Gruppo di ricerca di Trascrittomica Computazionale. Coordinatore: Federico M. Giorgi

Studiare la trascrizione genica patologica in cancro, disturbi metabolici, abuso di farmaci e infezioni virali. Inferire architettura ed evoluzione delle reti geniche e il loro riallacciamento nella progressione patologica. Sviluppare algoritmi per la predizione di biomarcatori personalizzati, con tecniche di intelligenza artificiale.

Temi di ricerca del gruppo

Reti geniche. Il gruppo sviluppa algoritmi per la costruzione di modelli di reti geniche, e studia il riallacciamento delle stesse in contesti patologici quali: cancro, malattie neurodegenerative, disfunzioni genetiche, infezioni virali. Il gruppo lavora anche allo studio di reti geniche in generale, anche in contesti non umani, quali la pianta modello Arabidopsis thaliana.

Trascrittomica delle patologie umane. Il gruppo studia il fenomeno di trascrizione genica dal punto di vista quantitativo tramite l’analisi di dati di espressione da tecnologie high-throughput come microarrays e next generation sequencing. I contesti di analisi sono prevalentemente attinenti a patologie umane quali: cancro, malattie genetiche metaboliche, farmaci da abuso, infezioni virali.

Filogenomica. Il gruppo produce modelli di evoluzione molecolare basati sul confronto fra sequenze e dell’espressione genica, utilizzando tecniche di filogenetica classica (alberi evolutivi) e innovative (network evolutivi e studio di componenti principali).

Machine learning -omico. Il gruppo sviluppa algoritmi di predizione di fenomeni genetici (e.g. mutazioni somatiche), livelli metabolici, caratteristiche cliniche (stima del decorso e della risposta farmacologica) in campioni di pazienti tramite l’interrogazione di reti geniche.

Membri del Laboratorio:

Prof. Federico M. Giorgi, Coordinatore

Dott. Daniele Mercatelli, Assegnista di ricerca

Dott. Nicola Balboni, Dottorando

Pubblicazioni significative:

Paull EO, Aytes A, Jones SJ, Subramaniam PS, Giorgi FM, Douglass EF, Tagore S, Chu B, Vasciaveo A, Zheng S, Verhaak R, Abate-Shen C, Alvarez MJ, Califano A. A modular master regulator landscape controls cancer transcriptional identity. Cell 2021. https://pubmed.ncbi.nlm.nih.gov/33434495/

Mercatelli D, Bortolotti M, Giorgi FM. Transcriptional network inference and master regulator analysis of the response to ribosome-inactivating proteins in leukemia cells. Toxicology 2020. https://pubmed.ncbi.nlm.nih.gov/32593706/

Mercatelli D, Giorgi FM. Geographic and Genomic Distribution of SARS-CoV-2 Mutations. Frontiers in Microbiology 2020. https://pubmed.ncbi.nlm.nih.gov/32793182/

Mercatelli D, Scalambra L, Triboli L, Ray F, Giorgi FM. Gene regulatory network inference resources: A practical overview. Biochimica et Biophysica Acta GRM 2020. https://pubmed.ncbi.nlm.nih.gov/31678629/

Mercatelli D, Ray F, Giorgi FM. Pan-Cancer and Single-Cell modelling of genomic alterations through gene expression. Frontiers in Genetics 2019. https://pubmed.ncbi.nlm.nih.gov/31379928/