Vittoria Cicaloni, Phd del Biochemistry and Molecular Biology program (BIBIM 2.0) dell\u2019Universit\u00e0 degli Studi di Siena, ha svolto il proprio dottorato fra il Dipartimento di Eccellenza di Biotecnologie, Chimica e Farmacia (UNISI) e Toscana Life Sciences (TLS), collaborando anche con alcune delle realt\u00e0 presenti nel nostro incubatore.
\nIn questi anni la sua attivit\u00e0 si \u00e8 incentrata sull\u2019applicazione di approcci di Medicina di Precisione, per patologie rare, attraverso lo sviluppo di database integrati e algoritmi per la stratificazione dei pazienti e analisi di dati proteomici.
\nRecentemente, Vittoria ha svolto un periodo del suo dottorato presso il \u201cBio21 Institute\u201d, Universit\u00e0 di Melbourne (AU), sotto la direzione di David Ascher capo del laboratorio di Structural Biology and Bioinformatics e direttore dell\u2019Australian Society for Medical Research, dove ha ampliato le sue conoscenze nel campo della Biologia Computazionale.<\/p>\n
\nChe cos’\u00e8 la bioinformatica e come l\u2019approccio bioinformatico pu\u00f2 rappresentare un notevole valore aggiunto se applicato alla ricerca nell\u2019ambito delle scienze della vita?<\/strong><\/em> Quali sono stati i principali ambiti di applicazione nella tua esperienza?<\/strong><\/em> Si parla molto di machine learning e data mining: quali sono i vantaggi e le attuali criticit\u00e0 che l\u2019approccio bioinformatico riscontra per gli sviluppi di una medicina sempre pi\u00f9 personalizzata?<\/strong><\/em> Quanto la multidisciplinariet\u00e0 di questo approccio richiede sempre di pi\u00f9 figure con una formazione specifica e ad hoc?<\/em><\/strong> Con l\u2019expertise che hai sviluppato in questi anni di dottorato, che supporto puoi dare ad aziende e\/o centri di ricerca? Come si pu\u00f2 integrare con le tecnologie e le piattaforme presenti in TLS?<\/strong><\/em> Vittoria Cicaloni, Phd del Biochemistry and Molecular Biology program (BIBIM 2.0) dell\u2019Universit\u00e0 degli Studi di Siena, ha svolto il proprio…<\/p>\n","protected":false},"author":1,"featured_media":14973,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[9],"tags":[],"acf":[],"yoast_head":"\n
\nI recenti progressi nell\u2019ambito delle scienze della vita hanno reso necessario assicurare un adeguato supporto informatico alla ricerca; infatti una caratteristica dell\u2019era post-genomica consister\u00e0 nello sviluppo di innovative modalit\u00e0 di trattamento dell\u2019enorme mole di dati ottenuti sperimentalmente, al fine di individuare possibili interconnessioni tra le informazioni genotipiche, quelle fenotipiche e le analisi clinico-mediche. In questo panorama, la bioinformatica, definita come la disciplina che affronta problemi della biologia con metodologie e strumenti propri delle scienze computazionali, si propone di descrivere formalmente i fenomeni biologici e fornire modelli per analizzare e interpretare i dati sperimentali.<\/p>\n
\nIl mio primo approccio con la bioinformatica \u00e8 stato durante il mio progetto di tesi \u201cTowards an integrated interactive database for the search of stratification biomarkers in Alkaptonuria\u201d (Relatore Prof. Annalisa Santucci, Correlatore Prof. Ottavia Spiga) il cui obiettivo era quello di sviluppare un database per una malattia rara e che, nel corso di questi tre anni di dottorato, \u00e8 diventato una piattaforma bioinformatica integrata con strumenti algoritmici per facilitare l\u2019analisi genetica, fenotipica e clinica di tale patologia. Inoltre, presso il DBCF e lo Structural Biology and Bioinformatics lab dell\u2019Universit\u00e0 di Melbourne, ho ampliato le mie conoscenze sulla biologia strutturale, disciplina che studia l’architettura e la morfologia delle macromolecole biologiche, in particolare delle proteine. In TLS mi sono concentrata essenzialmente sull\u2019analisi di dati proteomici derivanti dalla spettrometria di massa con l\u2019obiettivo di studiare i livelli di espressione delle proteine e le loro interazioni al fine di identificare e caratterizzare potenziali biomarcatori e meccanismi molecolari in patologie rare.<\/p>\n
\nI big data analizzati dall\u2019intelligenza artificiale sono la base per una medicina sempre pi\u00f9 personalizzata. Tramite machine learning e data mining \u00e8 possibile effettuare analisi predittive difficilmente ottenibili con un approccio statistico tradizionale. Esse permettono una migliore valutazione della possibilit\u00e0 di insorgenza di una patologia nella popolazione generale, l\u2019identificazione di nuove variabili e nuovi fattori di rischio, una maggiore efficacia delle terapie con contemporanea riduzione degli effetti avversi, una diagnosi rapida o anticipata (early diagnosis) e un perfezionamento nella gestione delle malattie attraverso applicazioni mobili dedicate alla salute. Tuttavia, una criticit\u00e0 delle machine learning \u00e8 quella della necessit\u00e0 di interpretazione dei risultati ottenuti, necessit\u00e0 per la quale il biologo o il clinico hanno ancora oggi un ruolo fondamentale.<\/p>\n
\nLa bioinformatica \u00e8 l\u2019incrocio tra biologia, informatica e utilizzo di nuove tecnologie, per questo il bioinformatico deve avere la capacit\u00e0 di inserirsi in ruoli di mediazione culturale, professionale e scientifica tra biologi, clinici e informatici in progetti tecnologici di grande innovazione. Per tale multidisciplinariet\u00e0 \u00e8 necessaria una specifica formazione che fornisca le competenze utili per lavorare nell’ambito dell’informatica applicata alla medicina. Queste conoscenze spaziano dalle scienze biologiche alle tecnologie dell’informazione rendendo il bioinformatico capace di affrontare, analizzare e sviluppare sistemi informatici per la soluzione di problematiche biologiche.<\/p>\n
\nAd oggi la bioinformatica pu\u00f2 essere di grande utilit\u00e0 per aziende e\/o centri di ricerca che si occupano di Medicina di Precisione, stratificazione di pazienti, identificazione di target molecolari o biomarcatori biologici. Un approccio computazionale \u00e8 un supporto ormai necessario anche per la piattaforma di proteomica in implementazione qui in TLS, al fine di indagare a fondo specifici pathways, confrontare il patrimonio proteomico di diversi campioni, comprendere networks biologici e approfondire processi molecolari di interesse. <\/p>\n","protected":false},"excerpt":{"rendered":"