Nonostante la sequenza completa del genoma umano sia <strong>di</strong>sponibile da quasi un<strong>di</strong>ci anni ad<br />
oggi non à ancora <strong>di</strong>sponibile il catalogo completo dei geni umani. Ciò è dovuto all’esistenza <strong>di</strong> molti geni aventi<br />
caratteristiche peculiari (geni senza introni, geni particolarmente corti, geni aventi composizione nucleoti<strong>di</strong>ca non<br />
standard). Un possibile approccio per l’identificazione <strong>di</strong> questi geni “nascosti” è costituito dalle meto<strong>di</strong>che <strong>di</strong><br />
genomica comparata che coinvolgono informazioni derivanti dal confronto delle sequenze genomiche <strong>di</strong> più organismi.<br />
Sono stati sviluppati meto<strong>di</strong> <strong>di</strong> localizzazione dei geni non annotati basati sulla valutazione dei pattern<br />
<strong>di</strong> pressione evolutiva caratterizzanti le sequenze co<strong>di</strong>ficanti proteine. Tali meto<strong>di</strong>[10] sono stati resi <strong>di</strong>sponibili<br />
per l’utilizzo da parte della comunità scientifica me<strong>di</strong>ante l’applicazione <strong>di</strong> tecnologie GRID[9]. Nonostante la<br />
<strong>di</strong>mostrata capacità dei meto<strong>di</strong> <strong>di</strong> identificazione delle regioni genomiche co<strong>di</strong>ficanti proteine basati sull’analisi<br />
dei pattern evolutivi, essi sono affetti da gravi limitazioni nell’analisi <strong>di</strong> sequenze relativamente corte (60-120<br />
nucleoti<strong>di</strong>, corrispondenti a 20-40 aminoaci<strong>di</strong>). Di fatto i meto<strong>di</strong> <strong>di</strong> valutazione del potenziale co<strong>di</strong>ficante ad oggi<br />
<strong>di</strong>sponibili si limitano ad effettuare l’analisi solo per sequenze <strong>di</strong> lunghezza maggiore <strong>di</strong> 100 nucleoti<strong>di</strong>. Sono<br />
stati quin<strong>di</strong> sviluppati meto<strong>di</strong> che permettono l’analisi <strong>di</strong> regioni genomiche più corte me<strong>di</strong>ante l’applicazione <strong>di</strong><br />
meto<strong>di</strong> <strong>di</strong> <strong>di</strong>gital signal processing che valutano la forza delle pressioni evolutive agenti sulle regioni conservate<br />
in termini <strong>di</strong> perio<strong>di</strong>cità <strong>di</strong> segnale associata ai pattern <strong>di</strong> sostituzione nucleoti<strong>di</strong>ca[7, 25]. I meto<strong>di</strong> proposti<br />
basati su analisi dei segnali sono stati integrati con gli approcci presenti in precedenza in letteratura me<strong>di</strong>ante<br />
l’utilizzo <strong>di</strong> meto<strong>di</strong> <strong>di</strong> classificazione supervisionata addestrando modelli calibrati per <strong>di</strong>verse classi <strong>di</strong> lunghezza<br />
8