La bioinformatica o biologia computazionale (anche nota come systems biology) è una disciplina relativamente nuova ma in forte espansione, in risposta alla esigenza di analizzare l’enorme quantità di dati prodotta dai moderni metodi di sequenziamento e di diagnostica medica. Il campo di ricerca ha connotazione sia puramente teorica (sviluppo di nuovi algoritmi e/o metodi di analisi) che applicata (sviluppo di modelli predittivi). Il presente progetto si configura in maniera trasversale a questi due aspetti mirando a ottenere risultati che siano spendibili nell'ambito della biologia di base (protein folding, gene regulation, analisi ed integrazione dati multi-omici, adaptive immune memory, etc.) quanto in quella della medicina diagnostica e terapeutica (elaborazione d’immagini e segnali biomedici, ottimizzazione d’immunoterapie, farmaci per il diabete, epidrugs, etc.) utilizzando conoscenze che spaziano dalla matematica continua e discreta, all’algebra e alla statistica, passando per l’elaborazione delle dei segnali/immagini ed il calcolo ad alte prestazioni.

Le tematiche di ricerca e progettuali sono molteplici. Si va dai modelli matematici e statistici e/o algoritmi e software per analisi di dati clinici, genomica, trascrittomica ed epigenomica sull'insorgenza e la progressione di patologie allo sviluppo di pipeline computazionali per analisi ed integrazione di dati di Next Generation Sequencing su meccanismi di regolazione cellulare e loro alterazioni. Inoltre si mettono a punto algoritmi accurati ed efficienti per elaborazione di segnali biomedici (EEG, ECG,fMRI,MRSI) per la patogenesi della schizofrenia e dell'alzheimer, modelli matematici e statistici e/o algoritmi e software per analisi di dati XRD e NMR e di dinamica molecolare, o ci si occupa di descrivere e studiare la dinamica di sistemi biologici complessi a più livelli di dettaglio (i.e., intra/extra-cellulare, sistemico) (e.g. modelli continui a equazioni differenziali e/o discreti ad agenti) o di algoritmi numerici per gli oscillatori biologici che modellizzano il sistema endocrino in condizioni normali e in patologie autoimmuni.

A. Cappuccio, P. Tieri, and F. Castiglione. Multiscale modelling in immunology: a review. Briefing in Bioinformatics (2015)

F. Castiglione, F. Pappalardo, C. Bianca and S. Motta. Modeling biology spanning different scales: An open challenge. BioMed Research International, 2014, 902545, (2014) doi:10.1155/2014/902545

P. Tieri, V. Prana, T. Colombo, D. Santoni and F. Castiglione. Multi-scale Simulation of T Helper Lymphocyte Differentiation. Advances in Bioinformatics and Computational Biology, Lecture Notes in Computer Science Volume 8826, 2014, pp 123-134. 2014; 8826:123-134 doi: 10.1007/978-3-319-12418-6_16

Grignolio A, Mishto M, Faria AM, Garagnani P, Franceschi C, Tieri P. Towards a liquid self: how time, geography, and life experiences reshape the biological identity. Front Immunol. 2014 Apr 9;5:153. doi: 10.3389/fimmu.2014.00153. eCollection 2014.

P. Tieri, A. de Graaf, S. Krishnan, M. Ernst and F. Castiglione. Pre-empting Type 2 Diabetes. International Innovation, 140:40-43 (2014)

F. Pappalardo, F. Castiglione Castiglione, C. Bianca, G. Russo, M. Pennisi, S. Motta. Multiscale modelling of living systems: a mathematical and computational perspective SIMAI2014, Taormina, Italy, July 7-10, 2014

Paolo Tieri, Vinca Prana, Teresa Colombo, Daniele Santoni and Filippo Castiglione. Multi-scale Simulation of T Helper Lymphocyte Differentiation. 9th Brazilian Symposium on Bioinformatics, BSB 2014, Belo Horizonte, Brazil, October 28-30, 2014, Proceedings 2014

F. Castiglione, P. Tieri, A. De Graaf, C. Franceschi, P. Liò, B. Van Ommen, C. Mazzà, A. Tuchel, M. Bernaschi, C. Samson, T. Colombo, G. Castellani, M. Capri, P. Garagnani, S. Salvioli, V. Anh Nguyen, I. Bobeldijk-Pastorova, S. Krishnan, A. Cappozzo, M. Sacchetti, M. Morettini, M. Ernst. The Onset of Type 2 Diabetes: Proposal for a Multi-Scale Model. JMIR research protocols, 01/2013 2(2):e44 (2013) (doi: 10.2196/resprot.2854)(open access)

F. Castiglione, P. Tieri, M. Bernaschi, C. Franceschi, G. Castellani, P. Garagnani, C. Sala, P. Liò, V. Nguyen, C. Mazzà, A. Cappozzo, M. Sacchetti, M. Morettini, A. De Graaf, B. van Ommen, S. Krishnan, A. Tuchel, M.Ernst. A multiscale immune system simulator for the onset of type 2 diabetes. ScienceMED. 2014 (in press).

F. Castiglione, V. Diaz, A. Gaggioli, P. Liò, C. Mazzà, E. Merelli, C.G.M. Meskers, F. Pappalardo and R. von Ammon. Physio-environmental sensing and live modeling. Interact J Med Res. 2(1): e3 (2013) doi:10.2196/ijmr.2092 (open access)

Garagnani P, Giuliani C, Pirazzini C, Olivieri F, Bacalini MG, Ostan R, Mari D, Passarino G, Monti D, Bonfigli AR, Boemi M, Ceriello A, Genovese S, Sevini F, Luiselli D, Tieri P, Capri M, Salvioli S, Vijg J, Suh Y, Delledonne M, Testa R, Franceschi C. Centenarians as super-controls to assess the biological relevance of genetic risk factors for common age-related diseases: a proof of principle on type 2 diabetes. Aging (Albany NY). 2013 May;5(5):373-85.

C. Bianco, R. Esposito, C. Angelini, R. Defez Overproduction of indole-3-acetic acid in free-living rhizobia induces transcriptional changes resembling those occurring in nodule bacteroids. In press Molecular Plant-Microbe Interactions (2016)

A. Tarallo, C. Angelini, R. Sanges, M. Yagi, C. Agnisola, G. D’ Onofrio. On the genome base composition of teleosts: the effect of environment and lifestyle. BMC Genomics (2016)

F. Russo, D. Righelli, C. Angelini. Advancements in RNASeqGUI towards a Reproducible Analysis of RNA-Seq Experiments. BioMed Research International (2016).

Z. Anvar, M. Cammisa, V. Riso, I. Baglivo, H. Kukreja, A. Sparago, M. Girardot, S. Lad, I. De Feis, F. Cerrato, C. Angelini, R. Feil, P.V. Pedone, G. Grimaldi and A. Riccio, ZFP57 recognizes multiple and closely spaced sequence motif variants to maintain repressive epigenetic marks in mouse embryonic stem cells, Nucleic Acid Research (2015)

M. Scarpato, C. Angelini, E. Cocca, Pallotta M, Morescalchi M.A., Capriglione, T., Short interspersed DNA elements and miRNAs: a novel hidden gene regulation layer in zebrafish , Chomosome Research, (2015)

C. Angelini, R. Heller, R. Volkinshtein and D. Yekutieli Is this the right normalization? A diagnostic tool for ChIP-seq normalization. BMC Bioinformatics (2015).

F. Russo and C. Angelini. RNASeqGUI: A GUI for analyzing RNA-seq data. Bioinformatics, 30 (17): 2514-2516, (2014).

C. Angelini, D. De Canditiis, I. De Feis. Computational approaches for Isoform detection and estimation: Good and bad news. BMC Bioinformatics, 15:135, (2014)

M. Scarpato, R. Esposito, D. Evangelista, M. Aprile, M.R. Ambrosio, C. Angelini, A. Ciccodicola, and V. Costa. AnaLysis of Expression on human chromosome 21, ALE-HSA21: a pilot integrated web resource. Database, The Journal of Biological Databases and Curation. article id. bau009 . (2014).

S. Comes, M. Gagliardi, Nicola Laprano, Annalisa Fico, Amelia Cimmino, Andrea Palamidessi, D. De Cesare, S. De Falco, C. Angelini, G. Scita, E. J. Patriarca, M.R. Matarazzo, and G. Minchiotti. L-Proline Induces a Mesenchymal-like Invasive Program in Embryonic Stem Cells by Remodeling H3K9 and H3K36 Methylation. Stem Cell Reports, vol 1 issue 4, 307-321, (2013).

P. Liò, C. Angelini , I. De Feis and V.A. Nguyen. Statistical Approaches to Use a Model Organism for Regulatory Sequences Annotation of Newly Sequenced Species, PLoS ONE (2012).

Diele, F., Marangi, C., Ragni, S., IMSP schemes for spatially explicit models of cyclic populations and metapopulation dynamics. Mathematics and Computers in Simulation Volume: 100, Pages 41-53. Published: 2014 

Diele, F.; Marangi, C.; Ragni, S.,  Implicit - Symplectic Partitioned (IMSP) Runge-Kutta Schemes for Predator-Prey Dynamics  AIP Conference Proceedings Volume: 1479 Pages: 1177-1180 DOI: 10.1063/1.4756360 Published: 2012 

Diele, F.; Marangi, C.; Ragni, S.,  Exponential Runge-Kutta Integrations for Modelling Predator-Prey Interactions. AIP Conference Proceedings Volume: 1479 Pages: 1181-1184 DOI: 10.1063/1.4756361 Published: 2012 

Pace, B.; Diele, F.; Marangi, C., Energy Preservation in Separable Hamiltonian Systems by Splitting Schemes. AIP Conference Proceedings Volume: 1479 Pages: 1204-1207 DOI: 10.1063/1.4756367 Published: 2012 

T. Laudadio, N. Mastronardi, L. Vanhamme, P. Van Hecke and S. Van Huffel, “Improved Lanczos algorithms for blackbox MRS data quantitation”, Journal of Magnetic Resonance, Vol. 157, pp. 292-297, 2002.

T. Laudadio, Y. Selen, L. Vanhamme, P. Stoica, P. Van Hecke, S. Van Huffel, “Subspace-based MRS data quantitation of multiplets using prior knowledge", Journal of Magnetic Resonance, Vol. 168, 2004, pp. 53-65.

F. Diele, T. Laudadio, N. Mastronardi, “On some Inverse Eigenvalue Problems with Toeplitz-related Structure”, SIAM J. Matrix Analysis and  Applications, vol. 26, no. 1, 2004, pp. 285-294.

T. Laudadio, P. Pels, L. De Lathauwer, P. Van Hecke, S. Van Huffel, “Tissue segmentation and classification of MRSI data using Canonical Correlation Analysis”, Magnetic Resonance in Medicine,Vol. 54, 1519-1529, 2005.

M. De Vos, T. Laudadio, A. W. Simonetti, A. Heerschap, S. Van Huffel, “Fast nosologic imaging of the brain”, Journal of Magnetic Resonance, Vol. 184, 2006, pp. 292-301.

M. Ladisa, A. Lamura, T. Laudadio, G. Nico, “Model independent pre-processing of X-ray powder diffraction profiles”, Digital Signal Processing, Vol. 17, 2007, pp.327-334.

M. Ladisa, A. Lamura, T. Laudadio, G. Nico, “Application of the HLSVD technique to the filtering of X-ray diffraction data”,  EURASIP Journal on Advances in Signal Processing, vol. 2007, Article ID 39575, 8 pages, 2007. doi:10.1155/2007/39575.

M. Ladisa, A. Lamura, T. Laudadio, “Classification of crystallographic data using canonical correlation analysis”, EURASIP - Journal on Advances in Signal Processing, vol. 2007, Article ID 19260, 8 pages, 2007. doi:10.1155/2007/19260.

T. Laudadio, M.C. Martinez-Bisbal, B. Celda, S. Van Huffel, “Fast nosological imaging using canonical correlation analysis of brain data obtained by two-dimnsional turbo spectroscopic imaging “, NMR in Biomedicine, Volume 21, Issue 4: 311-321, 2008.

A. Guagliardi, C. Giannini, M. Ladisa, A. Lamura, T. Laudadio, A. Cedola, S. Lagomarsino, R. Cancedda, “Canonical correlation and quantitative phase analysis of microdiffraction patterns in bone tissue engineering”, Journal of Applied Crystallography, 40, 865-873, 2007.

T. Laudadio, N. Mastronardi and M. Van Barel, “Computing a Lower Bound of the smallest Eigenvalue of a Symmetric Positive Definite Toeplitz Matrix”, IEEE Transactions on Information Theory, 54(10),  pp. 4726-4731, 2008.

Luts J., Laudadio T., Idema A.J., Simonetti A.W., Heerschap A., Vandermeulen D., Suykens J.A.K., Van Huffel S., ``Nosologic imaging of the brain: segmentation and classification using MRI and MRSI'', NMR in Biomedicine, vol. 22, no. 4, pp. 374-390, 2009.

Luts J., Laudadio T., Idema A.J., Simonetti A.W., Heerschap A., Vandermeulen D., Suykens J.A.K., Van Huffel S., ``Nosologic imaging of brain tumors using MRI and MRSI'', in Chapter 16 Brain tumors (part 1), (Hayat M.A., ed.), vol. 3 of “Tumors of the central nervous system”, Springer, 2011, pp. 155-168.

Croitor-Sava A. R., Martinez-Bisbal M.C., Laudadio T., Piquer J., Celda B., Heerschap A., Sima D.M., Van Huffel S., ``Fusing in vivo and ex vivo NMR sources of information for brain tumor classification'', Measurement Science and Technology, vol. 22, no. 11, Nov. 2011, pp. 114012.