TRanslational bioinformatics with Artificial INtelligence – TRAIN

Descrizione Attività

Le attività del gruppo si concentrano sull’elaborazione e sull’integrazione di dati biologici complessi mediante modelli computazionali avanzati, costruiti utilizzando i più moderni approcci dell’intelligenza artificiale (IA), che includono il machine learning, l’analisi statistica multivariata, i modelli predittivi e le più recenti architetture di deep learning, come ad esempio le reti a grafo e i modelli basati sull’attenzione. Particolare attenzione viene posta all’introduzione di approcci di intelligenza artificiale spiegabile (XAI), fondamentali per garantire trasparenza, interpretabilità e fiducia clinica nell’impiego degli algoritmi, soprattutto in contesti ad alta criticità decisionale come la medicina.

In tale ottica, la ricerca affronta sfide complesse quali: la rappresentazione semantica e biologicamente significativa delle feature, la scelta delle strategie di apprendimento più appropriate (supervisionato, non supervisionato, semi-supervisionato, transfer learning) insieme alla definizione dei modelli architetturali più congeniali e l’esplicitazione delle logiche inferenziali sottostanti ai modelli predittivi, al fine di rendere le decisioni computazionali interpretabili da parte di clinici e biologi.

Un asse trasversale della ricerca è rappresentato dall’impiego della network biology come paradigma per l’integrazione e lo studio olistico di dati multimodali, con l’obiettivo di modellare in modo esplicito le relazioni tra componenti biologiche eterogenee (genomiche, trascrittomiche, proteomiche, fenotipiche, ecc.) e di supportare l’interpretazione dei risultati attraverso rappresentazioni strutturate, interpretabili e aderenti alla complessità dei sistemi biologici.

In accordo con i principi dell’Open Science, il gruppo di ricerca, laddove possibile, si impegna a rendere libero l’accesso ai dati e ai metodi utilizzati e sviluppati per una condivisione trasparente e riproducibile con la comunità scientifica.

I prototipi sviluppati, pertanto, saranno preferibilmente rilasciati sotto forma di tool o servizi web accessibili, promuovendone l’utilizzo all’interno della comunità scientifica internazionale e facilitando l’adozione di soluzioni bioinformatiche avanzate nel contesto clinico-traslazionale.

Obiettivi

Negli ultimi anni, le aree di ricerca interdisciplinari della bioinformatica e della biologia computazionale hanno assunto un ruolo centrale nel panorama medico, in particolare nell’ambito della medicina di precisione, dove si inserisce la bioinformatica traslazionale come ponte tra la ricerca biologica e l’applicazione clinica, con l’obiettivo di trasformare i dati biologici complessi in strumenti diagnostici, prognostici e terapeutici utili nella pratica medica.

In tale contesto, le competenze multidisciplinari dei componenti del gruppo di ricerca, sia nel dominio biologico che in quello informatico/computazionale, unitamente all’esperienza consolidata negli anni nell’ambito della biologia computazionale, permettono di perseguire gli obiettivi principali del gruppo di ricerca.

In particolare, l’obiettivo generale riguarda lo sviluppo di strategie, strumenti e metodologie capaci di generare nuova conoscenza utile alla comprensione dei meccanismi molecolari delle patologie complesse nonché di supportare lo sviluppo di soluzioni terapeutiche personalizzate – le cosiddette targeted therapies – attraverso la gestione, l’integrazione, la rielaborazione e l’interpretazione di dati clinici e multi-omici (ad esempio genomici, trascrittomici, metabolomici, ecc.).

Campi Applicativi

Medicina di precisione, biologia computazionale

Area Tematica

Artificial Intelligence and Data Science

Keywords

Machine Learning, data mining, predictive models, Network biology, multi-omics data analysis, eXplainable AI

Coordinatore del Gruppo

Alfonso Urso