PROGETTI BANDIERA

PROGETTI BANDIERA
INTEROMICS
Sviluppo di una piattaforma integrata per l’applicazione delle scienze
“omiche” alla definizione dei biomarcatori e profili diagnostici,
predittivi, e teranostici
SOTTOPROGETTO 1
Sviluppo di Infrastrutture di Bioinformatiche per le
applicazioni OMICS in Biomedicina.
1
INDICE
Abstract del Progetto di Ricerca
3
Modello di governance
4
Organigramma
7
Competenze partecipanti
9
Unità di Ricerca n. 1.1 ITB (CNR)
47
Unità di Ricerca n. 1.2 ISA (CNR)
52
Unità di Ricerca n. 1.3 IASI (CNR)
60
Unità di Ricerca n. 1.4 ICAR (CNR)
68
Unità di Ricerca n. 1.5 IEIIT (CNR)
78
Unità di Ricerca n. 1.6 IIT (CNR)
84
Unità di Ricerca n. 1.7 (CNR)
87
Unità di Ricerca n. 1.8 IBFM (CNR)
92
Unità di Ricerca n. 1.9 ITB -BA (CNR)
97
Unità di Ricerca n. 1.10 IAC (CNR)
108
Unità di Ricerca n. 1.11 IBBA (CNR)
121
Unità di Ricerca n. 1.12 IMATI (CNR)
126
Introduzione al progetto InterOmics
133
A - SOTTOPROGETTO 1 – Descrizione del progetto
139
B - SOTTOPROGETTO 1 - LISTA WORK PACKAGE (WP)
148
C - SCHEDE PROGETTUALI
151
2
Abstract del Progetto di Ricerca
Le scienze “omiche” (genomica, epigenomica, proteomica, interatomica insieme alla bioinformatica
ed altre discipline derivate) costituiscono il paradigma intorno al quale ruota l’insieme delle ricerche
nei settori della biomedicina e della scienze della vita. Questo paradigma è la fonte dalla quale stanno
scaturendo i nuovi dati e i nuovi prodotti che alimenteranno l’industria farmaceutica, diagnostica, la
clinica, la gestione dell’ambiente, delle risorse agrozootecniche, fino a quelle di settori industriali non
biotecnologici. L’asse portante è costituito dalla genomica, ma è sempre più chiaro che
l’integrazione di queste discipline è lo scenario verso cui converge tutta l’attività di ricerca a livello
internazionale. L’investimento massiccio in atto da tempo a livello internazionale in queste
discipline, e in costante crescita, volto alla creazione di piattaforme abilitanti al loro sviluppo,
testimonia l’interesse strategico e trasversale che esse rappresentano per lo sviluppo scientifico ed
economico. L’Italia presenta, in questo come in altri settori, un panorama di risorse, strutture non
sempre adeguate e frammentazione, che ipoteca la capacità di competizione in questo settore chiave,
e la sua stessa presenza nel panorama internazionale, se non in chiave episodica e individuale.
Un’azione di sistema che inverta decisamente questa rotta è quanto mai necessaria ed urgente.
L’allocazione di risorse in questo settore rappresenta un importante elemento di recupero di ruolo e
una significativa possibilità di generare valore aggiunto e ricadute produttive, purché finalizzato a
creare massa critica. Un elemento critico per il pieno sfruttamento di queste tecnologie è la loro
integrazione. E’ in atto un processo di dialogo e di messa in fase delle diverse competenze e
tecnologie, fortemente condizionato e indirizzato dallo sviluppo della bioinformatica. E’ sempre più
chiara una tendenza verso approcci basati su tecniche sofisticate in ambiti ICT e basati su algoritmi
matematici che combinano e integrano lo studio del genoma con quello dei dati biochimici,
ambientali, fisiologici, clinici, e via dicendo, in un unico quadro estremamente complesso: la
“System Biology” è l’orizzonte entro il quale si declina uno sviluppo esponenziale e rivoluzionario
della nuova biomedicina e delle biotecnologie. Considerato questo processo, un’azione di sistema che
si prefigga di recuperare il gap accumulato può trarre giovamento da questa consapevolezza,
attivando da subito piattaforme già orientate verso un’integrazione sistematica tra queste diverse
discipline, configurando un approccio completo e olistico ai problemi affrontati, siano essi di tipo
clinico, che in altri settori applicativi.
Parole chiave
1. Genomica
2. Proteomica
3. Trascrittomica
4. Bioinformatica
5. System Biology
3
MODELLO DI GOVERNANCE
Il Progetto InterOmics verrà basato sulla governace approvata dal CDA del CNR e dal MIUR e
seguito Integralmente ripostata:
Testo coordinato delle delibere nn.138, 166 e con la proposta di delibera del 22
settembre
Art. 42-bis
ASPETTI GENERALI
1. Il CNR coordina i progetti bandiera, su temi definiti e sulla base di studi di fattibilità, inseriti nel PNR e
approvati dal Comitato Interministeriale Programmazione Economica.
2. Alle attività di ricerca del progetto possono partecipare organi di ricerca del CNR, università, enti e
consorzi di ricerca, enti locali, altre amministrazioni dello Stato, imprese e consorzi di imprese, soggetti
privati.
3. Il progetto favorisce la partecipazione della comunità scientifica e delle categorie produttive ai temi di
ricerca proposti, anche attraverso l’assegnazione di contributi di ricerca per il raggiungimento degli
obiettivi progettuali.
4. In linea con quanto previsto dal Dlgvo 213/2009, art. 9, il progetto bandiera fa riferimento a uno o più
dipartimenti del CNR. I direttori dei dipartimenti di riferimento esprimono le proprie valutazioni al
consiglio di amministrazione.
5. Limitatamente alla sua durata, il progetto bandiera è equiparato ad un centro di responsabilità
programmatico di primo livello ai sensi del regolamento dell’articolo 5 del regolamento di
Amministrazione, contabilità e finanza.
Art.42-ter
DIRETTORE DI PROGETTO
1. Il direttore del progetto assume responsabilità giuridica e amministrativa e riceve, per la durata del
progetto, un’indennità determinata dal CdA, a valere sul costo del progetto. Egli opera nel rispetto delle
leggi vigenti e dei regolamenti del CNR. La possibilità che il direttore del progetto sia un ricercatore
esterno all’Ente costituisce un’opportunità per il consolidamento del ruolo di hub del CNR nell’ambito
della ricerca pubblica.
2. Il direttore del progetto è responsabile della progettazione, dell’esecuzione, anche sotto il profilo del
coordinamento tra le istituzioni partecipanti, delle verifiche in corso d’opera anche relativamente
all’utilizzo delle risorse finanziarie, delle proposte di rimodulazione del progetto e della periodica
4
rendicontazione pubblica dei risultati. Il direttore del progetto può conferire deleghe specifiche ai
vicedirettori.
42-quater
GOVERNANCE ORGANIZZATIVA- SCIENTIFICA
1. Il presidente del CNR, sentito il direttore o i direttori di dipartimento di riferimento da lui identificati,
propone al consiglio di amministrazione la nomina del direttore del progetto e, in relazione alla
dimensione e complessità del progetto stesso, fino ad un massimo di due vice-direttori ai quali il Cda può
decidere di corrispondere un’indennità a valere sul costo del progetto.
2. Il direttore del progetto, congiuntamente ai vicedirettori e ai soggetti partecipanti al progetto
approvato dal CIPE, elabora un piano esecutivo che delinea la struttura e l’articolazione del progetto nel
quadro del PNR. Il piano, tenuto conto dello stato delle conoscenze a livello internazionale e delle
potenzialità di ricerca esistenti nel Paese, precisa obiettivi e priorità del progetto bandiera.
3. Il piano esecutivo può essere articolato in sottoprogetti, affidati a un responsabile di sottoprogetto e,
eventualmente, organizzati in work-package. Ciascun work-package prevede gli obiettivi generali da
raggiungere, la descrizione delle attività (tasks), gli obiettivi intermedi con relative date di
conseguimento (milestones), la descrizione dei risultati (deliverables) con le date di consegna, le date di
inizio e termine delle attività.
4. Insieme al piano esecutivo viene proposto il piano finanziario con la distribuzione delle risorse
finanziarie dettagliate nei vari sottoprogetti e work-package da assegnare ai partecipanti al progetto
ovvero a soggetti terzi, a partire dal secondo anno di attività, a seguito di procedure competitive di
carattere valutativo o negoziale nel rispetto della normativa vigente. Al fine di dotarsi di strumenti di
garanzia nell’assegnazione dei contributi di ricerca il direttore del progetto, sentito il comitato esecutivo,
istituisce un comitato di peer’s review.
5. Il piano esecutivo e il piano finanziario – inserito in apposita modulistica predisposta dal MIUR –
vengono trasmessi al Presidente del CNR per essere proposti al CdA per la loro adozione e inoltrati al
MIUR per valutazione e approvazione; agli enti partecipanti, al direttore o ai direttori dei dipartimenti
di riferimento per eventuali adempimenti di competenza.
6. A seguito dell’approvazione del piano esecutivo, il MIUR si impegna ad erogare un minimo del 30%
del contributo previsto.
7. Il direttore del progetto, gli eventuali vice-direttori e i responsabili di sottoprogetto costituiscono il
comitato esecutivo del progetto, che coadiuva il direttore nella sua azione, formula proposte per il
miglioramento delle attività, predispone i rapporti sullo stato di avanzamento e sul raggiungimento degli
obiettivi intermedi.
8. Il CNR fornisce la struttura tecnico amministrativa necessaria al coordinamento del progetto e si
impegna a dare supporto al direttore di progetto in ogni necessità attinente il buon andamento delle
attività, con modalità che saranno delineate nel piano esecutivo. Qualora il direttore del progetto sia
esterno all’Ente, può essere previsto il distacco di personale CNR presso la struttura di afferenza del
direttore medesimo, con funzioni di raccordo con la struttura di riferimento tecnico amministrativa.
Art. 42-quinquies
5
ORGANISMI E PROCEDURE DI GARANZIA PER LA VERIFICA E LA VALUTAZIONE DEL PROGETTO
1. Il Ministro nomina un comitato di valutazione costituito da: un esperto esterno al progetto indicato
da ciascuna delle istituzioni partecipanti al progetto, tre esperti esterni al progetto indicati dal Ministro.
Ai lavori del comitato di valutazione partecipano, senza diritto di voto, uno dei direttori dei dipartimenti
di riferimento indicato dal Presidente del CNR e un funzionario del MIUR con compiti di informazione e di
raccordo.
2. Il comitato di valutazione, anche avvalendosi di referee esterni, con eventuale audizione del direttore
e dei vicedirettori, esprime il parere sui rapporti di avanzamento del progetto e redige un rapporto
annuale di valutazione.
3. Un organismo indipendente dal comitato di valutazione, nominato dal Ministro con costi a valere sul
finanziamento del progetto, provvede all’audit finanziario-amministrativo annuale in stretto raccordo
con il MIUR.
4. Il direttore del progetto elabora una relazione annuale sullo stato di avanzamento e, per tramite del
direttore del dipartimento di riferimento o del principale tra i direttori dei dipartimenti di riferimento, la
sottopone al Presidente del CNR e quindi al CdA. La relazione annuale è corredata dal parere del
comitato di valutazione, dai risultati dell’audit e da un parere dei direttori dei dipartimenti di riferimento.
Il CdA, sulla base dei pareri espressi, approva la relazione annuale e adotta il piano dei finanziamenti per
l’anno successivo.
5. La delibera del CdA, corredata di tutta la documentazione relativa al progetto, viene trasmessa al
MIUR per approvazione dei finanziamenti previsti, tenuto conto delle disponibilità annuali inserite nel
piano di riparto del FOE.
6
La funzionalità del progetto sarà organizzato secondo lo schema di flusso operativo rappresentato
nella figura seguente.
LEGENDA
MIUR: Il MIUR finazia i progetti bandiera, su temi definiti e sulla base di studi di fattibilità,
inseriti nel PNR e approvati dal Comitato Interministeriale Programmazione
Economica.Nomina il comitato di valutazione e i componete dell’AUDIT economico.
COMITATO DI VALUTAZIONE: Il Ministro nomina un comitato di valutazione costituito
da: un esperto esterno al progetto indicato da ciascuna delle istituzioni partecipanti al
progetto, tre esperti esterni al progetto indicati dal Ministro. Ai lavori del comitato di
valutazione partecipano, senza diritto di voto, uno dei direttori dei dipartimenti di riferimento
indicato dal Presidente del CNR e un funzionario del MIUR con compiti di informazione e di
raccordo.
AUDIT ECONOMICO: Un organismo indipendente dal comitato di valutazione, nominato
7
dal Ministro con costi a valere sul finanziamento del progetto, provvede all’audit finanziarioamministrativo annuale in stretto raccordo con il MIUR.
PRESIDENTE E CDA del CNR. Il direttore del progetto elabora una relazione annuale
sullo stato di avanzamento e, per tramite del direttore del dipartimento di riferimento o del
principale tra i direttori dei dipartimenti di riferimento, la sottopone al Presidente del CNR e
quindi al CdA. La relazione annuale è corredata dal parere del comitato di valutazione, dai
risultati dell’audit e da un parere dei direttori dei dipartimenti di riferimento. Il CdA, sulla
base dei pareri espressi, approva la relazione annuale e adotta il piano dei finanziamenti per
l’anno successivo.
COMITATO DI ESPERTI ESTERNI: Il comitato di esperti esterno al progetto verrà
selezionato nei settori disciplinari trattati nel progetto. Tale comitato di esperti fungerà da
garante per la selezione delle proposte progettuali messe a bando mediante evidenza pubblica.
Essi hanno il compito di selezionare autonomamente i revisori per i progetti sottoposti a
bando pubblico e stillare la graduatoria finale dei progetti in base al merito. Le risorse
finanziarie disponibili saranno distribuite in base a tale graduatoria fino ad esaurimento delle
risorse disponibili.
COMITATO ESECUTIVO: Il direttore del progetto, i vice-direttori e i responsabili di
sottoprogetto costituiscono il comitato esecutivo del progetto, che coadiuva il direttore nella
sua azione, formula proposte per il miglioramento delle attività, predispone i rapporti sullo
stato di avanzamento e sul raggiungimento degli obiettivi intermedi.
RESPONSABILE DI SOTTOPROGETTO: Il Direttore del progetto nomina un
responsabile per ciascun sottoprogetto che contribuiranno a formare il comitato esecutivo e a
contribuire a controllare che tutte le fasi progettuali svolte nei vari Work Package vengano
realizzati nei tempi e nelle modalità previste.
DIREZIONE DI PROGETTO: Il progetto è guidato da un Direttore e da due Vice Direttori
Direttore: Dott. Luciano Milanesi (Istituto di Tecnologie Biomediche -Milano)
Vice Direttore: Prof. Carlo Federico Perno (Professore ordinario di Virologia presso la
Facoltà di Medicina dell'Università di Roma "Tor Vergata")
Vice Direttore: Dott. Giovanni Rezza (Istituto Superiore di Sanità - Direttore del Dipartimento
di Malattie Infettive, Parassitarie e Immunomediate)
Il direttore del progetto è responsabile della progettazione, dell’esecuzione, delle verifiche in
corso d’opera, dell’utilizzo delle risorse finanziarie, delle proposte di rimodulazione del
progetto e della periodica rendicontazione pubblica dei risultati.
Il progetto è articolato in sottoprogetti affidati ad un responsabile di sottoprogetto e, a loro
volta, organizzati in work-package affidati a responsabili di work-package . Ciascun workpackage prevede la descrizione sintetica dell’attività, gli obbiettivi da raggiungere, la
descrizione delle attività (tasks) le date di inizio e termine delle attività, la descrizione dei
risultati (deliverables) con relative date di consegna e la descrizione delle tappe progettuali
(milestone) con indicazione della relativa tempistica.
8
COMPETENZE PARTECIPANTI
Direttore scientifico del progetto
Cognome MILANESI
Nome
LUCIANO
Data di Nascita
11/12/1953
Sesso
M
Codice Fiscale
MLNLCN53T11D150O
Luogo di Nascita
CREMONA
telefono
02 26422604
Provincia
CREMONA
Nazione
ITALIA
e-mail
[email protected]
.it
Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Dipartimento
Istituto
Divisione
Settore
ITB
Curriculum responsabile scientifico del progetto
Luciano Milanesi si è laureato in Fisica Atomica e successivamente si è specializzato in Fisica Sanitario ed
Ospedaliera presso l’Università degli Studi di Milano.
Dal 1983 è di ruolo al CNR come 1° ricercatore presso il l’Istituto di Tecnologie Biomediche del CNR e
coordina il progetto di Bioinformatica Italiano del CNR. Le principali linee di ricerca sono indirizzate allo
sviluppo di metodi bioinformatica e modelli avanzati in System Biology basate sui dati prodotti dalle
tecnologie “OMICS” per il Genoma Umano, il Drug Discovery, il ciclo cellulare, tumor stem cell e malattie
genetiche rare. Ha partecipato più di trenta progetti di cui una quindicina internazionali fra cui ha coordinato il
progetto Europeo “Bioinformatics Grid Application for Life Science”.
Ha insegnato Bioinformatica presso l’Università di Milano, Università Milano Bicocca. E' autore di
pubblicazioni contributi a libri nel campo della Bioinformatica, System Biology ed Informatica medica.
Attività Didattiche
Ha partecipato alla realizzazione di più di 50 corsi specialistici nazionali ed internazionali per l’insegnamento
dei metodi Bioinformatici per l’analisi delle sequenze genomiche e ha insegnato per diversi anni nei seguenti
corsi universitari:

Laboratorio di Bioinformatica del Corso di Laurea in Biotecnologie Mediche dell’Università degli
Studi di Milano.

Fondamenti di Informatica del Corso di Laurea di Specializzazione in Bioinformatica dell’Università
degli Studi di Milano.
9
Partecipazione a Progetti
1986- oggi coordinatore della unità di Bioinformatica (CNR-ITB).
1988 – 1991 Scientific Supervisor for the Strategic Project: The Human Genome. Coordinated by Prof.
Renato Dulbecco. Title: Genomic sequence analysis tools and data collection systems for the processing of
data generated during the Human Genome Project
1992 – 1996 Scientific Supervisor for CNR-ITBA for the Italian CNR Genetic Engineering Project Title:
Computerized system for the analysis of human DNA sequences.
1996 – 1999 Scientific Supervisor of the Research Unit for the European TRADAT project. Coordinated by
Prof. Edgar Wingender Title: Transcription Databases and Analysis Tools (TRADAT)
2001 – 2002 Scientific Supervisor of the Research Unit for CNR Molecular Genetics Project. Coordinated by
Dr.Glauco Tocchini Valentini. Title: development of a computerized system for analysis and identification of
genes and the regulator regions of Human Genome.
2002 - 2005 Scientific Supervisor of the Research Unit for the Oncology Over Internet (O2I) project
coordinated by Ing. Paolo Romano (IST-Genova) Title: Development and implementation of software for
researchers, filtering and searching over internet oncology related information.
2002 – 2004 Scientific Supervisor of the Research Unit for the CNR/MURST research project: Functional
Genomics, coordinated by Dr.Glauco Tocchini Valentini. Title: Research to find new kinases specifically for
the brain using an in silico approach combined with experimental trials.
2002 – 2004 Scientific Supervisor of the Research Unit for the European project: ORIEL Coordinated by Dr.
Les Grivel (EMBO) Title: ORIEL - Online Research Information Environment for the Life Sciences.
2004 – 2006 Project Coordinator of the NATO Science Programme – Cooperative Science Technology SubProgramme “Collaborative Linkage Grant”. Title:Gene networks of co-expressed genes: modeling and 5’UTR sequence analysis.
2003 – 2006 Scientific Supervisor of the Research Unit for THE project “GRID.IT”, Title: enable platforms
for high-performance computational grids oriented to scalable virtual organizations (GRID.IT).
2003 –2006 Scientific Supervisor of the Research Unit for the MIUR-FIRB Project: Post-Genomics, Title:
Bioinformatics for Genomics and Proteomics
2004 – 2006 Scientific Supervisor of the Research Unit for the International Project Programme INTAS,
coordinated by: Dr. Alexander Kel (BIOBASE). Title:CYCLONET:“Building a comprehensive model of
mammalian cell-cycle regulatory network in normal and pathological states to predict potential anticancer
pharmacological agents for key target molecules”.
2005 – 2006 Scientific Supervisor of the Research Unit for the European Project Specific Support Action
(SYMBIOmatics) in the 6th Framework Programme. Coordinated by: Dr. Graham Cameron - European
Bioinformatics Institute – Cambridge UK Title: Synergies in Medical Informatics and Bioinformatics.
10
2006 – 2007 Scientific European coordinator in the 6th Framework European Project Specific Support Action
(BIOINFOGRID). Title: Bioinformatics Grid Application for Life Science (BIOINFOGRID).
http://www.bioinfogrid.eu
2006-2009 Scientific Supervisor of the Research Unit for the International Project INTAS Ref. Nr 051000008-8028, coordinated by: Prof. Dmitrij Frishman - Department of Genome-Oriented Bioinformatics Institute for Bioinformatics - Technische Universitaet Minich. Germany. Title: Comparative genomics of
bacteria: functional annotation, metabolic reconstruction, evolution of metabolic pathways and regulatory
systems
2006-2008 Scientific Supervisor of the Research Unit for the project “EGEEII” Ref. Nr. 031688 Commission
of the European Communities information society and Media - Research Infrastructures Integrated
Infrastructure Initiative. Coordinated by: Prof Bob Jones CERN Genève. Starting date 1 April 2006 duration
24 month. Title: EGEE-II: Enabling Grids for E-sciencE-II
2007-2010 Scientific partner of the Italian Research Unit in the project “Net2Drug” project contract N°
037590 on the 6th EU call “ Specific targeted Research or innovative Project dedicated to SMEs” coordinated
by: Dr. Alekander Kel (BIOBASE). Title: From gene regulatory networks to drug prediction.
2007-2010 Coordinator of the Italian CNR Bioinformatics project “CNR-BIOINFORMATCS”
Title: CNR-BIOINFORMATICS: CNR Interdepartmental coordinating Bioinformatics research activities in
12 different CNR institutes in all Italy. http://www.cnr-bioinformatics.it
2008-2011 Scientific partner of the FP7- “ESFRI” project Title: BBMRI - Biobanking and Biomolecular
Resources Research Infrastructure http://www.bbmri.eu
2008-2010 Scientific Supervisor of the Research Unit for the project EGEEIII. Commission of the Europen
Communities information society and Media - Research Infrastructures Integrated Infrastructure Initiative.
Coordinated by: Prof Bob Jones CERN Genève. Title: EGEE-III - Enabling Grids for E-sciencE-III (INFSORI-222667) http://www.eu-egee.org/
2008-2010 Scientific subcontractor in the FP7 “EDGeS” project. Title: EDGeS - Enabling Desktop Grids for
e-Science. This European project with the aim of creating an integrated Grid infrastructure to interconnect the
largest European Service Grid infrastructure (EGEE) with existing Desktop Grid (DG) systems in a strong
partnership with the EGEE consortium. Service Grids (SG) can be used with a broader variety of applications.
2010-2012 Scientific subcontractor in the FP7 “SHIWA” project. Title: SHaring Interoperable Workflows for
large-scale scientific simulations on Available DCIs. SHIWA is a European project is funded for 2 years to
develop solutions for interoperability among grid workflow systems.
2011-2012 Scientific member in the FP7 “INBIOMEDVision” project. Title: INBIOMEDVision
Promoting and Monitoring Biomedical Informatics in Europe” aims to be a European-wide initiative intended
to monitor and address the current challenges of the Biomedical Informatics field by means of an EU-funded
Coordination and Support Action (Grant agreement number 270107).
11
Pubblicazioni selezionate del Direttore Scientifico del Progetto

Maojo, V., Fritts, M., Kulikowski, C., Martin-Sanchez, F., De la Iglesia, D., Cachau, R, Anguita, A.,
Baker, N., Benitez, S., de la Calle, G., Crespo, J., Facelli, JC., Garcia-Remesal, M., Ghazal, P.,
Geissbuhler, A., Gonzalez-Nilo, D., Graf, N., Grangeat, P., Hermosilla, I., Hussein, R., Kern, J., Koch,
S., Legre, Y., Lopez-Alonso, V., Lopez-Campos, G., Milanesi, L., Mitchell, J.A., Moustakis, V.,
Munteanu, C., Otero, P., Pazos, A., Perez-Rey, D, Potamias, G. and Sanz, F. Nanoinformatics and
biomedical informatics: developing new paths for nanomedicine. JAMIA Journal 2011 (in press)

Alfieri R, Bartocci E, Merelli E, Milanesi L, Modeling the cell cycle: from deterministic models to
hybrid systems. Biosystems Journal 2011 (in press)

Mosca E, Cazzaniga P, Merelli I, Pescini D, Mauri G, Milanesi L. Testing the effectiveness of a grid
framework for parameter sweep applications in systems biology models. BMC Systems Biology,
(submitted)

Zironi I., Gaibani P., Remondini D., Salvioli S., Altilia S., Pierini M., Aicardi G., Verondini E.,
Milanesi L., Bersani F., Franceschi C., Castellani G. (2010) “Remodelling of K+ channels maintain
young conductance in centenarians: a marker of longevity?” Mech Age Dev 131: 674-681 (2010).

P. Cazzaniga, G. Mauri, L. Milanesi, E. Mosca, D. Pescini. A Novel Variant of P Systems for the
Modelling and Simulation of Biochemical Systems, Membrane Computing, Lecture Notes in
Computer Science, 5957, pp210-226 –(2010)

E. Mosca, P. Cazzaniga, D. Pescini, G. Mauri, L. Milanesi, (2010) Modelling Spatial Heterogeneity
and Macromolecular Crowding with Membrane Systems, Membrane Computing, Lecture Notes in
Computer Science, 6501, pp285-304

E. Mosca, I. Merelli, P. Cazzaniga, D. Pescini, G. Mauri, L. Milanesi. Grid computing for parameter
sweep applications in systems biology models, International Journal of High Performance Computing
Applications (submitted) , (2010)

E. Mosca, P. Cazzaniga, I. Merelli, D. Pescini, G. Mauri, L. Milanesi. Stochastic Simulations on a
Grid Framework for Parameter Sweep Applications in Biological Models, High Performance
Computational Systems Biology, International Workshop on, IEEE Computer Society, pp. 33-42
(2009)

Mosca E., Alfieri R., Merelli I., Viti F., Calabria A., Milanesi L. G2SBC Database: a Genes-toSystems multilevel approach for breast cancer study. BMC Systems Biology. 2010 Jun 3;4:76 [IF=
3.706]

F. Viti, I. Merelli, A. Calabria, P. Cozzi, E. Mosca, R. Alfieri, L. Milanesi; “Ontology-based resources
for bioinformatics analysis”, Int. J. Signal and Imaging Systems Engineering, 2010.

Viti F, Merelli I, Timmermans M, Beltrame F, Riegman P, Milanesi L. Automatic identification of
punching areas for tissue microarray building: the tubular breast cancer case study. BMC
12
Bioinformatics. (in press). [IF = 3.781]

Merelli I, Cozzi P, D’Agostino D, Clematis A, Milanesi L. Image Based Surface Matching Algorithm
Oriented to Computational Structural Biology. IEEE/ACM Transactions on Computational Biology
and Bioinformatics, 2010 (in press.) [IF= 1.866]

Chiappori F., Merelli I., Milanesi L., Rovida E. Exploring the role of the phospholipid ligand in
Endothelial Protein C Receptor: a molecular dynamics study. PROTEINS: Structure, Function, and
Bioinformatics. 2010 (in press) [IF= 3.419]

Malovini A., Illario M., Iaccarino G., Villa F., Ferrario F., Roncarati R., Viviani Anselmi C., Novelli
V., Cipolletta E., Leggiero E., Brewster S. J., Orro A., Rusciano M. R., Luciano Milanesi L., Maione
A. S., Condorelli G., Bellazzi R., A. Puca A. A.. Genome-Wide Association Study on Long-Living
Individuals from Southern Italy Identifies rs10491334 in CAMK4 which Regulates Survival Proteins.
JAMA Journal 2010 (in press)

Calabria A., Di Pasquale D., Gnocchi M., Cozzi P. A., Orro A., Trombetti G., Milanesi L. GRID
Based Genome wide studies on altrial flutter. Journal of Grid Computing.Volume 8, Number 4, 2010

Torri F., Akelai A., Lupoli S., Sironi M., Amann-Zalcenstein D., Fumagalli M., Dal Fiume C., BenAsher E., Kanyas K., Cagliani R., Cozzi P., Trombetti G., Lievers LS., Salvi E., Orro A., Beckmann J.
S., Lancet D., Kohn Y., Milanesi L., Ebstein R. B. , Lerer B., Macciardi F. Fine mapping of AHI1 as a
schizophrenia susceptibility gene: from association to evolutionary evidence. FASEB J. 2010 Apr 6.
PMID: 20371615 [IF = 3.568]

Vezzoli G, Terranegra A, Arcidiacono T, Gambaro G, Milanesi L, Mosca E, Soldati L. Calcium
kidney stones are associated with a haplotype of the Calcium-sensing receptor gene regulatory region.
Nephrol Dial Transplant. doi:10.1093/ndt/gfp760 January 12, 2010. PMID: 20067903 [IF = 3.568]

Calabria A, Mosca E, Viti F, Merelli I, Milanesi L. SNPRanker: a tool for identification and scoring of
SNPs associated to target genes. SNPRanker: a tool for identification and scoring of SNPs associated
to target genes”;
Journal of Integrative Bioinformatics, 7(3):138, 2010. Online Journal:
http://journal.imbio.de/index.php?paper_id=138, DOI:10.2390/biecoll-jib-2010-138

Merelli I, Guffanti A, Fabbri M, Cocito A, Furia L, Grazini U, Bonnal RJ, Milanesi L, McBlane F.
RSSsite: a reference database and prediction tool for the identification of cryptic Recombination
Signal Sequences in human and murine genomes. Nucleic Acids Res. 2010 May 16.
doi:10.1093/nar/gkq391. [IF = 6.878]

Mosca E., Bertoli G. , Piscitelli E. , Reinbold R. , Zucchi I., Milanesi L. Identication of functionally
related genes using data mining and data integration: a breast cancer case study. BMC Bioinformatics
2009, 10(Suppl 12):S8. (IF 3.781)

Roberto Barbera, Giacinto Donvito , Alberto Falzone, Jan Just Keijser, Giuseppe La Rocca , Giorgio
Pietro Maggi , Saverio Vicario , Luciano Milanesi. Access Grid Infrastructure to Perform Large
13
Scale Bayesian Phylogenetic Analyses with Grid Portals and Robot Certificates. EGEE Special Issue
in the Journal of Grid Computing 2009. (submitted)

Cazzaniga P., Mauri G., Milanesi L., Mosca E., Pescini D. A novel vari-ant of tissue P systems for the
modelling of biochemical systems. Proceedings of the 10th International Workshop on Membrane
Computing, WMC 2009 (G. Paun, M.J. Perez-Jimenez, A. Riscos-Nunez, G. Rozenberg,A. Salomaa,
eds.), to appear in LNCS.

D'Ursi P., Chiappori F., Merelli I., Cozzi P., Rovida E., Milanesi L. Virtual screening pipeline and
ligand modelling for H5N1 neuraminidase. Biochem Biophys Res Commun. 2009 Jun 12;383(4):4459. Epub 2009 Apr 14.

Mosca E, Merelli I, Alfieri R, Milanesi L, “A distributed approach for parameter estimation in systems
biology models”. Il Nuovo Cimento Vol. 32 C, N.2 pp. 165-168 March - April 2009

Milanesi L., Calabria A., Di Pasquale D., Gnocchi M., Orro A., Trombetti G. A HPC and Grid
enabling framework for genetic linkage analysis of SNPs. Il Nuovo Cimento Vol. 32 C, N.2 pp. 249253 March - April 2009

Castellani G., Verondini E., Giampieri E., Milanesi L., Bersani F., Zironi I., Remondini D. Large scale
modelling of neuronal systems. Il Nuovo Cimento Vol. 32 C, N.2 pp. 9-12 March - April 2009

Milanesi L., Romano P., Castellani G., Remondini D., Lio’ P. Trends in Biomedical Complex
Systems. BMC Bioinformatics. 2009 Oct 15;10 Suppl 12:S8 (IF 3.78)

Merelli I., Caprera A., Stella A., Del Corvo M., Milanesi L. and Lazzari B. The Human EST
Ontology Explorer: a tissue-oriented visualization system for ontologies distribution in human EST
collections. BMC Bioinformatics. 2009 Oct 15;10 Suppl 12:S8 (IF 3.78)

Chiappori F., D'Ursi P., Merelli I., Milanesi L., Rovida E. In silico saturation mutagenesis and docking
screening for the analysis of protein ligand interaction: the Endothelial Protein C Receptor case study.
BMC Bioinformatics. 2009 Oct 15;10 Suppl 12:S8 (IF 3.78)

Mosca E., Bertoli G., Piscitelli E., Reinbold R., Zucchi I. and Milanesi L. A strategy for the
identification of functionally related genes based on data mining and data integration. BMC
Bioinformatics. 2009 Oct 15;10 Suppl 12:S8 (IF 3.78)

Alfieri R, Barberis M, Gaglio D., Chiaradonna F., Milanesi L, Vanoni M, Klipp E. and Alberghina L.
Towards a systems biology approach to mammalian cell cycle: modeling the entrance into S phase of
quiescent fibroblasts after serum stimulation. BMC Bioinformatics. 2009 Oct 15;10 Suppl 12:S8 (IF
3.78)

Barbera R, Donvito G, Falzone A, La Rocca G, Milanesi L, Maggi GP, Vicario S. The GENIUS Grid
Portal and robot certificates: a new tool for e-Science. BMC Bioinformatics. 2009 Jun 16;10 Suppl
6:S21. (IF 3.49)

Lazzari B, Caprera A, Cestaro A.,Merelli I, Del Corvo M., Fontana P., Milanesi L., Velasco R., Stella
14
A. Ontology-oriented retrieval of putative microRNAs in Vitis vinifera via GrapeMiRNA: a web
database of de novo predicted grape microRNAs. BMC Plant Biol. 2009 Jun 29;9:82

Ledda F., Milanesi L., Vargiu E. GAME: A Generic Architecture based on Multiple Experts for
Predicting Protein Structures. Communications of SIWN, Vol. 3, June 2008, pp. 107-112, 2008.

Francesconi M, Remondini D, Neretti N, Sedivy JM, Cooper LN, Verondini E, Milanesi L, Castellani
G. Reconstructing networks of pathways via significance analysis of their intersections. BMC
Bioinformatics. 2008 Apr 25;9 Suppl 4:S9. 8 (IF 3.781)

Mitra C. K., Milanesi L. An Unusual Distribution of 6-nt Sequences Near The Transcription Start Site.
Journal of Integrative Bioinformatics, 5(2), 2008. doi: 10.2390/biecoll-jib-2008-103

Lazzari B, Caprera A, Vecchietti A, Merelli I, Barale F, Milanesi L, Stella A, Pozzi C. Version VI of
the ESTree db: an improved tool for peach transcriptome analysis. BMC Bioinformatics. 2008 Mar
26;9 Suppl 2:S9. (IF 3.49).

Panzitta F., Caprera A., Merelli I., Luciano Milanesi, Williams J.L., Lazzari B., and Stella A. Mining
the Bovine Genome with the “Bovine SNP Retriever” Journal of Heredity 2008 Nov-Dec;99(6):696-8.
(IF 1.775)

Alfieri R., Merelli I., Mosca E., Milanesi L. The Cell Cycle DB: a systems biology approach to cell
cycle analysis. Nucleic Acids Res. 2008 Jan;36 (Database issue) :D641-5. (IF 6.878).

Viti F., Merelli I., Caprera A., Lazzari B., Stella A., Milanesi L. Ontology-based, Tissue MicroArray
oriented, image centred tissue bank. BMC Bioinformatics. 2008 Apr 25;9 Suppl 4:S4. (IF 3.781)

Orro A., Guffanti G., Salvi E., Macciardi F., Milanesi L..“SNPLims: A Data Management System for
Genome Wide Association Studies”, BMC Bioinformatics 2008 Mar 26;9 Suppl 2:S13. (IF 3.781)

Alfieri R., Merelli I., Mosca E., Milanesi L. A Data Integration Approach for Cell Cycle Analysis
oriented to Model Simulation in Systems Biology. BMC Syst Biol. 2007 Aug 1;1:35. (IF 3.71)

Merelli I., Orro A., D'Agostino D., Clematis A., Milanesi L. A Parallel Protein Surface Reconstruction
System. Int J Bioinform Res Appl. 2008;4(3):221-39. (1.341)

Merelli I., Morra G., Milanesi L. Evaluation of a Grid based Molecular Dynamics Approach for
Polypeptide Simulations. IEEE Trans Nanobioscience. 2007 Sep;6(3):229-34. (IF 1,899)

Jacq N., Breton V., Chen H.Y., Ho L.Y., Hofmann M., Kasam V., Lee H. C., Legré Y., Lin S. C.,
Maaß A., Medernach E., Merelli I., Milanesi L., Rastelli G., Reichstadt M., Salzemann J.,
Schwichtenberg H., Wu Y. T., Zimmermann M. Virtual screening on large scale grids. Parallel
Computing 33 (2007) 289–301 (IF 0.825)

Milanesi L., Armano G., Breton V., Romano P. Special section on Grid, Web Services, Software
Agents and Ontology applications for life sciences. IEEE Transactions on Nanobioscience 2007
6(2):101-104. (IF 1,899)

Boccia A., Busiello G., Milanesi L., Paolella G. A Fast Job Scheduling System for a Wide Range of
15
Bioinformatic Applications. IEEE Transactions on Nanobioscience 2007 6(2):149-154. (IF 1,899)

van der Wath E., Moutsianas L., van der Wath R., Visagie A., Milanesi L., Liò P. Grid Methodology
for Identifying Co-Regulated Genes and Transcription Factor Binding Sites. IEEE Transactions on
Nanobioscience 2007 6(2):162-167. (IF 1,899)

Bartocci, D. Cacciagrano, N. Cannata, F. Corradini, E. Merelli, L. Milanesi, P. Romano An Agentbased Multilayer Architecture for Bioinformatics Grids, IEEE Transactions on Nanobioscience 2007
6(2):142-148. (IF 1,899)

Remondini D., Neretti N., Franceschi C., Tieri P., Sedivy J. M., Milanesi L. , Castellani G. Networks
from gene expression time series: characterization of correlation patterns. International Journal of
Chaos and Bifurcation, Vol. 17, No. 7 (2007) 2477–2483 (IF 0.91)

Bansard J. Y., Rebholz-Schuhmann D., Cameron G., Clark D., van Mulligen E., Beltrame F., Barbolla
E.D.H., Martin-Sanchez F., Milanesi L., Tollis I., van der Lei J., Coatrieux J. L. Medical Informatics
and Bioinformatics: A Bibliometric Study. IEEE Transaction on Information Technology in
Biomedicine , VOL. 11, NO. 3, MAY 2007 (IF 1,899)

Kolpakov F., Poroikov V., Sharipov R. Kondrakhin Y, Zakharov A., Lagunin A., Milanesi L. and Kel
A. CYCLONET – An integrated Database on Cell regulation and carcinogenesis. Nucleic Acids Res.
35 (Database-Issue): 550-556 (2007) (IF 6.954)

Merelli E., Armano G., Cannata N., Corradini F., d’Inverno M., Doms A., Lord P., Martin A.,
Milanesi L., Moeller S., Schroeder M. and Luck M. Agents in bioinformatics, computational and
systems biology. Briefing in Bioinformatics. 8(1): 45-59 (2007) (IF 4.415)

Rebholz-Schuhman1 D., Cameron G., Clark D., Mullighan E. V., Coatrieux J.L., Del Hoyo Barbolla
E., Martin-Sanchez F. Milanesi L., Porro I., Beltrame F., Tollis I., Van der Lei J. SYMBiomatics:
Synergies in Medical Informatics and Bioinformatics – exploring current scientific literature for
emerging topics. BMC Bioinformatics 2007 Mar 8;8 Suppl 1:S18. (IF 3.493)

Romano P., Bartocci E., Bertolini G., De Paoli F., Marra D., Mauri G., Merelli E., Milanesi L. biowep:
a workflow enactment portal for bioinformatics applications. BMC Bioinformatics 2007 Mar 8;8
Suppl 1:S19. (IF 3.493)

Lazzari B., Caprera A., Cosentino C., Stella A., Milanesi L., Viotti A. ESTuber db: an online
database for Tuber borchii EST sequences. BMC Bioinformatics 2007 Mar 8;8 Suppl 1:S13. (IF
3.493)

D’Ursi P., Marino F., Caprera A., Milanesi L., Faioni E. M., Rovida E.. ProCMD: a database and 3D
web resource for protein C mutants. BMC Bioinformatics 2007 Mar 8;8 Suppl 1:S11. (IF 3.493)

Trombetti G. A., Bonnal R. J. P., Rizzi E., De Bellis G., Milanesi L.. Data handling strategies for high
throughput pyrosequencers. BMC Bioinformatics. 2007 Mar 8;8 Suppl 1:S22. (IF 3.493)

Lee H. C., Salzemann J., Jacq N., Chen H. Y., Ho L. Y., Merelli I., Milanesi L., Breton V., Lin S. C.,
16
Wu Y. T. Grid-enabled High-throughput in silico Screening against Influenza A Neuraminidase. IEEE
Trans Nanobioscience. 2006 Dec;5(4):288-95. (IF 1,899)

G.A. Trombetti, I. Merelli, L. Milanesi. High performance cDNA sequence analysis using grid
technology. J. Parallel Distrib. Comput. 66(12): 1482-1488 (2006). (IF 0,574).

G. Armano, A. Orro, L. Milanesi E. Vargiu “MASSP3: A System for Predicting Protein Secondary
Structure”, EURASIP Journal on Applied Signal Processing, Volume 2006, Article ID 17195, Pages
19. (IF 0.463)

Severgnini M., Bicciato S., Mangano E., Scarlatti F.,Mezzelani A., Mattioli M., Guidoni R, Peano
C.,Bonnal R., Viti F., Milanesi L., De Bellis. G, Battaglia C. Strategies for comparing gene expression
profiles from different microarray platforms: application to a case-control experiment. Analytical
Biochemistry, 2006 June 1; 353(1) p.43-56.

Saltini G., Dominici R., Lovati C., Cattaneo M., Michelini S., Malferrari G.,Caprera A., Milanesi L.,
Finazzi D., Bertora P., Scarpini E., Galimberti D., Venturelli E., Musicco M., Adorni F., Mariani C.,
Biunno I. A novel polymorphism in SEL1L confers susceptibility to Alzheimer’s disease. Neurosci
Lett. 2006 May 1;398(1-2):53-8. (IF 2,958)

P. Romano, G. Bertolini, F. De Paoli, M. Fattore, D. Marra, G. Mauri, E. Merelli, I. Porro, S.
Scaglione, L. Milanesi, Network integration of data and analysis of oncology interest, Journal of
Integrative Bioinformatics, 21 (2006).
Vicedirettore Scientifico del Progetto
Cognome PERNO
Nome
CARLO FEDERICO
27/03/1956
Data di Nascita
Sesso
M
Codice Fiscale
PRNCLF56C27H501K Luogo di Nascita
ROMA
telefono
06 72596566
Provincia
ROMA
Nazione
ITALIA
e-mail
[email protected]
Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
Università degli Studi
di ROMA “Tor
Vergata”
Dipartimento
Istituto
Divisione
Settore
Dip.
Medicina
Sperimentale
e Scienze
Biomediche
Soggetto Istituzionale di afferenza del Vicedirettore
Denominazione
Università degli Studi di ROMA “Tor Vergata”
Natura giuridica
Università
Domicilio fiscale
Via Orazio Raimondo, 18
CAP
00173
Città
ROMA
Provincia
ROMA
17
Telefono
0672598753
Codice fiscale
80213750583 P.IVA
Fax
067235980
E-MAIL
[email protected]
02133971008 Sito internet
Codice anagrafe ricerche
Legale rappresentante Istituzionale dell'istituzione del Vicedirettore
Cognome
LAURO
Nome
RENATO
Data di Nascita
09/01/1940
Sesso
M
Codice Fiscale
LRARNT40A09G273E
Luogo di Nascita
(città italiana o stato estero)
PALERMO
Provincia
PALERMO
Nazione
ITALIA
Curriculum del Vicedirettore Scientifico del Progetto
Carlo Federico Perno
Professore ordinario di Virologia all’Università di Roma “Tor Vergata”, e Direttore dell’Unità Complessa di
Virologia Molecolare al Policlinico Tor Vergata. Responsabile dell’Unità di monitoraggio delle terapie
antivirali e antineoplastiche presso l’IRCCS L. Spallanzani di Roma.
1980 Laurea in Medicina e Chirurgia presso l'Università degli Studi di Roma "La Sapienza" con il voto di
110/110 e LODE. Media globale degli esami sostenuti: 29,5/30.
1983 Specializzazione in Oncologia presso l'Università Cattolica del Sacro Cuore di Roma. Voto: 70/70 e
LODE.
1983-1985 Vincitore di una Borsa di studio triennale della Associazione Italiana per la Ricerca sul Cancro
(AIRC).
Docente a contratto della Scuola di Specializzazione in Oncologia dell’Università di Roma “Tor
Vergata” presso la quale svolge corsi relativi alla famiglia di virus HTLV e al loro ruolo
nell’etiopatogenesi della leucemia e dell'AIDS.
1985 Vincitore di una Borsa di Studio del Ministero della Pubblica Istruzione per un soggiorno di studi
all'estero.
1986 Vincitore di una Borsa di Studio del governo federale americano
1986-1989 Ricercatore, in qualita' di Fogarty Fellow, presso il Clinical Oncology Program del National Cancer
Institute americano.
1987-1998 Ricercatore presso il Dipartimento di Medicina Sperimentale e Scienze Biochimiche della
Università di Roma “Tor Vergata”.
1992-2006 Incarico di supplenza di Microbiologia presso la Facolta' di Farmacia dell'Università degli Studi di
Catanzaro “Magna Graecia”
18
1996-1999 Membro della Commissione Nazionale AIDS
1998-2001 Professore Associato di Virologia presso la Facolta’ di Medicina dell’Università degli Studi di
Roma di “Tor Vergata”.
1998 - oggi Responsabile dell’Unità di monitoraggio delle terapie antivirali e antineoplastiche presso l’IRCCS
L. Spallanzani di Roma
2001 Vincitore del Descartes Award della Comunita’ Europea quale premio per il miglior gruppo di ricerca
biomedica europea
2001- oggi Membro del Comitato Scientifico dell’Istituto Superiore di Sanità
2001- oggi Membro del Consiglio Direttivo della Società Italiana di Virologia Medica
2003-oggi Direttore dell’Unità di Virologia Molecolare del Policlinico Universitario “Tor Vergata”
2004-2007 Membro della Commissione Ricerca del Ministero della Salute
2004-oggi Membro del Senato Accademico dell’Università degli Studi di Roma “Tor Vergata”
2008-oggi Direttore Scuola di Specializzazione in Microbiologia e Virologia;
Executive Board del Progetto Europeo “CHAIN” Collaborative HIV and Anti-hiv drug resistance
Network
2009-oggi Incaricato dell’insegnamento della Microbiologia presso il Corso di Laurea (in inglese) di Farmacia
dell’Università degli Studi di Roma “Tor Vergata”
Coordinatore della Commissione per la Ricerca della Facolta’ di Medicina e Chirurgia
dell’Università degli Studi di Roma “Tor Vergata”
Presidente dell’associazione AVIRALIA per la ricerca sulle malattie ad eziologia virale
Presidente del Comitato di Garanzia per la ricerca della Regione Sardegna
Associate Editor del Journal of Medicine and the Person
Membro di importanti organi nazionali tra cui:
Commissione Nazionale AIDS
Comitato Scientifico IRCCS S. Raffaele alla Pisana
Comitato Scientifico dell’Istituto Superiore di Sanita’
Consiglio Direttivo della Società Italiana di Virologia Medica (SIVIM)
Consiglio Direttivo della Società Italiana di Virologia (SIM)
Commissione Ricerca del Ministero della Salute
Giunta Esecutiva SIM
Ha collaborato e collabora a diverse ricerche scientifiche nell'ambito della terapia antivirale e oncologica con
istituzioni italiane e straniere. Expertise focalizzata su ricerca di base nelle malattie virali, ricerca scientifica e
clinica su AIDS e Tumori, studi epidemiologici di malattie infettive, sintesi e sviluppo preclinico e clinico di
nuovi farmaci antivirali, sviluppo di biotecnologie mirate alla personalizzazione e alla diagnosi delle malattie
19
virali.
Ha partecipato come relatore invitato a decine di congressi internazionali.
Titolare di numerosi fondi di ricerca della CEE, del CNR, del Ministero della Sanita’, e dell’Unesco finalizzati
a ricerche scientifiche e cliniche prevalentemente sull’infezione da HIV.
Autore di più di 300 lavori scientifici in area virologica, la stragrande maggioranza su riviste “peer reviewed”,
molte con elevato indice di impatto (Nature, Science, PNAS, Journal of Experimental Medicine, Lancet,ecc),
Impact Factor Totale >1.300, H Index = 42.
Esperienze nel campo della comunicazione della scienza medica attraverso giornali e riviste
Pubblicazioni selezionate del Responsabile Scientifico dell'Unità di Ricerca
 Salpini R, Svicher V, Cento V, Gori C, Bertoli A, Scopelliti F, Micheli V, Cappiello T, Spanò A,
Rizzardini G, De Sanctis GM, Sarrecchia C, Angelico M, Perno CF, Characterization of drugresistance mutations in HBV D-genotype chronically infected patients, naïve to antiviral drugs,
Antiviral Research 2011 Sept

Alteri C, Santoro MM, Abbate I, Rozera G, Bruselles A, Bartolini B, Gori C, Forbici F, Orchi N,
Tozzi V, Palamara G, Antinori A, Narciso P, Girardi E, Svicher V, Ceccherini-Silberstein F,
Capobianchi MR, Perno CF. 'Sentinel' mutations in standard population sequencing can predict the
presence of HIV-1 reverse transcriptase major mutations detectable only by ultra-deep
pyrosequencing. J Antimicrob Chemother. 2011 Sep 2. [Epub ahead of print]

Scopelliti F, Pollicita M, Ceccherini-Silberstein F, Di Santo F, Surdo M, Aquaro S, Perno CF,
Comparative antiviral activity of integrase inhibitors in human monocyte-derived macrophages and
lymphocytes, Antiviral Research 2011, August

Cento V, Rahmatalla N, Ciccozzi M, Perno CF, Ciotti M. Intratype variations of HPV 31 and 58 in
Italian women with abnormal cervical cytology. J Med Virol. 2011 Oct;83(10):1752-61.

Svicher V, Cento V, Salpini R, Mercurio F, Fraune M, Beggel B, Han Y, Gori C, Wittkop L, Bertoli
A, Micheli V, Gubertini G, Longo R, Romano S, Visca M, Gallinaro V, Marino N, Mazzotta F, De
Sanctis GM, Fleury H, Trimoulet P, Angelico M, Cappiello G, Zhang XX, Verheyen J, CeccheriniSilberstein F, Perno CF. Role of hepatitis B virus genetic barrier in drug-resistance and immuneescape development. Dig Liver Dis. 2011 Aug 8.

Fokam J, Salpini R, Santoro MM, Cento V, Perno CF, Colizzi V, Ndumbe PM, Fokunang Ntungen C,
Ndiang Tetang SM, Nanfack AJ, Takou Komego DA, Cappelli G, Drug Resistance Among Drugnaive and First-line Antiretroviral Treatment-failing Children in Cameroon. Pediatr Infect Dis J. 2011
Aug 3. [Epub ahead of print]
20

Dimonte S, Svicher V, Salpini R, Ceccherini-Silberstein F, Perno CF, Babakir-Mina M. HIV-2 Asubtype gp125(C2-V3-C3) mutations and their association with CCR5 and CXCR4 tropism. Arch
Virol. 2011 Aug 4. [Epub ahead of print]

Ciccozzi M, Zehender G, Cento V, Presti AL, Teoharov P, Pavlov I, Bogdanova V, Perno CF, Ciotti
M., Molecular analysis of hepatitis C virus infection in Bulgarian injecting drug users, J Med Virol.
Sep;83(9):1565-70. 2011.

De Luca A, Di Giambenedetto S, Maserati R, Gianotti N, Narciso P, Antinori A, Di Perri G, Prosperi
MC, Baldanti F, Micheli V, Zazzi M, Perno CF, Santoro MM; TMC114-C226 study group; ARCA
study group. Interpretation of genotypic HIV-1 resistance to darunavir and virological response:
validation of available systems and of a new score. Antivir Ther.;16(4):489-97, 2011.

Sarrecchia C, Svicher V, Volpi A, Salpini R, Ceccarelli L, Sordillo P, Bertoli A, Perno CF, Andreoni
M. Successful switch to tenofovir after suboptimal response to entecavir in an immunocompromised
patient with chronic hepatitis B and without genotypic hepatitis B virus resistance. Infection. 2011 Jun
15. [Epub ahead of print]

Ciccozzi M., Babakir-Mina M, Lo Presti A, Marcuccilli F, Perno CF, Ciotti M. Phylogenesis and
Clinical Aspects of Pandemic 2009 Influenza A (H1N1) Virus Infection. Open Virol J.;5:22-6. 2011
Epub 2011 Apr 7

Dimonte S., Mercurio F, Svicher V, D'Arrigo R, Perno CF, Ceccherini-Silberstein F., Selected amino
acid mutations in HIV-1 B subtype gp41 are Associated with Specific gp120V3 signatures in the
regulation of Co-Receptor usage. Retrovirology. 12;8:33, 2011.

Malet I, Wirden M, Fourati S, Armenia D, Masquelier B, Fabeni L, Sayon S, Katlama C, Perno CF,
Calvez V, Marcelin AG, Ceccherini-Silberstein F. Prevalence of resistance mutations related to
integrase inhibitor S/GSK1349572 in HIV-1 subtype B raltegravir-naive and -treated patients. J
Antimicrob Chemother. Jul;66(7):1481-3, 2011.

Fokam J, Salpini R, Santoro MM, Cento V, D'Arrigo R, Gori C, Perno CF, Colizzi V, Nanfack A,
Gwom LC, Cappelli G, Takou D. Performance evaluation of an in-house human immunodeficiency
virus type-1 protease-reverse transcriptase genotyping assay in Cameroon. Arch Virol. 2011.

Ciccozzi M, Babakir-Mina M, Cella E, Bertoli A, Lo Presti A, Maniar J, Perno CF, Ciotti M. A case
of Italian HIV-2 infection: a genetic analysis. AIDS Research and Human Retroviruses, 2011.

Véras NM, Santoro MM, Gray RR, Tatem AJ, Presti AL, Olearo F, Cappelli G, Colizzi V, Takou D,
Torimiro J, Russo G, Callegaro A, Salpini R, D'Arrigo R, Perno CF, Goodenow MM, Ciccozzi M,
Salemi M., Molecular Epidemiology in HIV Tye 1 CRF02_AG in Cameroon and African Patients
Living in Italy. AIDS Res Hum Retroviruses. 2011 May 6

Perno CF. The discovery and development of HIV therapy: the new challenges. Ann Ist Super
Sanita;47(1):41-3, 2011.
21

Vandekerckhove LP, Wensing AM, Kaiser R, Brun-Vézinet F, Clotet B, De Luca A, Dressler S,
Garcia F, Geretti AM, Klimkait T, Korn K, Masquelier B, Perno CF, Schapiro JM, Soriano V,
Sönnerborg A, Vandamme AM, Verhofstede C, Walter H, Zazzi M, Boucher CA; European
Consensus Group on clinical management of tropism testing. European guidelines on the clinical
management of HIV-1 tropism testing. Lancet Infect Dis. 2011 May;11(5):394-407.

Paba P., Fabeni L., Ciccozzi M., Perno CF., Ciotti M., Performance evaluation of the
COBAS/TaqMan HIV-1 v2.0 in HIV-1 positive patients with low viral load: A comparative study, J
Virol Methods, 2011 Mar 23

Svicher V., Balestra E., Cento V., Sarmati L., Dori L., Vandenbroucke I., D'Arrigo R., Buonomini
A.R., Van Marck H., Surdo M., Saccomandi P., Mostmans W., Aerssens J., Aquaro S., Stuyver L.J.,
Andreoni M., Ceccherini-Silberstein F., Perno CF., HIV-1 dual/mixed tropic isolates show different
genetic and phenotypic characteristics and response to maraviroc in vitro. Antiviral Research, 2011.

Babakir-Mina M., Ciccozzi M, Perno CF., Ciotti M., The novel KI, WU, MC polyomaviruses:
possible human pathogens? New Microbiologica, 34, 1-8, 2011.

Alcaro S., Alteri C., Artese A., Ceccherini-Silberstein F., Costa G., Ortuso F., Parrotta L., Perno CF.,
Svicher V., Molecular and structural aspects of clinically relevant mutations related to the approved
non-nucleoside inhibitors of HIV-1 reverse transcriptase, Drug Resistance Updates, 2011.

Callegaro A., Svicher V., Alteri C., Lo Presti A., Valenti D., Goglio A., Salemi M., Cella E., Perno
CF., Ciccozzi M., Maggiolo F., Epidemiological network analysis in HIV-1 B infected patients
diagnosed in Italy between 2000-2008, Infection, Genetics and Evolution, 2011. [Epub ahead of print]

Lenci I., Tisone G., Di Paolo D., Marcuccilli F., Tariciotti L., Ciotti M., Svicher V., Perno CF.,
Angelico M., Safety of Complete and Sustained Prophylaxis Withdrawal in Patients Liver
Transplanted for HBV-Related Cirrhosis at Low Risk of HBV Recurrence. J Hepatol. 2011 Jan 17.

Schapiro J.M., Scherer J., Boucher C.A., Baxter J.D., Tilke C., Perno CF., Maggiolo F., Santoro
M.M., Hall D.B. Improving the prediction of virological response to tipranavir: the development and
validation of a tipranavir-weighted mutation score. Antiviral Therapy 15(7):1011-9, 2010.

Svicher V., D'Arrigo R., Alteri C., Andreoni M., Angarano G., Antinori A., Antonelli G., Bagnarelli
P., Baldanti F., Bertoli A., Borderi M., Boeri E., Bonn I., Bruzzone B., Callegaro A.P., Cammarota R.,
Canducci F., Ceccherini-Silberstein F., Clementi M., Monforte A.D., De Luca A., Di Biagio A., Di
Gianbenedetto S., Di Perri G., Di Pietro M., Fabeni L., Fadda G., Galli M., Gennari W., Ghisetti V.,
Giacometti A., Gori A., Leoncini F., Maggiolo F., Maserati R., Mazzotta F., Micheli V., Meini G.,
Monno L., Mussini C., Nozza S., Paolucci S., Parisi S., Pecorari M, Pizzi D, Quirino T, Re MC,
Rizzardini G, Santangelo R, Soria A, Stazi F, Sterrantino G., Turriziani O., Viscoli C., Vullo V.,
Lazzarin A., Perno CF.; OSCAR Study Group. Performance of genotypic tropism testing in clinical
practice using the enhanced sensitivity version of Trofile as reference assay: results from the OSCAR
22
Study Group. New Microbiologica July, 33(3) 195-206, 2010.

Ceccherini-Silberstein F., Malet I., Fabeni L., Dimonte S, Svicher V., D'Arrigo R., Artese A., Costa
G., Bono S., Alcaro S., d'Arminio Monforte A., Katlama C., Calvez V., Antinori A., Marcelin A.G.,
Perno CF. Specific HIV-1 integrase polymorphisms change their prevalence in untreated versus
antiretroviral-treated HIV-1-infected patients, all naive to integrase inhibitors. J. Antimicrob.
Chemother. 2010 Sept 3. [Epub ahead of print] IF* 4.038 cites 0.

Svicher V., Alteri C., Artese A., Forbici F., Santoro M.M., Schols D., Van Laethem K., Alcaro S.,
Costa G., Tommasi C., Zaccarelli M., Narciso P., Antinori A., Ceccherini-Silberstein F., Balzarini J.,
Perno CF., Different Evolution of Genotypic Resistance Profiles to Emtricitabine Versus Lamivudine
in Tenofovir-Containing Regimens. J Acquir Immune Defic Syndr. 2010 Aug 24. [Epub ahead of
print] IF* 4,412 cites 0.

Babakir-Mina M., Ciccozzi M., Farchi F., Bergallo M., Cavallo R., Adorno G., Perno CF., Ciotti M.KI
and WU polyomaviruses and CD4+ cell counts in HIV-1-infected patients, Italy. Emerg Infect Dis.
16(9):1482-5, 2010. IF* 5,775 cites 2.

Zazzi M., Kaiser R., Sönnerborg A., Struck D., Altmann A., Prosperi M., Rosen-Zvi M., Petroczi A.,
Peres Y., Schülter E., Boucher C.A., Brun-Vezinet F., Harrigan P.R., Morris L., Obermeier M., Perno
CF., Phanuphak P., Pillay D., Shafer R.W., Vandamme A.M., van Laethem K., Wensing A.M.,
Lengauer T., Incardona F., Prediction of response to antiretroviral therapy by human experts and by
the EuResist data-driven expert system (the EVE study), HIV Med. 2010 Aug 19. [Epub ahead of
print]. IF* 3,347 cites 0.

Ceccherini-Silberstein F., Cento V., Calvez V., Perno CF., The use of HIV resistance tests in clinical
practice, Clin Microbiol Infect. 2010 Aug 20. [Epub ahead of print] IF* 2,98 cites 0.

Parruti G., Polilli E., Sozio F., Cento V., Pieri A., Di Masi F., Mercurio F., Tontodonati M., Mazzotta
E., Ceccherini-Silberstein F., Manzoli L., Perno CF., Rapid prediction of sustained virological
response in patients chronically infected with HCV by evaluation of RNA decay 48h after the start of
treatment with pegylated interferon and ribavirin, Antiviral Res. 2010 Aug 11. [Epub ahead of print].
IF* 3,358 cites 0.

Zehender G., Ebranati E., Lai A., Santoro M.M., Alteri C., Giuliani M., Palamara G., Perno CF., Galli
M., Lo Presti A., Ciccozzi M., Population Dynamics of HIV-1 Subtype B in a Cohort of Men-HavingSex-With-Men in Rome, Italy, J Acquir Immune Defic Syndr. 2010 Aug 10. [Epub ahead of print] IF*
4,412 cites 0.

Lodwick RK, Sabin CA, Porter K, Ledergerber B, van Sighem A, Cozzi-Lepri A, Khaykin P, Mocroft
A, Jacobson L, De Wit S, Obel N, Castagna A, Wasmuth JC, Gill J, Klein MB, Gange S, Riera M,
Mussini C, Gutiérrez F, Touloumi G, Carrieri P, Guest JL, Brockmeyer NH, Phillips AN., Study
Group on Death Rates at High CD4 Count in Antiretroviral Naive Patients, Death rates in HIV23
positive antiretroviral-naive patients with CD4 count greater than 350 cells per μL in Europe and
North America: a pooled cohort observational study, Lancet. 376(9738):340-5, 2010. IF* 28,638 cites
0.

Svicher V., Alteri C., Gori C., Salpini R., Marcuccilli F., Bertoli A., Longo R., Bernassola M.,
Gallinaro V., Romano S., Visca M., Ursitti A., Feasi M., Micheli V., Angelico M., Cassola G., Parruti
G., Gubertini G., De Sanctis G.M., Ceccherini-Silberstein F., Cappiello G., Spanò A., Perno CF.,
Lamivudine-resistance mutations can be selected even at very low levels of hepatitis B viraemia. Dig
Liver Dis. 2010 Jun 19. [Epub ahead of print] IF* 1,982 cites 0.

Trotta MP, Cozzi-Lepri A, Ammassari A, Vecchiet J, Cassola G, Caramello P, Vullo V, Soscia F,
Chiodera A, Ladisa N, Abeli C, Cauda R, Buonuomi AR, Antinori A, d'Arminio Monforte A; ICONA
Foundation Study. Rate of CD4+ Cell Count Increase over Periods of Viral Load Suppression:
Relationship with the Number of Previous Virological Failures, Clin Infect Dis. 15;51(4):456-64,
2010. IF* 6,75 cites 0.

Ciccozzi M., Babakir-Mina M., Lo Presti A., Farchi F., Zehender G., Ebranati E., Perno CF., Ciotti
M., Genetic variability of the small t antigen of the novel KI, WU and MC polyomaviruses, Arch
Virol. 2010 Jun 19. [Epub ahead of print] IF* 1,839 cites 0.

Ricci F., Missiroli F., Ciotti M., Perno CF., Cerulli L., Persistent epithelial defect after penetrating
keratoplasty caused by adenoviral infectious keratitis, New Microbiol. 33(2):171-4, 2010. IF* 0,956
cites 0.

Ceccherini-Silberstein F., Van Baelen K., Armenia D., Trignetti M., Rondelez E., Fabeni L., Scopelliti
F., Pollicita M., Van Wesenbeeck L., Van Eygen V., Dori L., Sarmati L., Aquaro S., Palamara G.,
Andreoni M., Stuyver L. J, Perno CF., Secondary HIV-1 integrase resistance mutations, found as
minority quasispecies in integrase therapy naive patients, have little or no effect on susceptibility to
integrase inhibitors, Antimicrob. Agents Chemother., 54(9):3938-48, 2010. IF* 4.39 cites 1.

Babakir-Mina M., Dimonte S., Ciccozzi M., Perno CF., Ciotti M. The novel swine-origin H1N1
influenza A virus riddle: is it a domestic bird H1N1-derived virus? New Microbiologica, 33(1):77-81,
2010. IF* 0.956 cites 0.

Ciotti M., Marcuccilli F., Guenci T., Babakir-Mina M., Chiodo F., Favarato M., Perno CF. A
multicenter evaluation of the Abbott RealTime HCV Genotype II assay. Journal of Virological
Methods. 2010. Mar 31. [Epub ahead of print] IF*1.933 cites 0.

Prosperi M.C, Cozzi-Lepri A., Castagna A., Mussini C., Murri R., Giacometti A., Torti C., Costantini
A., Narciso P., Ghinelli F., Antinori A., d'Arminio Monforte A. Icona Foundation Study Group.
Incidence of malignancies in HIV-infected patients and prognostic role of current CD4 cell count:
evidence from a large Italian cohort study. Clinical Infectious Disease 1;50(9):1316-1321, 2010. IF*
6,75 cites 0.
24

Di Vincenzo P., Rusconi S., Adorni F., Vitiello P., Maggiolo F., Francisci D., Di Biagio A., Monno L.,
Antinori A., Boeri E., Punzi G., Perno CF., Callegaro A., Bruzzone B., Zazzi M., on behalf of the
Antiretroviral Resistance Cohort Analysis (ARCA) Collaborative Group. Prevalence of mutations and
determinants of genotypic resistance to etravirine (TMC125) in a large Italian resistance database
(ARCA)dagger. HIV Medicine, 1-4, 2010. IF* 3,347 cites 0.

Babakir-Mina M., Ciccozzi M., Ciotti M., Marcuccilli F., Balestra E., Dimonte S., Perno CF, Aquaro
S. Phylogenetic analysis of the surface proteins of influenza A (H5N1) viruses isolated in Asian and
African populations. New Microbiologica 32(4):397-403, 2009. IF* 0.956 cites 0.

Torimiro J.N., D'Arrigo R., Takou D., Nanfack A., Pizzi D., Ngong I., Carr J.K., Joseph F.P., Perno
CF., Cappelli G. Human immunodeficiency virus type 1 intersubtype recombinants predominate in the
AIDS epidemic in Cameroon. New Microbiologica 32(4):325-31, 2009. IF* 0.956 cites 1.

Lenci I., Marcuccilli F., Tisone G., Di Paolo D., Tariciotti L., Ciotti M., Guenci T., Perno CF.,
Angelico M. Total and covalently closed circular DNA detection in liver tissue of long-term survivors
transplanted for HBV-related cirrhosis. Digestive and Liver Disease 2010. IF* 1.982 cites 1.

Babakir-Mina M., Ciccozzi M., Lo Presti A., Greco F., Perno CF., Ciotti M. Identification of Merkel
cell polyomavirus in the lower respiratory tract of Italian patients. Journal of Medical Virology
82(3):505-9, 2010. IF*2,831 cites 4.

Tommasi C., Ceccherini-Silberstein F., D’Arrigo R., Bellagamba R., Tempestilli M., Dessì C., Santoro
MM., Forbici F., Nicastri E., Pucillo L P., Perno CF., Narciso P., Use of novel antiretroviral agents in
rescue regimens: A case of early virological failure to raltegravir, Scandinavian Journal of Infectious
Diseases , 42(3):237-239, 2010. IF*1.209 cites 0.

Marcelin AG, Ceccherini-Silberstein F., Perno CF., Calvez V., Resistance to novel drug classes,
Current Opinion in HIV and AIDS, 4(6):531-7, 2009. IF*4.754 cites 3.

Zaccarelli M., Antinori A., Cozzi-Lepri A., Mussini C., Palamara G., Santoro MM, Spagnuolo V.,
Monforte A., Perno CF., Ceccherini-Silberstein F., Is there any potential for first-line etravirine use?
Analysis from a large data set of antiretroviral therapy-naive HIV-infected patients undergoing
resistance test. J Acquir Immune Defic Syndr. 53(1):150-1, 2010. IF*4.412 cites 0.

Gaziev J., Paba P., Miano R., Germani S., Sodani P., Bove P., Perno CF., Marziali M., Gallucci C.,
Isgrò A., Paciaroni K., Roveda A., Simone MD., De Angelis G., Alfieri C., Lucarelli G.. Late-Onset
Hemorrhagic Cystitis in Children after Hematopoietic Stem Cell Transplantation for Thalassemia and
Sickle Cell Anemia: A Prospective Evaluation of Polyoma (BK) Virus Infection and Treatment with
Cidofovir. Biol Blood Marrow Transplant., 16(5):662-671, 2010. IF*3.797 cites 0.

Alcaro S., Artese A., Ceccherini-Silberstein F., Chiarella V., Dimonte S., Ortuso F., Perno CF.
Computational Analysis of Human Immunodeficiency Virus (HIV) Type-1 Reverse Transcriptase
Crystallographic Models Based on Significant Conserved Residues Found in Highly Active
25
Antiretroviral Therapy (HAART)-Treated Patients. Current Medicinal Chemistry 17(4):290-308,
2010. IF*4.944 cites 0.

Worm S.W., Friis-Møller N., Bruyand M., D'Arminio Monforte A., Rickenbach M., Reiss P., El-Sadr
W., Phillips A., Lundgren J., Sabin C., D:A:D study group. High prevalence of the metabolic
syndrome in HIV-infected patients: impact of different definitions of the metabolic syndrome. AIDS,
24(3):427-35, 2010. IF*5.842 cites 0.

Podlekareva D.N., Mocroft A., Post F.A., Riekstina V., Miro JM, Furrer H., Bruyand M., Panteleev
A.M., Rakhmanova A.G., Girardi E., Losso M.H., Toibaro J.J., Caylá J., Miller R.F., Obel N.,
Skrahina A., Chentsova N., Lundgren J.D., Kirk O.; HIV/TB Study Writing Group. Mortality from
HIV and TB coinfections is higher in Eastern Europe than in Western Europe and Argentina, AIDS,
23(18):2485-95, 2009. IF*5.842 cites 2.

Puzelli S., Valdarchi C., Ciotti M., Dorrucci M., Farchi F, Babakir-Mina M., Perno CF., Donatelli I.,
Rezza G., Italian ARI Study Group. Viral causes of influenza-like illness: Insight from a study during
the winters 2004-2007. Journal of Medical Virology, 81(12):2066-71, 2009. IF*2.831 cites 2.

Soriano V., Perno CF., Kaiser R., Calvez V., Gatell JM, di Perri G., Pillay D., Rockstroh J., Geretti
AM. When and how to use maraviroc in HIV-infected patients. AIDS, 23(18):2377-85, 2009.
IF*5.842 cites 6.

Babakir-Mina M., Ciccozzi M., Trento E., Perno CF., Ciotti M KI and WU polyomaviruses in
patients infected with HIV-1, Italy. Emerging Infectious Diseases.15(8):1323-5, 2009. IF*5.775 cites
2.

Cicconi P., Cozzi-Lepri A., Castagna A., Trecarichi EM, Antinori A., Gatti F., Cassola G., Sighinolfi
L., Castelli P., d'Arminio Monforte A., ICoNA Foundation Study Group. Insights into reasons for
discontinuation according to year of starting first regimen of highly active antiretroviral therapy in a
cohort of antiretroviral-naïve patients. HIV Medicine 11(2):104-13, 2010. IF* 3.347 cites 0.

Bergallo M., Terlizzi M.E, Astegiano S., Ciotti M., Babakir-Mina M., Perno CF, Cavallo R, Costa C
Real time PCR TaqMan assays for detection of polyomaviruses KIV and WUV in clinical samples.
Journal of Virological Methods 162(1-2):69-74, 2009. IF*2.831 cites 4.

Cento V., Ciccozzi M, Ronga L., Perno CF., Ciotti M, Genetic Diversity of Human Papillomavirus
Type 16 E6, E7, and L1 Genes in Italian Women With Different Grades of Cervical Lesions. Journal
of Medical Virology 81(9):1627-1634, 2009. IF*2.831 cites 0.

Babakir-Mina M., Ciccozzi M., Alteri C., Polchi P., Picardi A., Greco F., Lucarelli G., Arcese W.,
Perno CF., Ciotti M. Excretion of the Novel Polyomaviruses KI and WU inthe Stool of Patients With
Hematological Disorders. Journal of Medical Virology 8(9):1668-1673, 2009. IF*2.831 cites 12.

Zazzi M., Prosperi M., Vicenti I., Di Giambenedetto S., Callegaro A., Bruzzone B., Baldanti F.,
Gonnelli A., Boeri E., Paolini E., Rusconi S., Giacometti A., Maggiolo F., Menzo S., De Luca A.,
26
ARCA Collaborative Group. Rules-based HIV-1 genotypic resistance interpretation systems predict 8
week and 24 week virological antiretroviral treatment outcome and benefit from drug potency
weighting. Journal of Antimicrobial Chemotherapy 64(3):616-24, 2009. IF* 4.038 cites 3.

Alteri C., Svicher V., Gori C., D’Arrigo R., Ciccozzi M., Orchi N., Ceccherini-Silberstein F., Pontieri
S., Selleri M., Aviani Bardacci S., Giulini M., Elia P., Scognamiglio P., Balzano R., Girardi E., Perno
CF. Characterization of the patterns of drug-resistance mutations in newly diagnosed HIV-1 infected
patients naive to the antiretroviral drug. BMC Infectious Diseases 9:111. 2009. IF* 2.021 cites 0.

d'Arminio Monforte A., Cozzi-Lepri A., Castagna A., Antinori A., De Luca A., Mussini C., Caputo
S.L, Arlotti M., Magnani G., Pellizzer G., Maggiolo F., Puoti M., Icona Foundation Study Group. Risk
of developing specific AIDS-defining illnesses in patients coinfected with HIV and hepatitis C virus
with or without liver cirrhosis. Clinical Infectious Disease 49(4):612-622, 2009. IF* 6.75 cites 6.

Morsica G., Bagaglio S., Cicconi P., Capobianchi M.R, Pellizzer G., Caramello P., Orani A., Moioli
C., Rizzardini G., Uberti-Foppa C., Puoti M., Monforte AD; Hepa I.C.o.N.A the Icona Foundation
Study Groups. Viral interference between hepatitis B, C, and D viruses in dual and triple infections in
HIV-positive patients, J Acq Imm Defic Syndr. 51(5):574-81, 2009. IF* 4.412 cites 0.

Babakir-Mina M., Dimonte S., Perno CF., Ciotti M. Origin of the 2009 Mexico influenza virus: a
comparative phylogenetic analysis of the principal external antigens and matrix protein. Archives of
Virology;154:1349-52. 2009. IF* 1.839 cites 7.

Polilli E., Di Masi F., Sozio F., Mazzotta E., Alterio L., Cosentino L., Clerico L., Perno CF., Parruti G.
Sequential transmission and long-term persistence of an HIV strain partially resistant to protease
inhibitors. New Microbiol.32:205-8, 2009. IF* 0.956 cites 0.

Babakir-Mina M., Ciccozzi M., Bonifacio D., Bergallo M., Costa C., Cavallo R., Di Bonito L., Perno
CF., Ciotti M. Identification of the novel KI and WU polyomaviruses in human tonsils.J Clin Virol.
46:75-9. 2009. IF* 3.464 cites 5.

Svicher V., Alteri C., D'Arrigo R., Laganà A., Trignetti M., Lo Caputo S., Callegaro AP., Maggiolo F.,
Mazzotta F., Ferro A., Dimonte S., Aquaro S., di Perri G., Bonora S., Tommasi C., Trotta MP.,
Narciso P., Antinori A., Perno CF., Ceccherini-Silberstein F. Treatment with the fusion inhibitor
enfuvirtide influences the appearance of mutations in the human immunodeficiency virus type 1
regulatory protein rev. Antimicrob Agents Chemother. 53:2816-2823. 2009. IF* 4.39 cites 0.

Antinori A., Ammassari A., Torti C., Marconi P., Andreoni M., Angarano G., Bonora S., Castagna A.,
Cauda R., Clerici M., Monforte A., De Luca A., Di Perri G., Galli M., Girardi E., Gori A., Lazzarin
A., Lo Caputo S., Mazzotta F., Montella F., Mussini C., Perno CF., Puoti M., Rizzardini G., Rusconi
S., Vullo V., Carosi G. Italian consensus statement on management of HIV-infected individuals with
advanced disease naïve to antiretroviral therapy. Infection. 37:270-282. 2009. IF* 1.601 cites 0.

Alcaro S., Artese A., Ceccherini-Silberstein F., Ortuso F., Perno CF., Sing T., Svicher V. Molecular
27
Dynamics and Free Energy Studies on the Wild-Type and Mutated HIV-1 Protease Complexed with
Four Approved Drugs: Mechanism of Binding and Drug Resistance. J Chem Inf Model. 49:1751-61.
2009. IF* 2.986 cites 1.

Zaccarelli M., Lorenzini P., Tozzi V., Forbici F., Ceccherini-Silberstein F., Gori C., D'Arrigo R.,
Trotta MP., Narciso P., Perno CF., Antinori A.; Collaborative Group for Clinical Use of the HIV
Genotype Resistance Test (GRT) at the National Institute for Infectious Diseases "Lazzaro
Spallanzani". Effect of suppressing HIV viremia on the HIV progression of patients undergoing a
genotype resistance test after treatment failure. Infection. 37:203-209. 2009. IF* 1.601 cites 0.

Zaccarelli M., Lorenzini P., Ceccherini-Silberstein F., Tozzi V., Forbici F., Gori C., Trotta MP.,
Boumis E., Narciso P., Perno CF., Antinori A.; Collaborative Group for Clinical Use of HIV
Genotype Resistance Test. Historical resistance profile helps to predict salvage failure. Antivir
Ther.14:285-291. 2009. IF* 4.547 cites 2.

Puertas MC., Buzón MJ., Artese A., Alcaro S., Menendez-Arias L., Perno CF., Clotet B., CeccheriniSilberstein F., Martinez-Picado J. Effect of the HIV-1 Reverse Transcriptase Polymorphism Leu-214
on Replication Capacity and Drug Susceptibility. J Virol.. 83:7434-9. 2009. IF* 5.332 cites 0.

Pollicita M., Muscoli C., Sgura A., Biasin A., Granato T., Masuelli L., Mollace V., Tanzarella C., Del
Duca C., Rodinò P., Perno CF., Aquaro S. Apoptosis and telomeres shortening related to HIV-1
induced oxidative stress in an astrocytoma cell line. BMC Neurosci. 10:51, 2009. IF* 2.987 cites 0.

Fraternale A., Paoletti MF., Casabianca A., Orlandi C., Millo E., Balestra E., Damonte G., Perno CF.,
Magnani M. Erythrocytes as carriers of antisense PNA addressed against HIV-1 gag-pol transframe
domain. J Drug Target. Mar 2:1-8, 2009. IF* 2.03 cites 1.

Ceccherini-Silberstein F., Malet I., D'Arrigo R., Antinori A., Marcelin AG., Perno CF.
Characterization and structural analysis of HIV-1 integrase conservation. AIDS Rev. 11:17-29, 2009.
IF* 3.714 cites 22.

Agarossi A., Ferrazzi E., Parazzini F., Perno CF., Ghisoni L. Prevalence and type distribution of highrisk human papillomavirus infection in women undergoing voluntary cervical cancer screening in
Italy. J Med Virol. 81:529-35, 2009. IF* 2.831 cites 7.

Babakir-Mina M., Ciccozzi M., Campitelli L., Aquaro S., Lo Coco A., Perno CF., Ciotti M.
Identification of the novel KI Polyomavirus in paranasal and lung tissues. J Med Virol. 81:558-61,
2009. IF* 2.831 cites 11.

Capetti AF., Piconi S., Landonio S., Rizzardini G., Perno CF. Is dual therapy with raltegravir and
protease inhibitors a feasible option in rescue strategy in HIV-1 infection? J Acquir Immune Defic
Syndr. 50:233-4, 2009. IF* 4.412 cites 6.

Giuliani M., Montieri S., Palamara G., Latini A., Alteri C., Perno CF., Santoro MM., Rezza G.,
Ciccozzi M. Non-B HIV type 1 subtypes among men who have sex with men in Rome, Italy. AIDS
28
Res Hum Retroviruses. 25:157-164, 2009. IF* 2.022 cites 5.

Nicoletti F., Lapenta C., Donati S., Spada M., Ranazzi A., Cacopardo B., Mangano K., Belardelli F.,
Perno CF., Aquaro S. Inhibition of human immunodeficiency virus (HIV-1) infection in human
peripheral blood leucocytes-SCID reconstituted mice by rapamycin.Clin Exp Immunol. 155:28-34,
2009. IF* 2.599 cites 3.

Trignetti M., Tobias S., Svicher V., Santoro M.M., Forbici F., D’Arrigo R., Bellocchi M.C., Santoro
M., Marconi P., Zaccarelli M., Trotta M., Bellagamba R., Narciso P., Antinori A., Lengauer T., Perno
CF., Ceccherini- Silberstein F. Dynamics of NRTI resistance mutations during therapy interruption.
AIDS Res Hum Retroviruses. 25:57-64, 2009. IF* 2.022 cites 1.

Svicher V., Gori C., Trignetti M., Visca M., Micheli V., Bernassola M., Salpini R., Gubertini G.,
Longo R., Niero F., Ceccherini-Silberstein F., De Sanctis G.M., Spanò A., Cappiello G., Perno CF.
The Profile of Mutational Clusters Associated with Lamivudine Resistance Can Be Constrained by
HBV-genotypes. J Hepatol. 50:461-470, 2009. IF* 6.642 cites 3.

Ciotti M, Marzano V, Giuliani L, Nuccetelli M, D'Aguanno S, Azzimonti B, Bernardini S, Perno CF,
Urbani A, Favalli C, Federici G. Proteomic investigation in A549 lung cell line stably infected by
HPV16E6/E7 oncogenes. Respiration 77 :427-39. 2009. IF* 1.931 cites 2.

Soriano V., Geretti AM., Perno CF., Fätkenheuer G., Pillay D., Reynes J., Tambussi G., Calvez V.,
Alcamí J., Rockstroh J. Optimal use of maraviroc in clinical practice. AIDS. 22:2231-2240, 2008. IF
5.46 cites 13.

Monforte A., Abrams D., Pradier C., Weber R., Reiss P., Bonnet F., Kirk O., Law M., De Wit S.,
Friis-Møller N., Phillips A.N., Sabin C.A., Lundgren J.D., Data Collection on Adverse Events of AntiHIV Drugs (D:A:D) Study Group. HIV-induced immunodeficiency and mortality from AIDS-defining
and non-AIDS-defining malignancies. AIDS. 18; 22(16):2143-2153, 2008. IF 5.46 cites 41.

Babakir-Mina M., Ciccozzi M, Dimonte S, Farchi F, Valdarchi C, Rezza G, Perno CF., Ciotti M.
Identification of the novel KI polyomavirus in the respiratory tract of an Italian patient. J Med Virol.
80:2012-2014, 2008. IF 2.576 cites 6.

Santoro M.M., Ciccozzi M., Alteri C., Pontieri S., Alexiev I., Dimora I., Ceccherini-Silberstein F.,
Danail B., Rezza G., Perno CF. Characterization of Drug-Resistance Mutations in HIV-1 Isolates from
Drug-Naive and ARV Treated Patients in Bulgaria. AIDS Res Hum. Retrivuruses. 24:1133-1138,
2008. IF 2.024 cites 1.

Santoro M.M, Bertoli A., Lorenzini P., Ceccherini-Silberstein F., Gianotti N., Mussini C., Torti C., Di
Perri G., Barbarini G., Bini T., Melzi S., Caramello P., Maserati R., Narciso P., Micheli V., Antinori
A., Perno CF. Two different patterns of mutations involved in the genotypic resistance score for
atazanavir boosted versus atazanavir unboosted by ritonavir in multiply failing patients. Infection
37:233-43, 2008. IF 2.844 cites 1.
29

Svicher V., Aquaro S., D'Arrigo R., Artese A., Dimonte S., Alcaro S., Santoro MM., Di Perri G.,
Caputo SL., Bellagamba R., Zaccarelli M., Visco-Comandini U., Antinori A., Narciso P., CeccheriniSilberstein F., Perno CF. Specific enfuvirtide-associated mutational pathways in HIV-1 Gp41 are
significantly correlated with an increase in CD4(+) cell count, despite virological failure. J Infect Dis.
15,1408-1418, 2008. IF 5.682 cites 13.

Orchi N., Balzano R., Scognamiglio P., Navarra A., De Carli G., Elia P., Grisetti S., Sampaolesi A.,
Giuliani M., De Filippis A., Puro V., Ippolito G., and Girardi E., on behalf of the SENDIH group,
Ageing with HIV: newly diagnosed older adults in Italy, AIDS Care, 20 (4): 419-425, 2008. IF 2.392
cites 11.

Moyle G., Gatell J., Perno CF., Ratanasuwan W., Schechter M., Tsoukas C. Potential for New
Antiretrovirals to Address Unmet Needs in the Management of HIV-1 Infection. AIDS Patient Care
and STDs. 22, 459-471, 2008. IF 2.392 cites 9.

Giuliani L., Ronci C., Bonifacio D., Di Bonito L., Favalli C., Perno CF., Syrjänen K., Ciotti M.
Detection of oncogenic DNA viruses in colorectal cancer. Anticancer Res. 28,1405-1410, 2008. IF
1.39 cites 9.

Tozzi V., Bellagamba R., Castiglione F., Amendola A., Ivanovic J., Nicastri E., Libertone R., D'Offizi
G., Liuzzi G., Gori C., Forbici F., D'Arrigo R., Bertoli A., Salvatori MF., Capobianchi MR., Antinori
A., Perno CF., Narciso P. Plasma HIV RNA Decline and Emergence of Drug Resistance Mutations
among Patients with Multiple Virologic Failures Receiving Resistance Testing-Guided HAART.
AIDS Res Hum Retroviruses. 24, 787-796, 2008. IF 2.024 cites 2.

Santoro MM., Bertoli A., Lorenzini P., Lazzarin A., Esposito R., Carosi G., Di Perri G., Filice G.,
Moroni M., Rizzardini G., Caramello P., Maserati R., Narciso P., Cargnel A., Antinori A., Perno CF.,
and
the CARe Study Group. Viro-Immunologic Response to Ritonavir-Boosted or Unboosted
Atazanavir in a Large Cohort of Multiply Treated Patients: The CARe Study. AIDS Patient Care
STDs. 22, 7-16, 2008. IF 2.392 cites 4.

Aquaro S., Svicher V., Ronga L., Perno CF., Pollicita M. HIV-1-associated dementia during HAART
therapy. Recent Patents CNS Drug Discov. 3, 23-33, 2008. IF 1.796 cites 4.

Ciotti M., Marcuccilli F., Guenci T., Prignano MG., Perno CF. Evaluation of the Abbott RealTime
HBV DNA assay and its comparison to the COBAS Ampliprep/COBAS TaqMan 48 in monitoring
hepatitis B chronic patients. Journal of Clinical Microbiology. 2008. IF 3.945 cites 0.

Perno CF., Moyle G., Tsoukas C., Ratanasuwan W., Gatell J., Schechter M. Overcoming resistance to
existing therapies in HIV-infected patients: the role of new antiretroviral drugs. J Med Virol. 80, 565576, 2008. IF 2.576 cites 23.

Perno CF., Svicher V., Ceccherini-Silberstein F., Ciotti M. Il papillomavirus umano e il cancro della
cervice uterina: epidemiologia, basi genetiche e prevenzione. Italian J. Gynaecol. Obstet. 4: 198-207.
30
2007. IF not available cites 0.

Zaccarelli M., Tozzi V., Lorenzini P., Forbici F., Narciso P., Ceccherini-Silberstein F., Trotta M.P.,
Bertoli A., Liuzzi G., Perno CF., Antinori A. The V118I mutation as marker of advanced HIV
infection and disease progression. Antivir Ther.12:163-168, 2007. IF 4.547 cites 5.

Antinori A., Trotta MP., Lorenzini P., Torti C., Gianotti N., Maggiolo F., Ceccherini-Silberstein F.,
Nasto P., Castagna A., De Luca A., Mussini C., Andreoni M., Perno CF. GNOMO Study Group.
Virological response to salvage therapy in HIV-infected persons carrying the reverse transcriptase
K65R mutation. Antivir Ther. 12,1175-1183, 2007. IF 4.547 cites 3.

Aquaro S., Muscoli C., Ranazzi A., Pollicita M., Granato T., Masuelli L., Modesti A., Perno CF.,
Mollace V. The contribution of peroxynitrite generation in HIV replication in human primary
macrophages. Retrovirology, 4:76, 2007. IF 4.04 cites 4.

D'Arrigo R., Ciccozzi M., Gori C., Montieri S., Aquaro S., Bellagamba R., Boumis E., Di Perri G.,
Pizzi D., Antinori A., Rezza G., Perno CF. gp41 sequence variability in HIV type 1 non-B subtypes
infected patients undergoing enfuvirtide pressure. AIDS Res Hum Retroviruses, 1296-1302, 2007. IF
2.022 cites 4.

Zaccarelli M., Marconi P., Visco-Comandini U., Liuzzi G., Sette P., Acinapura R., Mosti S.,
Ammassari A., Perno CF., Antinori A. Evidence of Dual Sexual Transmission of Multi-resistant HIV
with Two Years Persistence of Resistance to NRTI and NNRTI: a Case Report. Infection. 36(2):17880. 2008. IF 1.831 cites 2.

De Luca A., Giambenedetto SD., Trotta MP., Colafigli M., Prosperi M., Ruiz L., Baxter J.,
Clevenbergh P., Cauda R., Perno CF., Antinori A. Improved interpretation of genotypic changes in the
HIV-1 reverse transcriptase coding region that determine the virological response to didanosine. J
Infect Dis. Dec, 196, 1645-1653, 2007. IF 6.035 cites 5.

Pollicita M., Ruff MR., Pert CB., Polianova MT., Schols D., Ranazzi A., Perno CF., Aquaro S.
Profound anti-HIV-1 activity of DAPTA in monocytes/macrophages and inhibition of CCR5-mediated
apoptosis in neuronal cells. Antiviral Chemistry and Chemotherapy 18, 285-95, 2007. IF 1.767 cites
1.

Franchetti P., Cappellacci L., Petrelli R., Vita P., Grifantini M., Rossi L., Pierigé F., Serafini S.,
Magnani M., Balestra E., Perno CF. Inhibition of HIV-1 replication in macrophages by red blood cellmediated delivery of a Heterodinucleotide of Lamivudine and Tenofovir. Nucleosides Nucleotides
Nucleic Acids. 26, 953-957, 2007. IF 0.723 cites 1.

Pollicita M., Schols D., Aquaro S., Peumans W.J., Van Damme E.J., Perno CF., Balzarini J.
Carbohydrate-binding agents (CBAs) inhibit HIV-1 infesction in human primary monocyte-derived
macrophages (MDMs) and efficiently prevent MDM-direct viral capture and subsequent trasmission
to CD4+ T lymphocytes. Virology 370:382-91. 2008. IF* 3.765 cites 7.
31

Ceccherini-Silberstein F., Svicher V., Sing T., Artese A., Santoro M.M., Forbici F., Beroli A., Alcaro
S., Palamara G., d’Arminio Manforte A., Balzarini J., Antinori A., Lengauer T., Perno CF.
Characterization and structural analysis of novel mutations in human immunodeficiency virus type 1
reverse tyranscriptase involved in the regulation of resistance to nonnucleoside inhibitors. J Virol. 81:
11507-11519. 2007. IF 5.332 cites 12.

Babakir-Mina M., Balestra E., Perno CF., Aquaro S. Influenza virus A ( H5N1): a pandemic risk?
New Microbiologica, 30, 65-77, 2007. IF 0.956 cites 2.

Simpore J., Pietra V., Pignatelli S., Karou D., Nadembega WM., Ilboudo D., Ceccherini-Silberstein F.,
Ghilat-Avoid-Belem WN., Bellocchi MC., Saleri N., Sanou MJ., Ouedraogo CM., Nikiema JB.,
Colizzi V., Perno CF., Castelli F., Musumeci S. Effective program against mother-to-child
transmission of HIV at Saint Camille Medical Centre in Burkina Faso. J Med Virol. 79:873-879. 2007.
IF 2.831 cites 3.

Zaccarelli M., Forbici F., Lorenzini P., Ceccherini- Silberstein F., Tozzi V., Trotta MP., Marconi P.,
Narciso P., Perno CF., Antinori A. Continuous evidence of fast HIV disease progression related to
class- wide resistance to antiretroviral drugs: a six years follow- up analysis of a large observational
data –base. AIDS. 21:1824-6, 2007. IF 5.842 cites 4.

Ceccherini-Silberstein F., Cozzi-Lepri A., Ruiz L., Mocroft A., Phillips AN., Holkmann Olsen C.,
Gatell JM., Günthard HF., Reiss P., Perno CF., Clotet B., Lundgren JD., for the EuroSIDA Study
Group. Impact of HIV-1 reverse transcriptase polymorphism F214L on virological response to
thymidine analogue based regimens in ART- naive and experienced patients. J. Infect. Dis. 196:11801190, 2007. IF 6.035 cites 6.

Lenci I., Di Paolo D., Tisone G., Marcuccilli F., Ciotti M., Guerci T., Perno CF., Angelico M.
Covalently closet circular DNA (cccDna) in post-transplant liver biopsies: a new tool to assess the
need of continuous prophylaxis against HBV recurrence. J. of Hepatology. Suppl. No. 1 Vol. 46.
2007. IF 6.642 cites 0.

Marazzi CM., Germano P., Liotta G., Guidotti G., Loureiro S., Gomes AD., Blazquez MC., Narciso
P., Perno CF., Mancinelli S., Altan AD., Nielsen-Saines K., Palombi L. Implementing anti-retroviral
triple therapy to prevent HIV mother-to-child transmission: a public health approach in resourcelimited settings. Eur J Pediatr. 166:1305-7, 2007. IF 1.277 cites 9.

Casabianca A., Gori C., Orlandi C., Forbici F., Perno CF., Magnani M. Fast and sensitive quantitative
detection of HIV DNA in whole blood leucocytes by SYBR green I real-time PCR assay. Mol. Cell.
Probes. 5-6: 368-378. 2007. IF 2.364 cites 13.

Stevens M., Pollicita M., Pannecouque C., Verbeken E., Tabarrini O., Cecchetti V., Aquaro S., Perno
CF., Fravolini A., De Clercq E., Schols D., Balzarini J. Novel in vivo model for the study of human
immunodeficiency virus type 1 transcription inhibitors: evaluation of new 6-desfluoroquinolone
32
derivatives. Antimicrob Agents Chemother. 51:1407-13. 2007. IF 4.39 cites 5.

Franzese O., Adamo R., Pollicita M., Comandini A., Laudisi A., Perno CF., Aquaro S., Bonmassar
E.Telomerase activity, hTERT expression, and phosphorylation are downregulated in CD4(+) T
lymphocytes infected with human immunodeficiency virus type 1 (HIV-1). J Med Virol. 79:639-46,
2007. IF 2.831 cites 2.

Rossi L., Franchetti P., Pierigé F., Cappellacci L., Serafini S., Balestra E., Perno CF., Grifantini M.,
Caliò, R., Magnani M. Inhibition of HIV-1 replication in macrophages by a heterodinucleotide of
lamivudine and tenofovir. Journal of Antimicrobial and Chemotherapy JAC-2006-0893.R1. 2007. IF
4.038 cites 6.

Aquaro S., Svicher V., Perno CF. Does residual virus replication durino successful HAART lead to
HIV-1 genetic evolution? J. of HIV Ther. 11: 84-88. 2006. IF not available cites 0.

Perno CF., Svicher V., Ceccherini-Silberstein F. Novel drug resistance mutations in HIV: recognition
and clinical relevance. AIDS Rev. 8:179-90. 2006. IF 5.632 cites 11.

Cervasi B., Paiardini M., Serafini S., Fraternale A., Menotta M., Engram J., Lawson B., Staprans SI.,
Piedimonte G., Perno CF., Silvestri G., Magnani M. Administration of fludarabine-loaded autologous
red blood cells in simian immunodeficiency virus-infected sooty mangabeys depletes pSTAT-1expressing macrophages and delays the rebound of viremia after suspension of antiretroviral therapy. J
Virol. 80:10335-10345. 2006. IF 5.341 cites 5.

Marazzi MC., Germano P., Liotta G., Guidotti G., Loureiro S., Da Cruz Gomes A., Valls Blazquez
MC., Narciso P., Perno CF., Mancinelli S., Palombi L. Safety of nevirapine-containing antiretroviral
triple therapy regimens to prevent vertical transmission in an African cohort of HIV-1-infected
pregnant women. HIV Med. 7:338-44. 2006. IF 2.674 cites 30.

Bellocchi MC., Nobili F., Novelli G., Giardina E., Perno CF., Arcudi G. Contributo dell’HLA e della
filogenesi virale nella identificazione del soggetto indice di infezione da HIV. Estratto Da “Zacchia”
Archivio di medicina legale sociale e criminologia. Anno 79° (Vol. XXIV della Serie 4ª) Fascicolo 2.
Aprile- Giugno 2006. IF and cites not available.

Rezza G., Valdarchi C., Puzelli S., Ciotti M., Farchi F., Fabiani C., Calzoletti L., Donatelli I., Perno
CF. Respiratory viruses and influenza-like illness: a survey in the area of Rome, winter 2004-2005.
Eurosurveillance vol. 11, issues 10-12 Oct.-Dec. 2006. IF not available cites 7.

Tozzi V., Zaccarelli M., Bonfigli S., Lorenzini P., Liuzzi G., Trotta MP., Forbici F., Gori C., Bertoli
A., Bellagamba R., Narciso P., Perno CF., Antinori A., on behalf of the collaborative group for
clinical use of HIV genotype resistance test. Drug-class-wide resistance to antiretrovirals in HIVinfected patients failing therapy: prevalence, risk factors and virological outcome. Antiviral Therapy.
11: 553-560. 2006. IF 4.982 cites 20.

Montaner LJ., Crowe SM., Aquaro S., Perno CF., Stevenson M., Collman RG. Advances in
33
macrophage and dendritic cell biology in HIV-1 infection stress key understudied areas in infection,
pathogenesis, and analysis of viral reservoirs. J Leukoc. Biol. 25. 2006. IF 4.572 cites 13.

Marchetti G., Gori A., Casabianca A., Magnani M., Fanzetti F., Clerici M., Perno CF., Monforte,AD.,
Galli M., Meroni L., The Study Group for Immunologic-non- Responders. Comparative analysis of Tcell turnover and homeostatic parameters in HIV-infected patients with discordant immune-virological
responses to HAART. AIDS. 20:1727-1736. 2006. IF 5.632 cites 23.

Aquaro S., Svicher V., Schols D., Pollicita M., Antinori A., Balzarini J., Perno CF. Mechanisms
underlying activity of antiretroviral drugs in HIV-1-infected macrophages: new therapeutic strategies.
J. Leukoc. Biol. 80:1103-1110. 2006. IF 4.572 cites 12.

Aquaro S., D’Arrigo R., Svicher V., Di Perri G., Lo Caputo S., Visco-Comandini U., Santoro M.,
Bertoli A., Mazzotta F., Bonora S., Tozzi V., Bellagamba R., Zaccarelli M., Narciso P., Antinori A.,
Perno CF. Specific mutations in HIV-1 gp41 are associated with immunological success in HIV-1
infected patients receiving enfuvirtide treatment. J. Antimicrob. Chemother. 8, 2006. IF 3.891 cites 44.

De Oliveira T., Pybus O.G., Rambaut A.,Salemi M., Cassol S., Ciccozzi M., Rezza G., Gattinara G.C.,
D’Arrigo R., Amicosante M., Perrin L., Colizzi V., Perno CF., Benghazi Study Group. Molecular
epidemiology: HIV-1 and HCV sequences from Lyban outbreak. Nature. 444:836-7. 2006 IF 26.681
cites 29.

Santoro M., Svicher V., Gori C., Zaccarelli M., Tozzi V., Forbici F., D’Arrigo R., Trotta MP.,
Bellocchi MC.,Visco-Comandini U., Cenci A., Bertoli A., Narciso P., Antinori A. and Perno CF.,
Ceccherini-Silberstein F. Temporal Characterization of Drug Resistance Associated Mutations in
HIV-1 Protease and Reverse Transcriptase in Patients Failing Antiretroviral Therapy. The New
Microbiol. 29:89-100, 2006. IF 0.806 cites 2.

Perno CF., Svicher V., Schols D., Pollicita M., Balzarini J., Aquaro S. Therapeutic strategies towards
HIV-1 infection in macrophages. Antiviral Res. 71:293-300, 2006. IF 2.878 cites 9.

Svicher V., Sing T., Santoro M.M., Forbici F., Rodriguez-Barrios F., Bertoli A., Beerenwinkel N.,
Bellocchi M. C., Gago F., D’Arminio Monforte A., Antinori A., Ceccherini-Silberstein F.and Perno
CF. Involvement of novel human immunodeficiency virus type 1 reverse transcriptase mutations in the
regulation of resistance to nucleoside inhibitors. J.Virol. 80: 7186-7198, 2006. IF 5.341 cites 32.

Larussa D., Lorenzini P.,Cingolani A., Bossolasco S., Grisetti S., Bongiovanni M., Moretti F., Uccella
I., Zannoni P., Foresti S., Mazzarello G., Arcidiacono MI., Pedale R., Ammassari A., Tozzi V., Perno
CF., Monforte AD., Cinque P., Antinori A., Italian Registry Investigative Neuro AIDS (IRINA).
Highly active antiretroviral therapy reduces the age-associated risk of dementia in a cohort of older
HIV-1-infected patients. AIDS Res Hum Retroviruses. 22:386-392, 2006. IF 2.513 cites 10.

Casoli C., Pilotti E., Perno CF., Balestra E., Polverini E., Cassone A., Conti S., Magliani W.,
Polonelli L. A killer mimotope with therapeutic activity against AIDS- related opportunistic micro34
organism inhibits ex-vivo HIV-1 replication. AIDS 20:975-980, 2006. IF 5.632 cites 11.

Antinori A, Trotta MP, Nastao P, Bini T, Bonora S, Castagnas A, Zaccarelli M,
Quirino T,
Landonio S, Merli S, Tozzi V, Di Perri G, Andreoni M, Perno CF, Carosi G. Antiviral efficacy and
genotypic resistance patterns of combination therapy with stavudine/tenofovir in highly
active
antiretroviral therapy experienced patients. Antivir. Ther.11:233-243, 2006. IF 4.982 cites 11.

Carosi G., Torti C., Andreoni M., Angarano G., Antinori A., Bonora S., Borderi M., Castagna A.,
Castelli F., Cauda R., Chiodo F., D’Arminio Monforte A., De Luca A., Di Perri G., Dianzani F.,
Felice G., Galli M., Lazzarin A., Maggiolo F., Maserati R., Mazzotta F., Moroni M., Perno CF., and
Vullo V., on behalf of the members of the Italian HIV Guidelines Working Group. Key questions in
antiretroviral therapy: Italian consensus Workshop 2005. J of Antim. Chem. 10, 2006. IF 3.891 cites 4.

Trotta M.P., Bonfigli S., Ceccherini-Silberstein F., Bellagamba R., D’Arrigo R., Soldani F., Zaccarelli
M.,Bellocchi M.C., Lorenzini P., Marconi P., Boumis E., Forbici F., Visco Comandini U., Tozzi V.,
Narciso P., Perno CF., Antinori A. Clinical and Genotypic Correlates of mutation K65R in HIVinfected Patients failing Regimens not including Tenofovir, J. Med. Virol. 78:535-41, 2006. IF 2.779
cites 8.

Boffito M, Acosta E, Burger D, Fletcher CV, Flexner C, Garaffo R, Gatti G, Kurowski M, Perno CF.,
Peytavin G, Regazzi M, Back D. Current status and future prospects of therapeutic drug monitoring
and applied clinical pharmacology in antiretroviral therapy. Antivir Ther. 10: 375-392, 2005. IF 5.286
cites 32.

Nadembega W.M., Giannella S., Simpore J., Ceccherini-Silberstein F., Pietra V., Bertoli A., Pignatelli
S., Bellocchi M.C., Nikiema J.B., Cappelli G., Bere A., Colizzi V., Perno CF., and Musumeci S.
Characterization of drug-resistance mutations in HIV-1 isolates from non-HAART and HAART
treated patients in Burkina Faso. J Med Vir 78:1385-1391, 2006. IF 2.779 cites 15.

Zolopa AR, Lazzeroni LC, Rinehart A, Vezinet FB, Clavel F, Collier A, Conway B, Gulick RM,
Holodniy M,
Perno CF., Shafer
RW,
Richman
DD, Wainberg MA, Kuritzkes
DR.
Accuracy, precision, and consistency of expert HIV type 1 genotype interpretation: an international
comparison (The GUESS Study). Clin Infect Dis. 41:92-99, 2005. IF 6.51 cites 11.

Marazzi MC, Bartolo M, Gialloreti LE, Germano P, Guidotti G, Liotta G, San Lio MM, Mancinelli S,
Modolo MA, Narciso P, Perno CF, Scarcella P, Tintisona G, Palombi L. Improving adherence to
highly active anti-retroviral therapy in Africa: the DREAM programme in Mozambique. Health Educ
Res. 21: 34-42, 2006. IF not availabe cites 16.
35
Vicedirettore scientifico del Progetto
Cognome REZZA
Sesso
M
Nome
GIOVANNI
Codice Fiscale
RZZGNN54E06H501A Luogo di Nascita
Data di Nascita
06/05/1954
ROMA
(città italiana o
stato estero)
telefono
06 49906133/6135
e-mail
[email protected] Istituzione di
Provincia
appartenenza
ROMA
Nazione
ITALIA
Istituto Superiore
di Sanità
Dipartimento
Istituto
Divisione
Settore
Dip. di Malattie
Infettive
Parassitarie e
Immunomediate
Soggetto Istituzionale di afferenza dell'Unità di Ricerca
Denominazione
ISTITUTO SUPERIORE DI SANITA’
Natura giuridica
PUBBLICA
Domicilio fiscale
VIALE REGINA ELENA, 299
CAP
00161
Città
Telefono
ROMA
Fax
80211730587
Codice fiscale
P.IVA
Provincia
RM
Sito Internet
www.iss.it
03657731000
Codice anagrafe ricerche
Legale rappresentante Istituzionale dell'Unità di Ricerca
Cognome
GARACI
Nome
ENRICO
Sesso
M
Codice Fiscale
GRCNRC42D23H501D Luogo di Nascita
Data di Nascita
23.04.1942
ROMA
(città italiana o stato estero)
Provincia
Nazione
ITALIA
Curriculum del Vicedirettore scientifico del Progetto
GIOVANNI REZZA
FORMAZIONE
Laurea in Medicina e Chirurgia, Università di Roma, 1978; Specializzazione in Igiene e Medicina Preventiva
(indirizzo Laboratorio), Università degli Studi di Roma, 1982; Specializzazione in Malattie Infettive,
Università di Roma, 1986.
Altre esperienze formative:
36
1989
Visiting Research Fellow al “Centre for Research on Drug and Health Behaviour”,
Charing Cross and Westminster Medical School, Università di Londra;
1986
Borsa di studio OMS per l'Epidemiologia delle malattie trasmissibili, Centro di
Collaborazione OMS sull'AIDS - Istituto Leon Mba, Ospedale Claude Bernard,
Parigi;
1980-1982
1979
Formazione clinica in Malattie Infettive presso l’Ospedale L. Spallanzani.
Tirocinio pratico ospedaliero in Medicina Interna presso l’Ospedale San Camillo.
ATTIVITÁ LAVORATIVE E SERVIZI IN SANITA’ PUBBLICA
2009 ad oggi
Direttore del Dipartimento di Malattie Infettive, Parassitarie e Immunomediate,
Istituto Superiore di Sanità;
2004
2005
1999-2004
Direttore del Reparto Epidemiologia, Dipartimento Malattie Infettive, Parassitarie e
Immunomediate, Istituto Superiore di Sanità;
Direttore del Reparto AIDS e Malattie Sessualmente Trasmesse, Laboratorio di
Epidemiologia e Biostatistica, Istituto Superiore di Sanità;
1993-2004
Direttore del Centro Operativo AIDS (C.O.A.) dell’Istituto Superiore di Sanità (ha
coordinato sino a 70 persone di staff fra personale di ruolo e a contratto);
1991 ad oggi
Dirigente di Ricerca in Epidemiologia, Istituto Superiore di Sanità;
1982-1991
Medico funzionario, Ministero della Sanità. E’ stato Responsabile del servizio di
Epidemiologia , SECEDAS;
1989
Short Term Consultant, Organizzazione Mondiale della Sanità di Ginevra, Global
Program on AIDS, (6 Marzo-1 Settembre 1989);
1990
1979-81
Servizio di guardia medica.
RESPONSABILITÁ SCIENTIFICHE
1997-2007
Responsabile Scientifico del progetto “Epidemiologia” del Programma Nazionale di
Ricerca sull’AIDS;
2004-2007
Responsabile del Progetto “Ricerca Sociale” nell’ambito del Programma Nazionale di
Ricerca sull’AIDS;
1989 ad oggi
Responsabile di diverse Linee di Ricerca nell’ambito del Progetto AIDS;
2000 ad oggi
Responsabile di Unità Operativa per Progetti Ricerca Sanitaria (1%) su varie
tematiche correlate all’infettivologia (per esempio, sulle infezioni da HPV e HHV-8,
sulla SARS, sulla BPCO, sulle zoonosi (Arbovirus). E’ stato inoltre responsabile di
convenzioni con l’Assessorato alla Sanità della Regione Veneto (sorveglianza
infezioni HIV) e con il CCM del Ministero della salute (sorveglianza virologica delle
infezioni respiratorie acute).
2000 ad oggi
Partner e Membro dello Steering Committee del Progetto Europeo Concerted Action
on Seroconversion to AIDS and Death in Europe coordinato dal Medical Research
Council e finanziato dall’UE;
2001-2007
Componente del Comitato Scientifico del “Progetto per lo sviluppo di vaccini
37
HIV/AIDS” (ICAV) del Programma Nazionale di Ricerche sull’AIDS;
2005- ad oggi
2007-2008
Responsabile Scientifico di un progetto della Cooperazione Italiana allo Sviluppo del
Ministero Affari Esteri a Yaoundé (Camerun) dal titolo “Assistenza al Centro
Internazionale Chantal Biya per la ricerca sulla Prevenzione e Presa in Carico dei
Pazienti HIV/AIDS”.
Responsabile Scientifico di un Twinning dell’Unione Europea con la Bulgaria dal
titolo “Strengthening of the Surveillance System for Communicable Diseases”.
BREVETTI
Test sierologico per SV40 (condiviso con Università di Ferrara) – anno 2007.
INCARICHI E CONSULENZE A LIVELLO NAZIONALE O INTERNAZIONALE
2005
Esperto del Ministero della Salute per la stesura del “Rapporto Globale sullo Stato di
Salute dell’Unione Europea”;
1993 ad oggi
Membro della Commissione Nazionale AIDS e Malattie Infettive Emergenti e
Riemergenti;
2003
Membro della Commissione SARS ed altre emergenze infettive del Ministero della
Salute;
2001-2004
Membro del WHO-UNAIDS HIV Vaccine Advisory Committee (VAC),
Organizzazione Mondiale della Sanità, Ginevra;
Componente del Comitato Etico dell’Istituto di Malattie Infettive “Lazzaro
Spallanzani, Roma;
1997 -2010
1987 ad oggi
Temporary Adviser, Organizzazione Mondiale della Sanità, Ginevra, Cracovia
(Polonia), Dakar (Senegal), Copenhagen, Albania, e short-term consultant dell’OMS
per un programma sul fondo esperti italiani per l’Albania;
1986 ad oggi
Esperto del Consiglio Superiore di Sanità su temi relativi ad infezione da HIV/AIDS;
Influenza AH1N1;
2009 ad oggi
Membro dell’Unità di Crisi del Ministero della Salute sul tema Influenza A H1N1.
2010
Componente del Comitato Scientifico della Fondazione Internazionale
Fatebenefratelli, Roma;
2011
Nomina Referente aree tematiche per collaborazione bilaterale Italia/Giordania
E’ stato inoltre membro della Commissione Nazionale Droga del Ministero della Sanità e membro di comitati
tecnici e di valutazione di progetti del Ministero della Salute e del Ministero Affari Sociali
APPARTENENZA A SOCIETA’ SCIENTIFICHE E ORGANIZZAZIONI NO PROFIT
E’ stato Membro della International AIDS Society, della SIMIT (Società Italiana Malattie Infettive e Tropicali)
e di altre Società Scientifiche nazionali, e fondatore del Gruppo Italiano per lo studio di AIDS e Tumori
(GICAT). Attualmente membro del Comitato Scientifico della Fondazione Ivo de Carneri.
ATTIVITA’ DI REFEREE
38
-
Editor di AIDS-A Year in Review (2000-2001);
-
Membro dell’Editorial Board di “AIDS” per due trienni consecutivi;
Ha svolto e/o svolge attività di referaggio per diverse riviste internazionali, quali: British Medical Journal,
AIDS, Journal of AIDS, Journal of Infectious Diseases, European Journal of Epidemiology, Addiction
Research, Journal of Urban Health, American Journal of Epidemiology, Lancet, Journal of Epidemiology
and Community Health, Cancer Research, Emerging Infectious Diseases, Scandinavian Journal of
Infectious Diseases, International of Infectious Diseases.
E’ stato membro del Comitato Scientifico di diverse Conferenze Internazionali;
E’ stato Membro del Comitato Scientifico della Conferenza “Origin of Emerging Persistent Infections”
organizzato dall’Accademia dei Lincei;
Ha partecipato alla revisione e selezione di progetti dell’area di “Epidemiologia” per l’Unione Europea e
di diversi istituzioni di altri paesi europei (esempio, MRC-Regno Unito, RIVM-Olanda, Catalogna) e
Università europee e americane.
-
ATTIVITÁ DIDATTICA
Incarichi accademici:
Professore a contratto presso la scuola di Specializzazione in Malattie Infettive dell’Università di Sassari;
Professore a contratto presso la Scuola di Specializzazione in Ostetricia e Ginecologia dell’Università Tor
Vergata di Roma (corso di Metodologia Clinica);
Docente presso la scuola di specializzazione in Malattie Infettive dell’Università degli Studi di Roma – “La
Sapienza”.
Altre docenze:
Membro della Faculty e docente presso la Mediterranean School of Epidemiology del CNR (Siracusa);
Ha diretto diversi corsi di formazione presso l’Istituto Superiore di Sanità, fra i quali, corsi sui: “Modelli
dell’Epidemia di Infezioni HIV e di AIDS”, sui “Metodi Epidemiologici e Statistici per lo Studio della Storia
Naturale dell’Infezione da HIV”, su “Introduzione alle Tecniche di Bioinformatica per l’Analisi
Epidemiologico-Molecolari, con particolare riferimento alla Virologia dell’HIV”.
Ha partecipato in qualità di docente a numerosi corsi sull’epidemiologia degli eventi acuti, dell’infezione da
HIV, e delle tossicodipendenze;
E’ stato docente alla “Summer School on Addiction” di Londra;
Ha tenuto seminari internazionali (Johns Hopkins, Baltimora e IARC, Lyon); sull’epidemiologia delle
infezioni da HIV;
E’ stato supervisore di studenti dell’“International Course for Primary Health care for manager at district level
in developing countries”;
E’ stato supervisore di studenti della Scuola di Specializzazione di Igiene e Medicina Preventiva
dell’Università Cattolica del Sacro Cuore di Roma e dell’Università Tor Vergata di Roma.
39
Pubblicazioni del Vicedirettore scientifico del Progetto
PUBBLICAZIONI ULTIMI 3 ANNI
 Prevalence of antibodies to phleboviruses and flaviviruses in Peja, Kosovo. Venturi G,
Marchi A, Fiorentini C, Ramadani N, Quaglio G, Kalaveshi A, Bertinato L, Putoto G,
Benedetti E, Rezza G, Ciufolini MG. Clin Microbiol Infect. 2011 Aug;17(8):1180-2. doi:
10.1111/j.1469-691.2010.03445.x. Epub 2011 Jan 28.
 Targeting candidates for directly administered highly active antiretroviral therapy: benefits
observed in HIV-infected injecting drug users in residential drug-rehabilitation facilities.
Babudieri S, Dorrucci M, Boschini A, Carbonara S, Longo B, Monarca R, Ortu F, Congedo P,
Soddu A, Maida IR, Caselli F, Madeddu G, Rezza G. AIDS Patient Care STDS. 2011
Jun;25(6):359-64.
 Immune reconstitution and risk of Kaposi sarcoma and non-Hodgkin lymphoma in HIVinfected adults. Jaffe HW, De Stavola BL, Carpenter LM, Porter K, Cox DR; CASCADE
Collaboration. AIDS. 2011 Jul 17;25(11):1395-403.
 The hepatitis C epidemic among HIV-positive MSM: incidence estimates from 1990 to 2007.
van der Helm JJ, Prins M, del Amo J, Bucher HC, Chêne G, Dorrucci M, Gill J, Hamouda O,
Sannes M, Porter K, Geskus RB; CASCADE Collaboration. AIDS. 2011 May 15;25(8):108391.
 Acute respiratory distress syndrome due to influenza virus A/H1N1v in a patient with
HIV/HCV co-infection. Madeddu G, Rezza G, Fois AG, Naitana AG, Piredda G, Pirina P,
Mura MS. Int J STD AIDS. 2011 Apr;22(4):234-5.
 Characteristics and behaviors in a sample of patients unaware of their infection until AIDS
diagnosis in Italy: a cross-sectional study. Colucci A, Balzano R, Camoni L, Regine V, Longo
B, Pezzotti P, Starace F, Cafaro L, Aloisi MS, Suligoi B, Rezza G, Girardi E. AIDS Care.
2011 Sep;23(9):1067-75. Epub 2011 Jun 1.
 Prevalence of IgM and IgG antibodies to West Nile virus among blood donors in an affected
area of north-eastern Italy, summer 2009. Pezzotti P, Piovesan C, Barzon L, Cusinato R,
Cattai M, Pacenti M, Piazza A, Franchin E, Pagni S, Bressan S, Martello T, Potenza R,
Scipioni C, Ammendola R, Breda A, Palu G, Russo F, Rezza G. Euro Surveill. 2011 Mar
10;16(10). pii: 19814.
40
 Decline of CD4⁺ T-cell count before start of therapy and immunological response to treatment
in antiretroviral-naive individuals. Mussini C, Cossarizza A, Sabin C, Babiker A, De Luca A,
Bucher HC, Fisher M, Rezza G, Porter K, Dorrucci M; CASCADE Collaboration. AIDS.
2011 May 15;25(8):1041-9.
 Reconstruction of the evolutionary dynamics of the hepatitis C virus 1b epidemic in Turkey.
Ciccozzi M, Ciccaglione AR, Presti AL, Yalcinkaya T, Taskan ZP, Equestre M, Costantino
A, Bruni R, Ebranati E, Salemi M, Gray R, Rezza G, Galli M, Zehender G. Infect Genet Evol.
2011 Jul;11(5):863-8. Epub 2011 Feb 13.
 Phylogeography and epidemiological history of West Nile virus genotype 1a in Europe and
the Mediterranean basin. Zehender G, Ebranati E, Bernini F, Lo Presti A, Rezza G, Delogu
M, Galli M, Ciccozzi M.Infect Genet Evol. 2011 Apr;11(3):646-53. Epub 2011 Feb 12.
 Long-term CD4+ T-cell count evolution after switching from regimens including HIV
nucleoside reverse transcriptase inhibitors (NRTI) plus protease inhibitors to regimens
containing NRTI plus non-NRTI or only NRTI. Torti C, d'Arminio-Monforte A, Pozniak AL,
Lapadula G, Cologni G, Antinori A, De Luca A, Mussini C, Castagna A, Cicconi P, Minoli L,
Costantini A, Carosi G, Liang H, Cesana BM; MASTER, Chelsea & Westminster, ICONA,
Modena and S. Raffaele HIV Cohorts. BMC Infect Dis. 2011 Jan 25;11:23.
 Molecular surveillance of pandemic influenza A(H1N1) viruses circulating in Italy from May
2009 to February 2010: association between haemagglutinin mutations and clinical outcome.
Puzelli S, Facchini M, De Marco MA, Palmieri A, Spagnolo D, Boros S, Corcioli F, Trotta D,
Bagnarelli P, Azzi A, Cassone A, Rezza G, Pompa MG, Oleari F, Donatelli I; Influnet
Surveillance Group for Pandemic A(H1N1) 2009 Influenza Virus in Italy. Euro Surveill. 2010
Oct 28;15(43). pii: 19696.
 Immunologic response to highly active antiretroviral therapy and mortality reduction in a
cohort of human immunodeficiency virus-positive persons in Mozambique. Palombi L,
Dorrucci M, Zimba I, Scarcella P, Mancinelli S, Buonomo E, Guidotti G, Marazzi MC, Rezza
G. Am J Trop Med Hyg. 2010 Nov;83(5):1128-32.
 May phylogenetic analysis support epidemiological investigation in identifying the source of
HIV infection? Ciccozzi M, Lo Presti A, Cenci A, Staltari O, Buttò S, Equestre M,
Ciccaglione AR, Caroleo B, Rezza G, Guadagnino V. AIDS Res Hum Retroviruses. 2011
41
May;27(5):455-7. doi: 10.1089/aid.2010.0189. Epub 2010 Oct 23.
 Excess mortality for non–AIDS-defining cancers among people with AIDS. Zucchetto A,
Suligoi B, De Paoli A, Pennazza S, Polesel J, Bruzzone S, Rezza G, De Paoli P, Dal Maso L,
Serraino D. Clin Infect Dis. 2010 Nov 1;51(9):1099-101.
 Polyomaviruses and autism: more than simple association? Arpino C, Sinibaldi Vallebona P,
Gaudi S, Rezza G. J Neurovirol. 2010 Jul;16(4):330-1; author reply 332-3.
 Improving HIV-2 detection by a combination of serological and nucleic acid amplification
test assays. Ciccaglione AR, Miceli M, Pisani G, Bruni R, Iudicone P, Costantino A, Equestre
M, Tritarelli E, Marcantonio C, Tataseo P, Marazzi MC, Ceffa S, Paturzo G, Altan AM, San
Lio MM, Mancinelli S, Ciccozzi M, Lo Presti A, Rezza G, Palombi L. J Clin Microbiol. 2010
Aug;48(8):2902-8. Epub 2010 Jun 23.
 Prolonged depletion of circulating CD4+ T lymphocytes and acute monocytosis after
pantropic canine coronavirus infection in dogs. Marinaro M, Mari V, Bellacicco AL,
Tarsitano E, Elia G, Losurdo M, Rezza G, Buonavoglia C, Decaro N. Virus Res. 2010
Sep;152(1-2):73-8. Epub 2010 Jun 15.
 Risk factors for severe complications of the novel influenza A (H1N1): analysis of patients
hospitalized in Italy. Bassetti M, Parisini A, Calzi A, Pallavicini FM, Cassola G, Artioli S,
Anselmo M, Pagano G, Rezza G, Viscoli C; Ligurian H1N1 Collaborative Group. Clin
Microbiol Infect. 2011 Feb;17(2):247-50. doi: 10.1111/j.1469-0691.2010.03275.x.
 Elevated risks of death for diabetes mellitus and cardiovascular diseases in Italian AIDS
cases. Serraino D, Bruzzone S, Zucchetto A, Suligoi B, De Paoli A, Pennazza S, Camoni L,
Dal Maso L, De Paoli P, Rezza G. AIDS Res Ther. 2010 May 24;7:11.
 First case in Italy of acquired resistance to oseltamivir in an immunocompromised patient
with influenza A/H1N1v infection. Campanini G, Piralla A, Rovida F, Puzelli S, Facchini M,
Locatelli F, Minoli L, Percivalle E, Donatelli I, Baldanti F; Surveillance Group for New
Influenza A/H1N1v Investigation in Italy. J Clin Virol. 2010 Jul;48(3):220-2. Epub 2010 May
5.
 The impact of Kaposi sarcoma and non-Hodgkin lymphoma on mortality of people with
AIDS in the highly active antiretroviral therapies era. Serraino D, De Paoli A, Zucchetto A,
Pennazza S, Bruzzone S, Spina M, De Paoli P, Rezza G, Dal Maso L, Suligoi B. Cancer
42
Epidemiol. 2010 Jun;34(3):257-61. Epub 2010 Apr 22.
 Transmission of hemagglutinin D222G mutant strain of pandemic (H1N1) 2009 virus. Puzelli
S, Facchini M, Spagnolo D, De Marco MA, Calzoletti L, Zanetti A, Fumagalli R, Tanzi ML,
Cassone A, Rezza G, Donatelli I; Surveillance Group for Pandemic A H1N1 2009 Influenza
Virus in Italy. Emerg Infect Dis. 2010 May;16(5):863-5.
 Cardiac tamponade and heart failure due to myopericarditis as a presentation of infection with
the pandemic H1N1 2009 influenza A virus. Puzelli S, Buonaguro FM, Facchini M, Palmieri
A, Calzoletti L, De Marco MA, Arace P, de Campora E, Esposito C, Cassone A, Rezza G,
Donatelli I; Surveillance Group for Pandemic H1N1 2009 Influenza Virus in Italy; Campania
H1N1 Task Force. J Clin Microbiol. 2010 Jun;48(6):2298-300. Epub 2010 Apr 14.
 Continued high prevalence of HIV, HBV and HCV among injecting and noninjecting drug
users in Italy. Camoni L, Regine V, Salfa MC, Nicoletti G, Canuzzi P, Magliocchetti N,
Rezza G, Suligoi B; SerT Study Group. Ann Ist Super Sanita. 2010;46(1):59-65.
 Chikungunya virus in North-Eastern Italy: a seroprevalence survey. Moro ML, Gagliotti C,
Silvi G, Angelini R, Sambri V, Rezza G, Massimiliani E, Mattivi A, Grilli E, Finarelli AC,
Spataro N, Pierro AM, Seyler T, Macini P; Chikungunya Study Group. Am J Trop Med Hyg.
2010 Mar;82(3):508-11.
 Pretreatment CD4 cell slope and progression to AIDS or death in HIV-infected patients
initiating antiretroviral therapy--the CASCADE collaboration: a collaboration of 23 cohort
studies. Wolbers M, Babiker A, Sabin C, Young J, Dorrucci M, Chêne G, Mussini C, Porter
K, Bucher HC; CASCADE Collaboration Members. PLoS Med. 2010 Feb 23;7(2):e1000239.
 AIDS and injecting drug use: survival determinants in the highly active antiretroviral therapy
era. Zucchetto A, Bruzzone S, De Paoli A, Regine V, Pappagallo M, Dal Maso L, Serraino D,
Rezza G, Suligoi B. Epidemiol Prev. 2009 Jul-Oct;33(4-5):184-9. Italian.
 Seasonal pattern of hospitalization from acute respiratory infections in Yaoundé, Cameroon.
Tchidjou HK, Vescio F, Boros S, Guemkam G, Minka E, Lobe M, Cappelli G, Colizzi V,
Tietche F, Rezza G. J Trop Pediatr. 2010 Oct;56(5):317-20. Epub 2010 Jan 15.
 Transmitted HIV Type 1 drug resistance and Non-B subtypes prevalence among
seroconverters and newly diagnosed patients from 1992 to 2005 in Italy. Riva C, Lai A,
Caramma I, Corvasce S, Violin M, Dehò L, Prati F, Rossi C, Colombo MC, Capetti A,
43
Franzetti M, Rossini V, Tambussi G, Ciccozzi M, Suligoi B, Mussini C, Rezza G, Balotta C.
AIDS Res Hum Retroviruses. 2010 Jan;26(1):41-9.
 Viral hepatitis, HIV, human herpes virus and Treponema pallidum infection in haemodialysis
patients from Kosovo, 2005. Quaglio GL, Pattaro C, Ramadani N, Bertinato L, Elezi Y,
Dentico P, Volpe A, Ciotti M, Rezza G, Putoto G. Euro Surveill. 2009 Dec 10;14(49). pii:
19439.
 Seroprevalence of HIV, HSV-2, and Treponema pallidum in the Kosovarian population.
Suligoi B, Quaglio G, Regine V, Ramadani N, Bertinato L, Cami A, Dentico P, Volpe A,
Figliomeni M, Camoni L, Putoto G, Rezza G. Scand J Infect Dis. 2009;41(8):608-13.
 Arboviral infections in Egyptian and Sardinian children and adults with aseptic meningitis
and meningo-encephalitis. Venturi G, El-Sawaf G, Arpino C, Madeddu G, Fiorentini C,
Benedetti E, Marchi A, Helaly G, El Ghazouly K, Ghazal A, Farchi F, Soddu A, Cacciatore
D, El Zalabani M, Mura MS, Rezza G, Ciufolini MG. Scand J Infect Dis. 2009;41(1112):898-9.
 Viral causes of influenza-like illness: Insight from a study during the winters 2004-2007.
Puzelli S, Valdarchi C, Ciotti M, Dorrucci M, Farchi F, Babakir-Mina M, Perno CF, Donatelli
I, Rezza G; Italian ARI Study Group. J Med Virol. 2009 Dec;81(12):2066-71.
 West Nile virus transmission with human cases in Italy, August - September 2009. Rizzo C,
Vescio F, Declich S, Finarelli AC, Macini P, Mattivi A, Rossini G, Piovesan C, Barzon L,
Palù G, Gobbi F, Macchi L, Pavan A, Magurano F, Ciufolini MG, Nicoletti L, Salmaso S,
Rezza G. Euro Surveill. 2009 Oct 8;14(40). pii: 19353. Erratum in: Euro Surveill.
2009;14(41). pii: 19357.
 Few Italian drug users undergo HIV testing. Camoni L, Federico B, Capelli G, Regine V,
Salfa MC, Nicoletti G, Canuzzi P, Magliocchetti N, Rezza G, Suligoi B; SERT Study Group.
AIDS Behav. 2011 May;15(4):711-7.
 Swine-origin influenza virus A(H1N1)v: lessons learnt from the early phase of the epidemic.
Rezza G. Eur J Public Health. 2009 Dec;19(6):572-3. Epub 2009 Sep 30.
 TP53 codon 72 polymorphism and cervical cancer: a pooled analysis of individual data from
49 studies. Klug SJ, Ressing M, Koenig J, Abba MC, Agorastos T, Brenna SM, Ciotti M, Das
BR, Del Mistro A, Dybikowska A, Giuliano AR, Gudleviciene Z, Gyllensten U, Haws AL,
44
Helland A, Herrington CS, Hildesheim A, Humbey O, Jee SH, Kim JW, Madeleine MM,
Menczer J, Ngan HY, Nishikawa A, Niwa Y, Pegoraro R, Pillai MR, Ranzani G, Rezza G,
Rosenthal AN, Roychoudhury S, Saranath D, Schmitt VM, Sengupta S, Settheetham-Ishida
W, Shirasawa H, Snijders PJ, Stoler MH, Suárez-Rincón AE, Szarka K, Tachezy R, Ueda M,
van der Zee AG, von Knebel Doeberitz M, Wu MT, Yamashita T, Zehbe I, Blettner M.
Lancet Oncol. 2009 Aug;10(8):772-84. Epub 2009 Jul 20.
 Trends in the European HIV/AIDS epidemic: a perspective from Italy. Madeddu G, Rezza G,
Mura MS. Expert Rev Anti Infect Ther. 2009 Feb;7(1):25-36.
 An outbreak of Q fever in Bulgaria. Panaiotov S, Ciccozzi M, Brankova N, Levterova V,
Mitova-Tiholova M, Amicosante M, Rezza G, Kantardjiev T. Ann Ist Super Sanita.
2009;45(1):83-6.
 Virological surveillance of human cases of influenza A(H1N1)v virus in Italy: preliminary
results. Surveillance Group for New Influenza A(H1N1) Virus Investigation in Italy. Euro
Surveill. 2009 Jun 18;14(24). pii: 19247.
 Crimean-Congo hemorrhagic fever, southwestern Bulgaria. Christova I, Di Caro A, Papa A,
Castilletti C, Andonova L, Kalvatchev N, Papadimitriou E, Carletti F, Mohareb E,
Capobianchi MR, Ippolito G, Rezza G. Emerg Infect Dis. 2009 Jun;15(6):983-5.
 Attitudes and practices of dentists treating patients infected with human immunodeficiency
virus in the era of highly active antiretroviral therapy. Giuliani M, Lajolo C, Sartorio A,
Lacaita MG, Capodiferro S, Cauda R, Rezza G, Tumbarello M. Med Sci Monit. 2009
Jun;15(6):PH49-56.
 Bayesian skyline plot inference of the Toscana virus epidemic: a decline in the effective
number of infections over the last 30 years. Zehender G, Bernini F, Delogu M, Cusi MG,
Rezza G, Galli M, Ciccozzi M. Infect Genet Evol. 2009 Jul;9(4):562-6. Epub 2009 Feb 27.
 Survival after AIDS diagnosis in Italy, 1999-2006: a population-based study. Serraino D,
Zucchetto A, Suligoi B, Bruzzone S, Camoni L, Boros S, De Paoli A, Dal Maso L, Franceschi
S, Rezza G. J Acquir Immune Defic Syndr. 2009 Sep 1;52(1):99-105.
 Prevalence and correlates of infection with human immunodeficiency virus, hepatitis B virus,
and hepatitis C virus among drug users in Italy: a cross-sectional study. Camoni L, Regine V,
Salfa MC, Nicoletti G, Canuzzi P, Magliocchetti N, Rezza G, Suligoi B; Sert Study Group.
45
Scand J Infect Dis. 2009;41(6-7):520-3.
 Variable impact on mortality of AIDS-defining events diagnosed during combination
antiretroviral therapy: not all AIDS-defining conditions are created equal. Antiretroviral
Therapy Cohort Collaboration (ART-CC), Mocroft A, Sterne JA, Egger M, May M, Grabar S,
Furrer H, Sabin C, Fatkenheuer G, Justice A, Reiss P, d'Arminio Monforte A, Gill J, Hogg R,
Bonnet F, Kitahata M, Staszewski S, Casabona J, Harris R, Saag M. Clin Infect Dis. 2009 Apr
15;48(8):1138-51.
 Chikungunya and the nervous system: what we do and do not know. Arpino C, Curatolo P,
Rezza G. Rev Med Virol. 2009 May;19(3):121-9.
 Reemergence of human and animal brucellosis, bulgaria. Russo G, Pasquali P, Nenova R,
Alexandrov T, Ralchev S, Vullo V, Rezza G, Kantardjiev T. Emerg Infect Dis. 2009
Feb;15(2):314-6.
 Chikungunya and West Nile virus outbreaks: what is happening in north-eastern Italy? Rezza
G. Eur J Public Health. 2009 Jun;19(3):236-7. Epub 2009 Jan 21.
 Phylogenetic reconstruction of transmission events from individuals with acute HIV infection:
toward more-rigorous epidemiological definitions. Brown AE, Gifford RJ, Clewley JP,
Kucherer C, Masquelier B, Porter K, Balotta C, Back NK, Jorgensen LB, de Mendoza C,
Bhaskaran K, Gill ON, Johnson AM, Pillay D; Concerted Action on Seroconversion to AIDS
and Death in Europe (CASCADE) Collaboration.J Infect Dis. 2009 Feb 1;199(3):427-31.
 Cancer cohort consortium approach: cancer epidemiology in immunosuppressed groups.
Serraino D, Piselli P; Immunosuppression and Cancer Study Group. Methods Mol Biol.
2009;471:409-19.

Non-B HIV type 1 subtypes among men who have sex with men in Rome, Italy. Giuliani M,
Montieri S, Palamara G, Latini A, Alteri C, Perno CF, Santoro MM, Rezza G, Ciccozzi M.
AIDS Res Hum Retroviruses. 2009 Feb;25(2):157-64.
46
Unità di Ricerca n. 1.1 ITB (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome ZECCA
Nome
LUIGI
17/06/1949
Data di Nascita
Sesso
M
Codice Fiscale
ZCCLGU49H17D490V Luogo di Nascita
FARA
GERA D’
telefono
02 26422700
Provincia
BERGAMO
Nazione
ITALIA
e-mail
[email protected]
Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Dipartimento
Istituto
Divisione
Settore
ITB
Soggetto Istituzionale di afferenza dell'Unità di Ricerca
Denominazione
Consiglio Nazionale delle Ricerche - Istituto Tecnologie Biomediche (ITB)
Natura giuridica
Ente di Ricerca
Domicilio fiscale
CNR-ITB ViaFratelli Cervi, 93
CAP
20090
Città
Segrate
Provincia
MILANO
Telefono
02 26422700
Fax
02 26422770
E-MAIL
[email protected]
Codice fiscale
80054330586 P.IVA
Codice anagrafe ricerche
F129003U
02118311006
Legale rappresentante Istituzionale dell'Unità di Ricerca
Cognome
ZECCA
Nome
LUIGI
Sesso
M
Codice Fiscale
ZCCLGU49H17D490V Luogo di Nascita
(città italiana o stato estero)
FARA
GERA
D'ADDA
Provincia
BERGAMO
ITALIA
Data di Nascita
Nazione
17/06/1949
47
Curriculum del Responsabile Scientifico dell'Unità di Ricerca
LUIGI ZECCA
1974: Laurea in Chimica (Università di Milano).
1995: Laurea in Medicina e Chirurgia (Università di Milano).
1984-2000: Ricercatore presso l’Istituto di Tecnologie Biomediche Avanzate – Consiglio Nazionale delle
Ricerche (ITBA–CNR), Milano.
1984-1985 (1 anno): Studi su radiofarmaci per PET a Brookhaven National Lab. (Upton, NY, USA).
1986 (6 mesi): Studi sul sistema dopaminergico con radiofarmaci presso la Cyclotron Unit (MRC),
Hammersmith Hospital, London, UK.
Dal 1988: Responsabile del Laboratorio di Neurochimica dell’Istituto di Tecnologie Biomediche (ITB)–CNR.
1992-1994 (2 anni): Visiting scientist presso la Dartmouth Medical School, Hanover, NH, USA.
1997-1998 (1 anno): Visiting scientist presso la Columbia University, New York, NY, USA.
1999-2002 (3 anni): Visiting scientist presso l’Università di Wuerzburg, Germania.
Dal 2001: Dirigente di Ricerca CNR.
Dal 2008 ad oggi: Direttore dell’ITB–CNR.
Il Dr. Luigi Zecca è considerato come uno dei principali studiosi a livello mondiale della neuromelanina. Negli
ultimi anni ha fornito i contributi più importanti per la comprensione della struttura della neuromelanina, della
sua sintesi, della sua interazione con i metalli e con altre specie molecolari. Inoltre ha chiarito il ruolo
chiave della neuromelanina nell’attivazione microgliale che si verifica durante il morbo di Parkinson.
Ha avuto numerosi incarichi di coordinamento di progetti di ricerca in ambito nazionale ed internazionale. In
particolare è stato:
- responsabile del progetto finanziato dal comitato Telethon dal titolo “The role of neuromelanin in aging and
in Parkinson’s disease” (1999-2001);
- responsabile del progetto finanziato dalla Parkinson Disease Foundation (New York, NY, USA) dal titolo
“Iron, neuromelanin and ferritin in human locus coeruleus during aging” (2000-2001)
- responsabile del progetto congiunto finanziato dalla Parkinson Disease Foundation (New York, NY, USA) e
dalla National Parkinson Foundation (Miami, FL, USA) dal titolo “The role of neuromelanin in glial activation
and neuronal damage in Parkinson’s Disease” (2003-2004);
- responsabile del progetto finanziato dalla Michael J. Fox Foundation (New York, NY, USA) dal titolo
“Activation of neuroinflammatory glial response by neuromelanin, its role in neurodegeneration, and
therapeutic strategies for Parkinson’s Disease” (2003-2005).
E’ stato Responsabile del Reparto Genoma Umano e Malattie Multifattoriali dell’Istituto di tecnologie
Biomediche Avanzate (ITBA)-CNR dal 1997 al 1999. Dal 2003 è responsabile della linea di Ricerca “Aging e
Neurodegenerazione” presso l’ITB-CNR.
Dal 1993 al 2002 è stato membro del Consiglio Scientifico dell’ITBA-CNR. Dal 2003 al 2008 è stato membro
48
del Comitato dell’ITB-CNR. Inoltre dal 2006 è membro del Consiglio Scientifico del Dipartimento di
Progettazione Molecolare – CNR. Dal 2007 è rappresentante del CNR presso l’International Brain Research
Organization.
Ha svolto e continua a svolgere attività come referee per prestigiose riviste nel campo delle neuroscienze.
Ha tenuto comunicazioni plenarie come relatore invitato in congressi internazionali nel campo delle
neuroscienze.
Ha pubblicato oltre 120 lavori su riviste internazionali.
Pubblicazioni selezionale del Responsabile Scientifico dell'Unità di Ricerca

Bush WD, Garguilo J, Zucca FA, Albertini A, Zecca L, Edwards GS, Nemanich RJ, Simon JD. The
surface oxidation potential of human neuromelanin reveals a spherical architecture with a
pheomelanin core and a eumelanin surface. Proc Natl Acad Sci U S A. 2006;103(40):14785-14789.

Block ML, Zecca L, Hong JS. Microglia-mediated neurotoxicity: uncovering the molecular
mechanisms. Nat Rev Neurosci. 2007;8(1):57-69.

Ward WC, Guan Z, Zucca FA, Fariello RG, Kordestani R, Zecca L, Raetz CR, Simon JD.
Identification and quantification of dolichol and dolichoic acid in neuromelanin from substantia nigra
of the human brain. J Lipid Res. 2007;48(7):1457-1462.

Wilms H, Zecca L, Rosenstiel P, Sievers J, Deuschl G, Lucius R. Inflammation in Parkinson's diseases
and other neurodegenerative diseases: cause and therapeutic implications. Curr Pharm Des.
2007;13(18):1925-1928.

Zecca L, Wilms H, Geick S, Claasen JH, Brandenburg LO, Holzknecht C, Panizza ML, Zucca FA,
Deuschl G, Sievers J, Lucius R. Human neuromelanin induces neuroinflammation and
neurodegeneration in the rat substantia nigra: implications for Parkinson's disease. Acta Neuropathol.
2008;116(1):47-55.

Sulzer D, Mosharov E, Talloczy Z, Zucca FA, Simon JD, Zecca L. Neuronal pigmented autophagic
vacuoles: lipofuscin, neuromelanin, and ceroid as macroautophagic responses during aging and
disease. J Neurochem. 2008;106(1):24-36.

Zecca L, Casella L, Albertini A, Bellei C, Zucca FA, Engelen M, Zadlo A, Szewczyk G, Zareba M,
Sarna T. Neuromelanin can protect against iron-mediated oxidative damage in system modeling iron
overload of brain aging and Parkinson's disease. J Neurochem. 2008;106(4):1866-75.

Zecca L, Bellei C, Costi P, Albertini A, Monzani E, Casella L, Gallorini M, Bergamaschi L,
Moscatelli A, Turro NJ, Eisner M, Crippa PR, Ito S, Wakamatsu K Bush WD, Ward WC, Simon JD,
Zucca FA. New melanic pigments in the human brain that accumulate in aging and block
environmental toxic metals. Proc Natl Acad Sci U S A. 008;105(45):17567-72.
49

Bush WD, Garguilo J, Zucca FA, Bellei C, Nemanich RJ, Edwards GS, Zecca L, Simon JD.
Neuromelanins isolated from different regions of the human brain exhibit a common surface
photoionization threshold. Photochem Photobiol. 2009;85(1):387-90.

Ward WC, Zucca FA, Bellei C, Zecca L, Simon JD. Neuromelanins in various regions of human brain
are associated with native and oxidized isoprenoid lipids. Arch Biochem Biophys. 2009;484(1):94-99.

Zhang W, Phillips K, Wielgus AR, Liu J, Albertini A, Zucca FA, Faust R, Qian SY, Miller DS,
Chignell CF, Wilson B, Jackson-Lewis V, Przedborski S, Joset D,Loike J, Hong JS, Sulzer D, Zecca
L. Neuromelanin activates microglia and induces degeneration of dopaminergic neurons: implications
for progression of Parkinson's disease. Neurotox Res. 2011;19(1):63-72. Epub 2009 Dec 3.

Tousi NS, Buck DJ, Zecca L, Davis RL. Neuromelanin inhibits CXCL10 expression in human
astroglial cells. Neurosci Lett. 2010;486(1):47-50.

Luo L, Rodriguez E, Jerbi K, Lachaux JP, Martinerie J, Corbetta M, Shulman GL, Piomelli D,
Turrigiano GG, Nelson SB, Joëls M, de Kloet ER, Holsboer F, Amodio DM, Frith CD, Block ML,
Zecca L, Hong JS, Dantzer R, Kelley KW, Craig AD. Ten years of Nature Reviews Neuroscience:
insights from the highly cited. Nat Rev Neurosci. 2010;11(10):718-26.
Breve descrizione delle Unità di Ricerca
Consiglio Nazionale delle Ricerche – CNR-ITB
Nell’ambito del Progetto Bandiera InterOmics il CNR-ITB svolgerà un ruolo di coordinamento mediante il
coinvolgimento dei ricercatori già attivi nell’ambito del progetto interdipartimentale di Bioinformatica
(http://www.cnr-bioinformatics.it) al fine di sviluppare soluzioni innovative di nuove metodologie in ambito
biomedico per l’analisi Bioinformatica in settori industriali e di ricerca. In questo ambito il CNR, ha una
sviluppato una vasta esperienza nello sviluppo di programmi e banche dati in supporto alle ricerca nella
sanità pubblica, nelle Università, negli Enti Pubblici di Ricerca e nelle industrie per lo sviluppo di nuove
strategie d’analisi dei dati genetici in ambito biomedico, biotecnologico ed agroalimentare. In questo settore
il CNR ha contribuito alla costituzione di una Roadmap per la Bioinformatica italiana nell’ambito delle
iniziative delle infrastrutture europee ESFRI in particolare per porre le base per una azione coordinata fra le
realtà di
ricerca italiana e i progetti per la costituzione di infrastrutture europee: ELIXIR per la
Bioinformatica, BBMRI per le Biobanche, IGI per le applicazioni basate su GRID computing. Il CNR ha
contribuito alla creazione e alla partecipazione per la costituzione di un Segretariato Internazionale di
Neuroinformatica (INCF, http://www.incf.org/) in cui il CNR-ITB svolge il ruolo di nodo nazionale per le
ricerche sul Sistema Nervoso Centrale sia dal punto di vista genetico che modellistico. Il CNR è attivo anche
in progetti di ricerca congiunti con centri e/o istituti di eccellenza di altri Paesi (CANADA, USA, UK, India).
Di particolare importanza l’iniziativa Italia-Canada per la ricerca di malattie genetiche del cervello partendo
50
dallo studio delle popolazioni isolate del CILENTO in collaborazione con l’Istituto di Genetica e Biofisica
del CNR di Napoli e il BRAIN Institute Montreal Canada.Inoltre il CNR ha coordinato la realizzazione si
Summer School Internazionali applicati allo sviluppo di metodologie Bioinformatiche basate sul GRID
computing (BioMedGrid :2007, 2008, 2009 http://www.biomedgrid.it/) disponibili alla intera comunità
scientifica nazionale ed internazionale.A livello internazionale il CNR ha coordinato il progetto Europeo
BioInfoGRID (http://www.bioinfogrid.eu/ ) e ha svolto il ruolo di partner in diversi progetti Europei
(NET2DRUG, EGEE-II,EGEE-III, EDGE,INTAS, NATO, BBMRI).
51
Unità di Ricerca n. 1.2 ISA (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome
FACCHIANO
Nome
ANGELO
Data di
Nascita
28-6-1966
Sesso
M
Codice
Fiscale
FCCNGL66H28F839K
Luogo di
Nascita
Napoli
telefono
0825 299625
Provincia
(NA)
Nazione
Italia
Istituto
Istituto di Scienza
dell’Alimentazione
333 7148661
e-mail
[email protected] Istituzione di
CNR
.it
appartenenza
(art.5, c.1, DM
citato)
Breve CV scientifico dei partecipanti dell’Istituto CNR
Angelo Facchiano
Nato a Napoli nel 1966, si è laureato in Chimica (Univ. “Federico II” di Napoli) nel 1991; ha conseguito la
specializzazione in Applicazioni Biotecnologiche ((Univ. “Federico II” di Napoli) nel 1994 e il dottorato in
Biochimica Cellulare (Seconda Università di Napoli) nel 1999. E’ ricercatore (III livello) a tempo
indeterminato nel CNR presso l’Istituto di Scienze dell’Alimentazione dal 2000. Responsabile di Unità
Operative per diversi progetti di ricerca nazionali e internazionali. Responsabile di Commessa nell’ambito
del Progetto Interdipartimentale CNR-Bioinformatica. E’ autore di circa 100 pubblicazioni su riviste ISI
riguardanti discipline biochimiche e biomediche, in particolare struttura-funzione di proteine, sviluppo di
metodi bioinformatici, analisi ed interpretazione di dati da approcci “omici”.Ha svolto negli anni attività
didattica presso diversi atenei per le tematiche di competenza (Chimica, Biochimica, Biologia molecolare,
Bioinformatica).
Antonio d’Acierno
Nato a Monteforte Irpino (AV) il 1° Gennaio 1963, si è laureato in Ingegneria Elettronica con Lode il 2852
10-1988 presso Università degli Studi di Napoli “Federico II”. Dal 10/94 al 2/98 è stato ricercatore con
contratto a tempo determinato presso l’ IRSIP-CNR. Dal 2/98 al 8/99 è stato ricercatore con contratto a
tempo indeterminato presso l’ IRSIP-CNR. A partire dal 1/9/99 è assegnato, su sua richiesta e fino al
31/12/2000, all’ ISA-CNR.
In seguito alla soppressione dell’ IRSIP-CNR, e su sua richiesta, è stato
trasferito a tempo indeterminato presso l’ ISA-CNR a partire dal 1/1/2001. Vanta esperienza documentabile
attraverso pubblicazioni e partecipazioni a progetti nei seguenti settori: calcolo parallelo e ad alte
prestazioni, intelligenza artificiale, analisi e gestione dati, strumenti semantici, recommender systems,
summarization systems. Docente a contratto di Basi Dati presso l'Università degli Studi di Napoli "Federico
II" e presso l'Università degli Studi di Salerno.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni (2007-2011)
 Salzano M, Marabotti A, Milanesi L, Facchiano A. (2011) Human aryl-hydrocarbon
receptor and its interaction with dioxin and physiological ligands investigated by molecular
modelling and docking simulations. Biochem Biophys Res Commun. 2011, 413, 176-181.
PMID: 21871440
 Mangerini R, Romano P, Facchiano A, Damonte G, Muselli M, Rocco M, Boccardo F,
Profumo A. (2011) The application of atmospheric pressure matrix-assisted laser
desorption/ionization to the analysis of long-term cryopreserved serum peptidome. Anal
Biochem. 2011, 417, 174-81.
 Tarallo R, Bamundo A, Nassa G, Nola E, Paris O, Ambrosino C, Facchiano A, Baumann
M, Nyman TA, Weisz A. (2011) Identification of proteins associated with ligand-activated
estrogen receptor in human breast cancer cell nuclei by tandem affinity purification and
nano LC-MS/MS. Proteomics 2011, 11, 172-179.
 Costantini S, Facchiano A, Randelli E, Casani D, Scapigliati G, Buonocore F. (2010) 3D
modelling of three pro-inflammatory molecules in selected fish species. Curr. Pharm. Des.
2010, 16, 4203-4212.
 Marabotti A, Facchiano A. (2010) Critical assessment of side chain conformation
prediction in modelling of single point amino acid mutation. Adv Exp Med Biol. 2010,680,
283-289.
 Marabotti A, Facchiano A. (2010) The misuse of terms in scientific literature.
53
Bioinformatics, 2010, 26, 2498.
 Paladino A, Colonna G, Facchiano A, Costantini S. (2010) Functional hypothesis on
miraculin' sweetness by a molecular dynamics approach. Biochem Biophys Res Commun.
2010, 396, 726-730.
 Buonocore F, Randelli E, Facchiano A, Pallavicini A, Modonut M, Scapigliati G. (2010)
Molecular and structural characterisation of a macrophage migration inhibitory factor from
sea bass (Dicentrarchus labrax L.). Vet Immunol Immunopathol. 2010, 136, 297-304.
 D'Imperio M, Corte AD, Facchiano A, Di Michele M, Ferrandina G, Donati MB, Rotilio D.
(2010)
 Standardized sample preparation phases for a quantitative measurement of plasma
peptidome profiling by MALDI-TOF. J Proteomics 2010, 73, 1355-1367.
 Facchiano F, Deloye F, Doussau F, Innamorati G, Ashton AC, Dolly JO, Beninati S,
Facchiano A, Luini A, Poulain B, Benfenati F. (2010) Transglutaminase participates in the
blockade of neurotransmitter release by tetanus toxin: evidence for a novel biological
function. Amino Acids 2010, 39, 257-269.
 Facchiano A, Marabotti A. (2010) Analysis of galactosemia-linked mutations of GALT
enzyme using a computational biology approach. Proteins Eng Des Sel. 2010, 23, 103-113.
Epub 2009 Dec 11.
 Ceccarelli M, d'Acierno A, Facchiano A. (2009) A scale space approach for unsupervised
feature selection in mass spectra classification for ovarian cancer detection. BMC
Bioinformatics 2009 Oct 15;10 Suppl 12:S9.
 Ceccarelli M, d'Acierno A, Facchiano A (2009) A machine learning approach to mass
spectra classification with unsupervised feature selection. In: "Computational Intelligence
Methods for Bioinformatics and Biostatistics." F Masulli, R Tagliaferri and GM Verkhiver
(Eds.) CINN 2008, LNBI 5488, pp.242-252, 2009. Springer-Verlag Berlin Heidelberg
2009.
 Faraone D, Aguzzi MS, Toietta G, Facchiano AM, Facchiano F, Magenta A, Martelli F,
Truffa S, Cesareo E, Ribatti D, Capogrossi MC, Facchiano A. (2009) Platelet-derived
growth factor-receptor alpha strongly inhibits melanoma growth in vitro and in vivo.
Neoplasia 2009, 11, 732-742.
 d'Acierno A, Facchiano A, Marabotti A. (2009) GALT Protein Database, a bioinformatics
resource for the management and analysis of structural features of a galactosemia-related
54
protein and its mutants. Genomics Proteomics Bioinformatics 2009, 7, 71-76.
 Costantini S, Facchiano AM. (2009) Human Prion Protein Helices: Studying their Stability
by Molecular Dynamics Simulations. Protein Pept Lett. 2009, 16, 1057-1062.
 Bruni N, Di Maro A, Costantini S, Chambery A, Facchiano AM, Ficca AG, Parente A,
Poerio E. (2009) Redesigning the reactive site loop of the Wheat Subtilisin/Chymotrypsin
Inhibitor (WSCI) by site-directed mutagenesis: a protein-protein interaction study by
affinity chromatography and molecular modeling. Biochimie 2009, 91, 1112-1122.
 Camarca A, Anderson RP, Mamone G, Fierro O, Facchiano A, Costantini S, Zanzi D,
Sidney J, Auricchio S, Sette A, Troncone R, Gianfrani C. (2009) Intestinal T cell responses
to gluten peptides are largely heterogeneous: implications for a peptide-based therapy in
celiac disease. J Immunol. 2009, 182, 4158-4166.
 Marabotti A, Facchiano A,(2009) When it comes to homology, bad habits die hard. Trends
Biochem Sci. 2009, 34, 98-99.
 Casani D, Randelli E, Costantini S, Facchiano AM, Zou J, Martin S, Secombes CJ,
Scapigliati G, Buonocore F.(2009) Molecular characterisation and structural analysis of an
interferon homologue in sea bass (Dicentrarchus labrax L.). Mol Immunol 2009, 46, 943952.
 Costantini S, Facchiano AM. (2009) Prediction of the protein structural class by specific
peptide frequencies. Biochimie 2009, 91, 226-229.
 Porcelli M, Peluso I, Marabotti A, Facchiano A, Cacciapuoti G. (2009) Biochemical
characterization and homology modeling of a purine-specific ribonucleoside hydrolase
from the archaeon Sulfolobus solfataricus: Insights into mechanisms of protein
stabilization. Arch Biochem Biophys. 2009, 483, 55-65.
 Facchiano A, Facchiano F. (2009) Transglutaminases and their substrates in biology and
human diseases: 50 years of growing. Amino Acids 2009, 36, 599-614.
 Lepretti M, Costantini S, Ammirato G, Giuberti G, Caraglia M, Facchiano AM, Metafora S,
Stiuso P. (2008) The N-terminal 1-16 peptide derived in vivo from protein seminal vesicle
protein IV modulates alpha-thrombin activity: potential clinical implications. Exp Mol
Med. 2008, 40, 541-549.
 Costantini S, Buonocore F, Facchiano AM. (2008) Molecular modelling of co-receptor
CD8alphaalpha and its complex with MHC class I and T-cell receptor in sea bream (Sparus
aurata). Fish Shellfish Immunol. 2008, 25, 782-790.
55
 Mucherino A, Costantini S, di Serafino D, D'Apuzzo M, Facchiano A, Colonna G. (2008)
Understanding the role of the topology in protein folding by computational inverse folding
experiments. Comput Biol Chem. 2008, 32, 233-239.
 Mutarelli M, Cicatiello L, Ferraro L, Grober OM, Ravo M, Facchiano AM, Angelini C,
Weisz A. (2008) Time-course analysis of genome-wide gene expression data from
hormone-responsive human breast cancer cells. BMC Bioinformatics, 2008, 9,
Suppl.2:S12.
 Buonocore F, Randelli E, Casani D, Guerra L, Picchietti S, Costantini S, Facchiano AM,
Zou J, Secombes CJ, Scapigliati G. (2008) A CD4 homologue in sea bass (Dicentrarchus
labrax): Molecular characterization and structural analysis. Mol Immunol. 2008, 45, 31683177.
 Marabotti A, Spyrakis F, Facchiano A, Cozzini P, Alberti S, Kellogg GE, Mozzarelli A.
(2008) Energy-based prediction of amino acid-nucleotide base recognition. J Comput
Chem. 2008, 29, 1955-1969.
 Porcelli M, Concilio L, Peluso I, Marabotti A, Facchiano A, Cacciapuoti G. (2008)
Pyrimidine-specific ribonucleoside hydrolase from the archaeon Sulfolobus solfataricusbiochemical characterization and homology modeling. FEBS J. 2008, 275, 1900-1914.
 Costantini S, Colonna G, Facchiano AM.(2008) FASMA: A Service to Format and Analyze
Sequences in Multiple Alignments. Genomics Proteomics Bioinformatics. 2007, 5, 253255.
 Paladino A, Costantini S, Colonna G, Facchiano AM.(2008) Molecular modelling of
miraculin: Structural analyses and functional hypotheses. Biochem Biophys Res Commun.
2008, 367, 26-32.
 de Maria S, Metafora V, Metafora S, Ravagnan G, Carteni M, Pontoni G, Facchiano A,
Lepretti M, Severino B, Caliendo G, Santagada V, Langer I, Robberecht P. (2008) Effect of
positive charge in VIP (16)gamma-glutamyl diamino derivatives on hVPAC1 and hVPAC2
receptor function. J Pept Sci., 2008, 14, 102-109.
 Randelli E, Scala V, Casani D, Costantini S, Facchiano A, Mazzini M, Scapigliati G,
Buonocore F. (2008) T cell receptor beta chain from sea bream (Sparus aurata): Molecular
cloning, expression and modelling of the complexes with MHC class I. Mol Immunol.
2008, 45, 2017-2027.
 Costantini S, Colonna G, Facchiano A. (2007) PreSSAPro: a software for the prediction of
56
secondary structure by amino acid properties. Comput Biol Chem., 2007, 31, 389-392.
 Gianfrani C, Siciliano R, Facchiano AM, Camarca A, Mazzeo FM, Costantini S, Savati
VM, Maurano F, Mazzarella G, Iaquinto G, Bergamo P, Rossi M. (2007) Transamidation
of wheat flour inhibitsthe response to gliadin of intestinal T cells in celiac disease.
Gastroenterology 2007, 133, 780-789.
 Costantini S, Colonna G, Facchiano AM (2007) Simulation of conformational changes
occurring when a protein interacts with its receptor. Comput Biol Chem. 2007, 31, 196206.
 Buonocore F, Randelli E, Casani D, Costantini S, Facchiano A, Scapigliati G, Stet RJ.
(2007) Molecular cloning, differential expression and 3D structural analysis of the MHC
class-II beta chain from sea bass (Dicentrarchus labrax L.). Fish Shelfish Immunol. 2007,
23, 853-866.
 Costantini S, Facchiano AM, Colonna G. (2007) Evaluation of the structural quality of
modeled proteins by using globularity criteria. BMC Struct Biol. 2007, 7:9.
 Ronga L, Palladino P, Costantini S, Facchiano A, Ruvo M, Benedetti E, Ragone R, Rossi F
(2007) Conformational diseases and structure-toxicity relationships: lessons from prionderived peptides. Current Protein and Peptide Science, 8, 83-90.
 Marabotti A, Colonna G, Facchiano A (2007) A new computational strategy to analyze the
interactions of ERalpha and ERbeta with different ERE sequences. Journal of
Computational Chemistry, 28, 1031-1041.
 M. Albanese, A. d'Acierno, V. Moscato, F. Persia, A. Picariello, "A novel strategy for
recommending multimedia objects and its application in the Cultural Heritage domain"
International Journal of Multimedia Data Engineering and Management, 2(4), 1-18, 2011.
 M. Albanese, A. Chianese, A. d’Acierno, V. Moscato, A. Picariello, “A multimedia
recommender integrating object features and user behavior”, Multimedia Tools and
Applications, January 2010.
 A d'Acierno, A. Saggese, M. Vento, "A Redundant Bi-Dimensional Indexing Scheme for
Three-Dimensional Trajectories", The First International Conference on Advances in
Information Mining and Management (IMMM 2011),October 23-28, 2011, Barcelona,
Spain.
 M. Albanese, A. d'Acierno, V. Moscato, F. Persia, A. Picariello, "A Multimedia Semantic
Recommender System for Cultural Heritage Applications", 5th IEEE International
57
Conference on Semantic Computing (ICSC2011), September 18-21, 2011, Stanford
University, Palo Alto, CA, USA.
 d’Acierno, V. Moscato, F.Persia, A. Penta, A. Picariello, “Semantic Summarization of
WEB Documents”, 4th International Conference on Semantic Computing (ICSC2010),
September 22-24, 2010, Carnegie Mellon University, Pittsburgh, PA, USA
 M. Albanese, A. d’Acierno, V. Moscato, F. Persia, A. Picariello, “Modeling
Recommendation as a Social Choice Problem”, 4th ACM Conference on Recommender
Systems (REecSys 2010), 26-30 Sepetember 2010, Barcelona (Spain).
 M. Albanese, A. d’Acierno, V. Moscato, F. Persia, A. Picariello, “A Ranking Method for
Multimedia Recommenders”, ACM International Conference on Image and Video
Retrieval (CIVR 2010), 5-7 July 2010, Xi’an (China).
 M. Albanese, A. d’Acierno, V. Moscato, A. Picariello, “Capturing User Behavior in
Multimedia Recommenders”, 8th International Workshop on Content-Based Multimedia
Indexing (CBMI 2010), 23-25 June 2010, Grenoble (France).
 d'Acierno, V. Moscato, A. Picariello, “Building summaries from web information sources”,
10th International Workshop on Image Analysis for Multimedia Interactive Services
(WIAMIS’09), London, UK, 6-8 May, 2009.
 M. Albanese, A. Chianese, A. d’Acierno, V. Moscato, A. Picariello, “A recommendation
system for browsing digital libraries”, 24th Annual ACM Symposium on Applied
Computing (ACM SAC09), Hawaii, USA, March 8 - 12, 2009.
 Chianese, A. d’Acierno, V. Moscato, A. Picariello, "Pre-serialization of long running
transactions to improve concurrency in mobile environments", International Workshop on
Data and Services Management, April 7th, 2008, Cancun, Mexico.

A.d’Acierno, G. De Pietro, M. Esposito, “Data Driven generation of Fuzzy Systems: An
Application to Breast Cancer Detection”, Computational Intelligence Methods for
Bioinformatics and Biostatistics, LNBI 6685, R. Rizzo and Paulo J.G. Lisboa eds, 2011.
Progetti più significativi
Elenco delle progetti finanziati negli ultimi 5 anni

Progetto Italia –USA “Oncoproteomica” – Unità Operativa “Bioinformatica per la
Proteomica”, responsabile: A. Facchiano. Periodo di attività: 2006-2008.
58

Progetto Italia –USA “Farmacogenomica Oncologica” – Unità Operativa “Bioinformatics
to help Proteomics, an Italy-US platform”, responsabile: A.Facchiano. Periodo di
finanziamento: 2009-2012. Responsabile: A.Facchiano

Progetto "Integrazione delle attività di ricerca attraverso la costruzione di strutture e reti di
collaborazione interistituzionale", finanziato dal Ministero della Salute e dall'Istituto
Superiore di Sanità per "Alleanza Contro il Cancro" - Unità Operativa nell'ambito della
Rete Nazionale di Bioinformatica Oncologica, responsabile: A.Facchiano. Periodo di
attività: 2007-2011.

Progetto MIUR (azione MERIT) “Sviluppo di metodologie per l’estrazione e l’integrazione
delle informazioni diagnostiche finalizzate a definire percorsi clinico - terapeutici
personalizzati in patologie ad elevato impatto sociale”.

Progetto Regionale MIPHA: A middleware pervasive for healthcare care applications.

Progetto PRIN 07 “COOPERARE: Un sistema per la gestione di contenuti multimediali e
spaziali”.

Progetto Interdipartimentale CNR: Bioinformatica.
59
Unità di Ricerca n. 1.3 IASI (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Bertolazzi
Sesso
F
Nome
Paola
Codice Fiscale
Data di Nascita
24/5/1949
Luogo di Nascita
Roma
Nazione
ITALIA
Istituto
IASI:
Istituto di
Analisi dei
Sistemi e
Informatica
“A.
Ruberti”
BRTPLA49E64
H501I
telefono
067716444
e-mail
[email protected] Istituzione di
CNR
r.it
appartenenza)
(art.5, c.1, DM
citato)
Provincia
RM
CV scientifico dei partecipanti dell’Istituto CNR
Paola Bertolazzi
Nel 1974 si è laureata in Ingegneria Elettronica, nel 1976 ha conseguito il diploma del Corso di
specializzazione in Ingegneria dei Sistemi di Controllo e Calcolo Automatico, dal 1979 ha
ricoperto il ruolo di ricercatore e dal 1990 quello di dirigente di ricerca del CNR presso l’
dell'Istituto di Analisi dei Sistemi e Informatica, dove ha guidato il gruppo di Informatica Teorica
sin dal 1985. Ha coordinato unita' operative di numerosi progetti finalizzati (Trasporti e
Informatica) nonche' progetti europei (interoperabilita' semantica). I principali interessi di ricerca
riguardano l'area degli algoritmi e strutture dati, la teoria dei grafi, gli algoritmi paralleli, le basi di
dati e qualita' dei dati. Dal 2005 ha avviato un gruppo di ricerca sulla biologia computazionale e
systems biology e numerose collaborazioni fra cui quella con l'EBRI Rita Levi Montalcini (Prof.
60
Antonino Cattaneo) e con il Dipartimento di Biotecnologie e Bioscienze della Bicocca (Prof.ssa
Lilia Alberghina). Dal dicembre 2009 ha assunto l'incarico di direttore dell'Istituto di Analisi dei
Sistemi e Informatica “Antonio Ruberti".
Vincenzo Bonifaci
Nel 2007 ha ottenuto un doppio titolo di Dottore di Ricerca in Ingegneria Informatica,
dall'Università di Roma La Sapienza e dall'Universita Tecnologica di Eindhoven, Olanda; il
progetto è stato parzialmento finanziato dal ministero Olandese dell'Educazione, Cultura e Scienza
attraverso una borsa “Christiaan Huygens". La tesi di dottorato è stata premiata nel 2007 dal
Capitolo Italiano dell'EATCS (Associazione Europea di Informatica Teorica) come migliore tesi di
dottorato in algoritmica. E’ stato postdoc all'Istituto di Matematica dell'Università Tecnologica di
Berlino e all'Istituto Max Planck per l'Informatica di Saarbrucken, Germania. Nel 2010 un suo
articolo è stato premiato con il Best Paper Award della conferenza European Symposium on
Algorithms. Dal 2011 è ricercatore presso l'Istituto di Analisi dei Sistemi ed Informatica “Antonio
Ruberti" del CNR, a Roma. L'attività di ricerca riguarda il progetto e l'analisi di algoritmi di
ottimizzazione combinatoria, con applicazioni anche alla bioinformatica.
Giovanni Felici
E’ nato a Roma il 4 Febbraio 1967. Dal 1997 svolge attività di ricerca presso l’Istituto di Analisi
dei Sistemi ed Informatica “A. Ruberti” del Consiglio Nazionale delle Ricerche. Dal 2000 ricopre
presso l’istituto il ruolo di Ricercatore e dal 2007 il ruolo di Primo Ricercatore.
Si laurea nel 1989 in Scienze Statistiche presso la Facoltà di Scienze Statistiche della Università
degli studi di Roma “La Sapienza” di Roma. Nel 1990 consegue il titolo di Master of Science in
Operational Research presso la University of Lancaster, nel Regno Unito; dal 1991 al 1994 è
titolare di una borsa di studio di dottorato presso la Università degli studi di Roma “La Sapienza”,
Dottorato di Ricerca in Ricerca Operativa, conseguendo il titolo di dottore di ricerca nel 1995. Nel
1996 ricopre il ruolo di Assistant Professor e Research Assistant presso la University of Texas at
Dallas, dove frequenza alcuni corsi del Ph.D. program in Computer Science. La sua attività di
ricerca è dedicata alla Ricerca Operativa, alla Ottimizzazione Matematica a numeri interi, alla
Programmazione Logica e Data Mining ed alle loro applicazioni nella bioinformatica e nella
biomedicina. Ha realizzato e coordinato diversi progetti di ricerca con istituzioni nazionali ed
internazionali, svolto attività di docenza presso Università, enti pubblici e privati sia a livello
universitario che post-universitario. E’ autore di oltre 20 pubblicazioni su riviste internazionali,
61
numerose pubblicazioni su atti di conferenze internazionali e testi scientifici.
Giampaolo Liuzzi
Giampaolo Liuzzi è nato a Roma il 23 Febbraio 1972, laurea in Ingegneria Informatica (1997, 110
e lode) e dottorato di ricerca in Ricerca Operativa (2011) entrambi presso l'Università degli studi di
Roma “La Sapienza”. Dal 2001 al 2007 è stato assegnista di ricerca presso il Dipartimento di
Informatica e Sistemistica “A.Ruberti” dell'Università di Roma “La Sapienza”. Dal 2007 è
ricercatore presso l'Istituto di Analisi dei Sistemi ed Informatica “A.Ruberti” del CNR. Dal 2004 è
professore a contratto presso l'Universita degli Studi di Cassino (facoltà di Ingegneria) coprendo
corsi di Analisi delle Decisioni, Matematica Applicata e Ricerca Operativa. L'attività di ricerca è
prevalentemente orientata all'ottimizzazione continua nonlineare. In tale ambito, si occupa sia di
aspetti teorici collegati alla definizione di nuovi algoritmi per la soluzione di problemi di ottimo
locale e/o globale, si di aspetti più applicativi riguardanti il confronto strutturale di proteine, per
una produzione scientifica di 24 pubblicazioni su riviste internazionali con impact factor e
referaggio. E', inoltre, revisore di una decina di riviste scinetifiche internazionali.
Paola Paci
Paci Paola è nata a Roma il 4 Novembre 1972. Da ottobre 2011 è ricercatore presso l’Istituto di
Analisi dei Sistemi ed Informatica “Antonio Ruberti” (IASI) - CNR di Roma. Nel 2010 ha
conseguito il titolo di studio Master II livello in “Bioinformatica: Applicazioni biomediche e
farmaceutiche” presso l’Università Sapienza di Roma con votazione 110/110 e lode; nel 2003
ha conseguito il titolo di Dottore di Ricerca in Fisica presso l’ Università degli Studi di Pavia;
nel 1999 ha conseguito il titolo di laurea in Fisica presso l’Università Sapienza di Roma con
votazione 110/110. Dal dottorato fino ad ottobre 2011 ha avuto assegni di ricerca presso
l’Università Sapienza di Roma, il CNR di Roma e presso la Scuola Internazionale Superiore
di Studi Avanzati (SISSA) di Trieste. Dal 2007 è assistente del corso di Metodi Matematici e
del corso di Anali I presso la Facoltà di Ingegneria dell’Università Campus Bio-medico di
Roma. Dal 2008 la sua attività di ricerca riguarda la systems biology e la bioinformatica.
In particolare modelli di automi cellulari per lo studio di malattie infettive, analisi di
strutture proteiche tramite teoria delle reti, analisi di tipo genome-wide attraverso
equazioni differenziali stocastiche e nell’ultimo anno si sta occupando di epigenomica.
Pasquale Palumbo
62
Pasquale Palumbo è nato a Pescara il 18/12/1970, laurea (1995, 110 e lode) e dottorato (2000)
entrambi in Ingegneria Elettronica presso l’Università degli Studi dell’Aquila. Dal 2000 al 2005 è
assegnista di ricerca presso l’Istituto del CNR di Analisi dei Sistemi ed Informatica “A. Ruberti” di
Roma (IASI-CNR), dove è attualmente Ricercatore dal 2005. Dal 2000 è professore a contratto
presso l’Università degli Studi dell’Aquila, coprendo insegnamenti di Calcolo delle Probabilità,
Statistica, Teoria dei Sistemi, Controlli Automatici e, a partire dal 2008, di “Systems Biology”
(corso tenuto in inglese). E’ stato relatore/correlatore di circa 100 tesi di Laurea. Nel 2009 è stato
co-organizzatore della scuola estiva “Parameter Estimation in Physiological Models”, terzo evento
della EC Marie Curie Conferences Series. L’attività di ricerca copre sia i settori metodologici della
“Teoria dei Sistemi” e dei “Controlli Automatici”, sia quelli più applicativi della “Modellistica
matematica per la Medicina e la Biologia”, per una produzione scientifica di circa 65 pubblicazioni
con referaggio, di cui oltre 20 su riviste scientifiche internazionali con impact factor. E’, inoltre,
revisore di una ventina di riviste scientifiche internazionali, ed editore della sezione di
“Mathematical Physiology” della UNESCO Encyclopedia of Life Support Systems.
Daniele Santoni
Daniele Santoni è nato a Roma il 31 luglio 1971. Da ottobre 2011 è ricercatore presso l'Istituto di
Analisi dei Sistemi ed Informatica “Antonio Ruberti” (IASI) - CNR, Roma. Nel 2010: ha
conseguito il titolo di Dottorato di Ricerca in Genetica and Biologia Molecolare presso
l'Università “La Sapienza” di Roma. Nel 2003 ha conseguito il titolo di Master di II livello in
Bioinformatica, Università “La Sapienza” di Roma (cum laude). Nel 1999 ha conseguito il titolo di
Laurea in Matematica (110/110), Università “La Sapienza” di Roma, indirizzo Informatica Teorica.
Da Febbraio 2009 ad Ottobre 2011 ha avuto una Post-Doc position presso “Institute for Research
in Biomedicine” (IRB) Barcellona. Da Maggio 2007 a Febbraio 2009 ha avuto un assegno di
ricerca presso l’Istituto per le Applicazioni del Calcolo
CNR di Roma. Da Settembre 2003 a
Maggio 2007 ha avuto un assegno di ricerca presso lo IUSM di Roma. Da Marzo 2002 a Settembre
2003 ha avuto una borsa di studio presso il CASPUR di Roma. Si è sempre occupato di
bioinformatica.
Giuseppe Pirrillo
Nato a Lappano (Cosenza, Italia) 25/11/1949, dirigente di ricerca presso l’ Istituto di Analisi dei
Sistemi ed Informatica \”Antonio Ruberti", Unità di Firenze, viale Morgagni 67/A, Laurea in
Matematica all’Univ. Firenze, nel 1981 ha conseguto il titolo di dottore in Matematica, 3eme
63
cycles, Univ. Paris VII, France e nel 2007 il Doctorat es Sciences presso Univ. Paris VII, France.
Dal 1976-1988 Ricercatore CNR, Firenze, Italia, dal 1988-1999 Primo Ricercatore CNR, Firenze,
Italia. Dal 1977 svolge attività di ricerca in collaborazione con il Laboratoire d'Informatique
Theorique et Programmation (attualmente LIAFA) dell'Université de Paris 7 e, più recentemente,
con l'Institut Gaspard-Monge dell'Université de Marne-la-Vallee.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
 Arisi I., D'Onofrio M., Brandi R, Felsani A, Capsoni S, Drovandi G., Giovanni Felici ,
Emanuel Weitschek , Paola Bertolazzi , Cattaneo A: Gene Expression Biomarkers in the
Brain of a Mouse Model for Alzheimer's Disease: Mining of Microarray Data by Logic
Classification and Feature Selection., Journal of Alzheimer's Disease 24, 2011
 Busti S., Gotti, L., Balestrieri C., Querin L., Drovandi G., Giovanni Felici , Gabriella
Mavelli , Paola Bertolazzi , Lilia Alberghina , Vanoni M.: Overexpression of Far1, a
cyclin-dependent kinase inhibitor, induces a large transcriptional reprogramming in which
RNA synthesis senses Far1 in a Sfp1-mediated way, Biotechnology Advances, 2011
 Paola Bertolazzi , Blazewicz J., Turkay M. eds.: Special Issue on Operations Research
Models for Computational Biology, Bioinformatics and Medicine, 9, 2010
 Paola Bertolazzi , Giovanni Felici , Paola Festa : Logic Based Methods for SNPs Tagging
and Reconstruction, Computers & Operations Research 37, 1419-1426, 2010
 Paola Bertolazzi , Giovanni Felici , Lancia G.: Application of Feature Selection and
Classification to Computational Molecular Biology, in: Biological data Mining, Chen J.K.,
Lonardi S. eds., 257-294, 2010
 Paola Bertolazzi , Guerra C., Giampaolo Liuzzi : A global optimization algorithm for
protein surface alignment, BMC Bioinformatics 11, 488-498, 2010
 Paola Bertolazzi , Giovanni Felici , Emanuel Weitschek : Learning to classify species with
barcodes, BMC Bioinformatics, 2009
 Giovanni Felici , Paola Bertolazzi , Guarracino M., Chinchuluun A, Pardalos P. M.: Logic
formulas based knowledge discovery and its application to the classification of biological
data, in the Proceedings of Biomat 2008: International Symposium On Mathematical And
Computational Biology, Mondaini R.P. ed., 2009
 Paola Bertolazzi , Giovanni Felici , Paola Festa , Lancia G.: Logic Classification and
Feature Selection for Biomedical Data, Computers & Mathematics with Applications 55(5),
64
889-899, 2008
 Paola Bertolazzi , Godi A., Labbè M., Tininini L.: Solving haplotyping inference parsimony
problem using a new basic polynomial formulation, Computers & Mathematics with
Applications 55(5), 900-911, 2008
 Tininini L., Paola Bertolazzi , Godi A., Lancia G.: CollHaps: A Heuristic Approach to
Haplotype Inference by Parsimony, IEEE/ACM Transaction on Computational Biology and
Bioinformatics, 2008
 V. Bonifaci, K. Mehlhorn, and G. Varma. “Physarum can compute shortest paths”. In Y.
Rabani, editor, Proc. 23rd Symp. on Discrete Algorithms. SIAM, 2012. To appear.
 L. Di Paola, P. Paci, D. Santoni, M. Di Ruvo and A. Giuliani “Proteins as sponges: a
statistical journey along protein structure organization principles" Journal of Chemical
Information and Modeling 2012, accepted.
 P. Paci, F. Martini, M. Bernaschi, G. D'Ozi and F. Castiglione “Timely HAART initiation
may pave the way for a better viral control" BMC Infectious Diseases 2011, 11:56
 F. Castiglione and P. Paci “Criticality of timing for anti-HIV therapy initiation", PLoS ONE
2010, 5(12):e15294
 P. Paci, R. Carello, M. Bernaschi, G. D'Ozi and F. Castiglione, “Immune control of HIV-1
infection after therapy interruption: immediate versus deferred antiretroviral therapy" BMC
Infectious Diseases 2009, 9:172 (doi:10.1186/1471-2334-9-172).
 V. Baldazzi, P. Paci, M. Bernaschi and F. Castiglione, “Modeling lymphocytes homing and
encounters in lymph nodes" BMC Bioinformatics 2009, 10:387 (doi:10.1186/1471-210510-387).
 F. Pappalardo, M. D. Halling-Brown, N. Rapin, P. Zhang, D. Alemanni, A. Emerson, P.
Paci, P. Duroux, M. Pennisi, A. Palladini, O. Miotto, D. Churchill, E. Rossi, A. J.
Shepherd, D. S. Moss, F. Castiglione, M. Bernaschi, M. Lefranc, S. Brunak, S. Motta, P.
Lollini, K. E. Basford and V. Brusic, “ImmunoGrid, an integrative environment for largescale simulation of the immune system for vaccine discovery, design, and optimization”,
Briengs in Bioinformatics 10(3), 330-340, (2009).
 P. Paci, F. Castiglione, M. Bernaschi, V. Baldazzi “A discrete/continuous model of antiHIV response and therapy" IEEE Computer Society, Digital library Proceedins UKSIM,
481-486, (2008)
 Pedone F, Santoni D: Preferential nucleosome occupancy at high values of DNA helical
65
rise, DNA Research (Accepted for publication)
 Castiglione F, Daniele Santoni , Rapin N, “CTLs' repertoire shaping in the thymus: a Monte
Carlo simulation”, Autoimmunity, 2011
 Clancy T, Pedicini M, Castiglione F, Daniele Santoni , Nygaard V, Lavelle TJ, Benson M,
Hovig E., “Immunological network signatures of cancer progression and survival, BMC
Med Genomics, 2011
 Pedicini M, Barrenas F, Clancy T., Castiglione F, Hovig E, Kanduri K, Daniele Santoni ,
Benson M, “Combining network modeling and gene expression microarray analysis to
explore the dynamics of Th1 and Th2 cell regulation”, PLoS Computational Biology, 6,
2010
 Bhatt TK, Kapil C, Khan S, Jairajpuri MA, Sharma A, Daniele Santoni , Silvestrini F, Pizzi
E, Sharma A “A genomic glimpse of aminoacyl-tRNA synthetases in malaria parasite
Plasmodium falciparum”, BMC Genomics, 10, 2009
 Pedone F, Daniele Santoni, “Sequence-dependent DNA helical rise and nucleosome
stability”, BMC Molecular Biology 27, 2009
 Daniele Santoni , Romano-Spica V: Comparative genomic analysis by microbial COGs
self-attraction rate, Journal of Theoretical Biology 258, 513-520, 2009.
 Cacchiarelli D, Daniele Santoni , Bozzoni I: MicroRNAs as prime players in a
combinatorial view of evolution, RNA Biology 5, 120-122, 2008.
 Daniele Santoni , Pedicini M, Castiglione F: Implementation of a regulatory gene network
to simulate the TH1/2 differentiation in an agent-based model of hypersensitivity reactions,
Bioinformatics 24, 1374-1380, 2008.
 Brandi G, Sisti M, Paparini A, Gianfranceschi G, Schiavano GF, De Santi M, Daniele
Santoni , Magini V, Romano-Spica V: Swimming pools and fungi: an environmental
epidemiology survey in Italian indoor swimming facilities, Int J Environ Health Res 17,
197-206, 2007.
 Paparini A, Ripani M, Giordano GD, Daniele Santoni , Pigozzi F, Romano-Spica V,
“ACTN3 genotyping by real-time PCR in the Italian population and athletes, Med Sci
Sports Exerc 39, 810-815, 2007
 L. Alberghina, G. Mavelli, G. Drovandi, P. Palumbo, S. Pessina, F. Tripodi, P. Coccetti, M.
Vanoni, ``Growth and cycle in Saccharomyces cerevisiae: Basic regulatory design and
protein-protein interaction network'', in uscita su Biotechnology Advances, 2011
66
 P. Palumbo, G. Mavelli, L. Farina, L. Alberghina, ``Networks and Circuits in cell
regulation'', Biochemical and Biophysical Research Communications, Vol.396, pp.881-886,
2010
 L. Farina, A. Germani, G. Mavelli, P. Palumbo, ``Identification of regulatory network
motifs from gene expression data'', Journal of Mathematical Modelling and Algorithms,
Vol.9, No.3, pp.233-245, 2010
 P. Palumbo, A. De Gaetano, ``An islet population model of the endocrine pancreas'',
Journal of Mathematical Biology, Vol.61, No.2, pp.171-205, 2010
 De Gaetano, T. Hardy, B. Beck, E. Abu-Raddad, P. Palumbo, J. Blu-Valleskey, N. Pørksen,
``Mathematical models of diabetes progression'', American Journal of Physiology Endocrinology and Metabolism, Vol.295, pp.E1462-E1479, 2008
 J. Michel, G. Pirillo, Strong Trinucleotide Circular Codes, International Journal of
Combinatorics, Volume 2011 (2011), Article ID 659567
 Bussoli L., Michel C.J., Pirillo G., On conjugation partitions of sets of trinucleotides, R.
Iasi 2011-29, to appear on Applied Mathematics
 Bussoli L., Michel C.J., Pirillo G., On some forbidden configurations for selfcomplementary trinucleotide circular codes, Journal for Algebra and Number Theory
Academia 2, 223-232, 2011
 Pirillo G., Non sharing border codes (In memoriam Stefano Varricchio), Advances and
Applications in Mathematical Sciences Volume 3, Issue 2, 215-223, 2010
 Michel,
C.;
Pirillo,
G.
Identification
of
all
trinucleotide
circular
codes,
COMPUTATIONAL BIOLOGY AND CHEMISTRY, 2010
 Glen A., Justin J., Pirillo G., Characterizations of finite and infinite episturmian words via
lexicographic orderings, European Journal of Combinatorics 29, 45-58, 2008
 Michel C.J., Giuseppe Pirillo , Pirillo M.A., A relation between trinucleotide comma-free
codes and trinucleotide circular codes, Theoretical Computer Science 401, 17-26, 2008
 C.J. Michel, G. Pirillo, M.A. Pirillo., Varieties of comma-free codes, Computers &
Mathematics with Applications 22, 989-996, 2008
 Pirillo G., Morse and Hedlund's skew Sturmian words revisited, Annals of Combinatorics
12, 115-121, 2008

Pirillo G., A hierarchy for circular codes, Rairo-Theoretical Informatics and Applications
42, 717-728, 2008
67
Unità di Ricerca n. 1.4 ICAR (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Guarracino
Nome
Mario Rosario
Data di Nascita
20/07/1968
Sesso
M
Codice Fiscale
GRRMRS68L20F839A Luogo di Nascita
NA
telefono
081 6139519
Provincia
NA
Nazione
ITALIA
e-mail
[email protected] Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Istituto
ICAR
Breve CV scientifico dei partecipanti dell’Istituto CNR
Elenco dei componenti interessati a partecipare alle attività previste dal WP con mini CV.
Mario Rosario Guarracino: Dal 2001 è ricercatore presso l’Istituto di Calcolo e Reti ad Alte Prestazioni
del Consiglio Nazionale delle Ricerche. Dal 1991 al 2001 ha svolto le sue attività presso il Centro di
Ricerche sul Calcolo Parallelo e i Supercalcolatori del Cnr. È affiliated faculty presso il Center for Applied
Optimization, University of Florida e ricercatore affiliato presso l’Istituto di Alta Matematica F. Saveri. Ha
tenuto corsi per studenti dei corsi di laurea in Matematica, Ingegneria del Software e Informatica. E’ autore
di pubblicazioni nel campo del calcolo scientifico ad alte prestazioni, della bioinformatica e
dell’apprendimento automatico (machine learning).
Pasqua D’Ambra: is senior researcher at ICAR-CNR. She received a Ph.D. in Mathematics from
University of Naples in 1990. Responsible of a research unit for activities on “Computational Grids for
High-Performance Scientific Computing” in the context of the CNR project “Grid and HPC”. Responsible
for ICAR of collaboration agreements with the Department of Mathematics of the Second University of
Naples and the Department of Statistics and Mathematics for Economic Research of the University of
68
Naples “Parthenope”. Responsible of a WP on “Numerical Computing for Groundwater Flows” for the
COADVISE Project, a Marie-Curie/IRSES Action, funded by EU (2009-2012). Main activities are
designing and developing numerical algorithms and mathematical software for high-performance scientific
computing. In such a context activities are carried on in the area of Parallel Numerical Linear Algebra and
Parallel Solution of Partial/Ordinary Differential Equations.
Giandomenico Spezzano
Si è laureato in Ingegneria delle tecnologie industriali (indirizzo elettrico) presso l'Università della Calabria
nel 1980. Dal 1981 al 1996 ha lavorato presso il Consorzio per la Ricerca e le Applicazioni di Informatica
(CRAI) come ricercatore senior e responsabile dell'area dei sistemi distribuiti e paralleli. Attualmente è
Dirigente di Ricerca presso l'Istituto di Calcolo e Reti ad Alte Prestazioni (ICAR) del Consiglio Nazionale
delle Ricerche (CNR) Ha condotto come responsabile diversi progetti di ricerca sia nazionali che esteri. E'
autore di 2 libri e di circa 170 articoli scientifici pubblicati in libri, atti di convegni e riviste internazionali.
E' membro ACM e IEEE-CS. Le sue attività di ricerca sono incentrate sui sistemi distribuiti, sistemi di Grid
e Cloud computing e Peer-to-Peer, workflow autonomici, GPU computing, e-science, modelli linguaggi e
strumenti per l’elaborazione distribuita e parallela, algoritmi distribuiti e paralleli di data mining, strumenti
per la programmazione evolutiva parallela e la swarm computing, simulazione di fenomeni complessi
tramite il modello degli automi cellulari.
Alfonso Urso
Si è laureato in Ingegneria Elettronica presso l’Università degli studi di Palermo nel 1992, nel 1997 ha
conseguito il Dottorato di Ricerca in Ingegneria dell’Automazione e dei Sistemi presso la stessa università.
Dal 2000 è ricercatore del Consiglio Nazionale delle Ricerche, prima presso il Centro di Studio sulle Reti di
Elaboratori (CERE), e dal giugno 2002 presso l'Istituto di Calcolo e Reti ad Alte Prestazioni (ICAR). Dal
gennaio 2007 è responsabile della commessa di ricerca “Analisi Intelligente dei dati per la bioinformatica”
nell’ambito del progetto interdipartimentale Bioinformatica del CNR. Ha tenuto corsi per gli studenti della
facoltà di Ingegneria, di Informatica e di Medicina dell’università di Palermo. E’ autore di pubblicazioni nel
campo dell’intelligenza artificiale, della bioinformatica e dell’apprendimento automatico.
Massimo Cossentino
Ha conseguito il suo dottorato di ricerca in Ingegneria Informatica presso l’Università degli Studi di
Palermo nel 2002 e la sua Habilitation à Diriger des Recherches (HDR) dall’Université Paul Sabatier di
Tolosa (Francia) nel 2008. Egli è ricercatore del Consiglio Nazionale delle Ricerche dal 2001. Nel periodo
2006-2008 è stato professore associato invitato presso l’Université de Technologie de Belfort-Montbelliard
(UTBM). I suoi interessi di ricerca sono rivolti principalmente all’ingegneria del software orientata agli
69
agenti e più specificamente alle metodologie di progettazione, i metamodelli di sistemi ad agenti, pattern
d’agenti e implicazioni nella ingegneria del software della robotica cognitive. Egli è autore di più di 100
articoli scientifici pubblicati in riviste, conferenze e workshop. Al momento egli presiede il gruppo di lavoro
IEEE FIPA Design Process Documentation and Fragmentation e nel passato ha presieduto e organizzato
numerosi eventi scientifici internazionali (conferenze, workshop, gruppi di lavoro).
Giovanni Pilato
Si è laureato in Ingegneria Elettronica presso l’Università degli studi di Palermo nel 1997, nel 2000 ha
conseguito il Dottorato di Ricerca in Ingegneria Elettronica, Informatica e delle Telecomunicazioni presso
la stessa università. Dal 2001 è ricercatore del Consiglio Nazionale delle Ricerche, prima presso il Centro di
Studio sulle Reti di Elaboratori (CERE), e dal giugno 2002 presso l'Istituto di Calcolo e Reti ad Alte
Prestazioni (ICAR). Ha tenuto corsi per gli studenti della facoltà di Ingegneria e di Lettere e Filosofia
dell’università di Palermo. E’ autore di pubblicazioni nel campo delle reti neurali artificiali, dell’analisi
intelligente dei dati e del web semantico.
Riccardo Rizzo
E’ ricercatore presso l’Istituto di Calcolo e Reti ad Alte Prestazioni del Consiglio Nazionale delle Ricerche.
Dal 1995 al 2003 e' stato ricercatore presso l' Istituto di Tecnologie Didattiche-sezione di Palermo.
Dall'agosto 2001 all'agosto 2002 e' stato Visiting Professor alla School of Information Science, Universita’
di Pittsburgh, Pennsylvania, USA dove ha tenuto un corso di “Information Storage and Retrieval”,
INFSCI1030. E' stato membro del Comitato Tecnico del CEI per i sistemi Informatici come rappresentante
del CNR. Ha tenuto corsi per studenti del corso di laurea Ingegneria Informatica. E’ autore di pubblicazioni
nel campo della bioinformatica, dell’apprendimento automatico (machine learning), in particolare delle reti
neurali.
Ulteriori collaboratori ICAR: Lucia Maddalena; Diego Romano; Giovanni Schmid; Francesco Gregoretti
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni

Vincenzo Belcastro, Francesco Gregoretti, Velia Siciliano, Michele Santoro, Giovanni D'Angelo,
70
Gennaro Oliva, Diego Di Bernardo, Reverse-Engineering and Analysis of Genome-Wide Gene
Regulatory
Networks
from
Gene
Expression
Profiles
Using
High-Performance
Computing,IEEE/ACM Transactions on Computational Biology and Bioinformatics, Los Alamitos,
CA, USA, IEEE Computer Society, Vol. 99, Issue PrePrints, 2011

Vincenzo Belcastro, Velia Siciliano, Francesco Gregoretti, Pratibha Mithbaokar, Gopuraja
Dharmalingam, Stefania Berlingieri, Francesco Iorio, Gennaro Oliva, Roman Polishchuck, Nicola
Brunetti-pierri, Diego Di Bernardo, Transcriptional gene network inference from a massive dataset
elucidates transcriptome organization and gene function, Nucleic Acids Research, 2011

Gennaro Oliva, Francesco Gregoretti, Belcastro Vincenzo, Di Bernardo Diego, A Parallel
Implementation of the Network Identification by Multiple Regression (NIR) Algorithm to ReverseEngineer Regulatory Gene Networks, Public Library of Science, Vol. 5, Issue 4, 2010

Francesco Gregoretti, Gennaro Oliva, Laccetti Giuliano, D'Amore Luisa, Murli Almerico, A multigrained distributed implementation of the parallel Block Conjugate Gradient algorithm, Concurr.
Comput. : Pract. Exper., Chichester, UK, John Wiley and Sons Ltd., Vol. 22, Issue 15, 2053 - 2072,
2010

Gennaro Oliva, Francesco Gregoretti, Di Bernardo Diego, Belcastro Vincenzo, Parallel computing
algorithms for reverse-engineering and analysis of genome-wide gene regulatory networks from
gene expression profiles. Ninth International Workshop on Parallel and Distributed Methods in
Verification, and Second International Workshop on High Performance Computational Systems
Biology, IEEE Computer Society, 88 - 94, 2010

Laura Antonelli, Pasqua D'Ambra, Francesco Gregoretti, Gennaro Oliva, Paola Belardini, A
distributed combustion solver for engine simulations on Grids, Journal of Computational and
Applied Mathematics, Vol. 226, Issue 2, 197 - 204, 2009

Almerico Murli, Giuliano Laccetti, Francesco Gregoretti, Gennaro Oliva, Umberto Scafuri, MGF: A
grid-enabled MPI library, Future Generation Computer Systems, Vol. 24 , Issue 2 , 158 - 165, 2008

Francesco Gregoretti, Gennaro Oliva, Production Grids, Hauppauge, USA, 193 - 217, 2008

M.R. Guarracino, P. Xanthopoulos, G. Pyrgiotakis, V. Tomaino, B.M. Moudgil and P.M. Pardalos,
Spectral based feature selection for a multiclass cell death discrimination problem, Artificial
Intelligence in Medicine, 2011.

V. Cozza, L. Maddalena, M.R. Guarracino, and A. Baroni. Dynamic Clustering Detection through
71
Multi-Valued Descriptors of Dermoscopic Images. Stastistics in Medicine, 2011.

Antonino Fiannaca, Salvatore Gaglio, Massimo La Rosa, Daniele Peri, Riccardo Rizzo, Alfonso
Urso, A Knowledge Based Decision Support System for Bioinformatics and System Biology
Computational Intelligence Methods for Bioinformatics and Biostatistics, Springer Berlin /
Heidelberg, Vol. 6685, 215 - 228, 2011.

Massimo La Rosa, Riccardo Rizzo, Alfonso Urso, Soft topographic maps for clustering and
classifying bacteria using housekeeping genes, Advances in Artificial Neural Systems, Hindawi
Publishing Corporation, 2011.

Riccardo Rizzo, Antonino Fiannaca, Massimo La Rosa, D. Peri, An Intelligent System for Decision
Support in Bioinformatics, ERCIM News, Issue 84 , 35 - 36, 2011.

Paulo J.G. Lisboa, Riccardo Rizzo, Computational Intelligence Methods for Bioinformatics and
Biostatistics - 7th International Meeting, CIBB 2010, Palermo, Italy, September 16-18, 2010,
Revised Selected Papers CIBB, Springer, Vol. 6685, 2011.

Salvatore Gaglio, Riccardo Rizzo, Massimo Cossentino, Vitali Monica, A Genome based Vision of
Multi-agent Systems ICAART 2011, Rome, italy, 406 - 409, 2011.

G. Andreotti, M.R. Guarracino, M. Cammisa, A. Correra, and M. V. Cubellis. Prediction of the
responsiveness to pharmacological chaperones: lysosomal human alpha-galactosidase, a case of
study. Orphanet Journal of Rare Diseases 2010, 5:36.

Daniele Peri, Riccardo Rizzo, Alfonso Urso, Fiannaca Antonino, La Rosa Massimo, Gaglio
Salvatore, A Proposed Knowledge Based Approach for Solving Proteomics Issues Computational
Intelligence Methods for Bioinformatics and Biostatistics, Springer Berlin / Heidelberg , Vol. 6160 ,
304 - 318, 2010.

Antonio Chella, Rosario Sorbello, Giorgio Vassallo, Giovanni Pilato, An Architecture for
Humanoid Robot Expressing Emotions and Personality, International Journal of Machine
Consciousness, Vol. 2 , Issue 2 , 2010.

M. Cossentino, N. Gaud, V. Hilaire, S. Galland, A. Koukam. An organizational approach to
engineer emergence within holarchies. International Journal on Agent Oriented Software
Engineering (IJAOSE). 4(3), pp. 304-329, 2010.

Massimo Cossentino, Gaud Nicolas, Hilaire Vincent, Galland Stephan, Koukam Abder, ASPECS:
an Agent-oriented Software Process for Engineering Complex Systems, International Journal of
72
Autonomous Agents and Multi-Agent Systems (IJAAMAS), Vol. 20, Issue 2, 260 - 300, 2010.

Valeria Seidita, Massimo Cossentino, From Modelling to Implementing the Perception Loop in
Self-Conscious Systems, International Journal of Machine Consciousness, Vol. 2 , Issue 2 , 2010.

M.R. Guarracino, A. Chinchuluun, and P.M. Pardalos. Decision Rules for Efficient Classification of
Biological Data. Optimization Letters, vol. 3, n. 3, pp. 357-366, 2009.

M.R. Guarracino, S. Cuciniello, and P.M. Pardalos Classification and characterization of gene
expression data with generalized eigenvalues. Journal of Optimization Theory and Applications,
vol. 141, n. 3, pp. 533-545, 2009.

Riccardo Rizzo, Alfonso Urso, Salvatore Gaglio, Fiannaca Antonino, A New Linear Initialization in
SOM for Biomolecular Data, Computational Intelligence Methods for Bioinformatics and
Biostatistics, Berlin, Heidelberg, Springer-Verlag , 177 - 0, 2009

Salvatore Gaglio, Riccardo Rizzo, Alfonso Urso, M. La Rosa, Normalised compression distance
and evolutionary distance of genomic sequences: comparison of clustering results, International
Journal of Knowledge Engineering and Soft Data Paradigms, Inderscience , Vol. 1, Issue 4, 2009.

Riccardo Rizzo, Alfonso Urso, Salvatore Gaglio, Mirabello Claudio, Clustering Bacteria Species
Using Neural Gas: Preliminary Study, Computational Intelligence Methods for Bioinformatics and
Biostatistics, Springer Berlin / Heidelberg , Vol. 5488 , 167 - 176, 2009.

Salvatore Gaglio, Riccardo Rizzo, Alfonso Urso, Fiannaca Antonino, Di Fatta Giuseppe, Clustering
quality and topology preservation in fast learning soms, Neural Network World, Vol. 19, Issue 5,
2009.

P. D'Ambra, G. Della Vecchia, M.R. Guarracino. Parallel, distributed and network-based
processing. Journal of Systems Architecture, Elsevier, vol. 54, n. 9, pp. 841-842, 2008.

M.R. Guarracino, F. Perla, P. Zanetti. A Sparse Nonsymmetric Eigensolver for Distributed Memory
Architectures, International Journal of Parallel, Emergent and Distributed Systems, vol. 23, n. 3, pp.
259 - 270, 2008.

Salvatore Gaglio, Riccardo Rizzo, Alfonso Urso, Massimo La Rosa, Comparison of Genomic
Sequences Clustering using Normalized Compression Distance and Evolutionary Distance
International Conference on Knowledge-Based and Intelligent Information & Engineering Systems,
KES 2008, Zagreb, Croatia, Vol. 5179 , Issue - , 740 - 746, 2008.
73

Giuseppe Di Fatta, Salvatore Gaglio, Riccardo Rizzo, Alfonso Urso, Antonino Fiannaca, Clustering
Quality and Topology Preservation in Fast Learning SOMs, International Conference on Artificial
Neural Networks, ICANN 2008, Prague, Czech Republic, Vol. 5163 , Issue - , 583 - 592, 2008.

Cossentino, M., Fortino, G., Garro, A., Mascillaro, S., Russo, W. PASSIM: A Simulation-Based
Process for the Development of Multi-Agent Systems. International Journal on Agent Oriented
Software Engineering (IJAOSE). 2(2). 2008

C. Cifarelli, M.R. Guarracino, O. Seref, S. Cuciniello, and P.M. Pardalos. Incremental Classification
with Generalized Eigenvalues, Journal of Classification, vol. 24, n. 2 pp. 205-219, 2007.

M.R. Guarracino, S. Cuciniello, D. Feminiano. Incremental Generalized Eigenvalue Classification
on Data Streams. La revue MODULAD, Special Issue on Data Stream Analysis, n. 36, 2007.

M.R. Guarracino, C. Cifarelli, O. Seref, P. Pardalos. A Classification Method Based on Generalized
Eigenvalue Problems, Optimization Methods and Software, vol. 22, n. 1 Pages 73-81, 2007.

Giuseppe Di Fatta, Salvatore Gaglio, Riccardo Rizzo, Alfonso Urso, Massimo La Rosa, Giovanni
Giammanco, Soft Topographic Map for Clustering and Classification of Bacteria, 7th International
Symposium on Intelligent Data Analysis, IDA 07, Ljubljana, Slovenia, Vol. 4723, Issue 1, 332 343, 2007.

M. Cossentino, S. Gaglio, A. Garro, V. Seidita. Method Fragments for agent design methodologies:
from standardization to research. International Journal on Agent Oriented Software Engineering
(IJAOSE). 1(1). 2007. pp. 91-121.

R. De Asmundis and M.R. Guarracino. Mathematical Models of Supervised Learning and
Application to Medical Diagnosis. Fields Institute Communications, vol. 68, in print, 2012.

M.R. Guarracino, A. Nebbia, V. Manna, A. Chinchuluun, P. Pardalos. Protein-protein interactions
prediction using Nearest Neighbor classification algorithm and feature selection. BIOMAT 2009,
Rubem P. Mondaini editor, World Scientific, Pages 263-276, 2010.

M.R. Guarracino, A. Nebbia. Predicting protein-protein interactions with k-Nearest Neighbors
classification algorithm, Francesco Masulli, Leif E. Peterson and Roberto Tagliaferri editors,
Lecture Notes in Computer Science, vol. 6160/2010, Pages 139-150, DOI: 10.1007/978-3-64214571-1_10, 2010.

M.R. Guarracino, S. Cuciniello, D. Feminiano. Generalized Eigenvalue Proximal Support Vector
Machine Problems, Encyclopedia of Optimization, 2nd ed., Christodoulos A. Floudas and Panos M.
74
Pardalos editors, Springer, ISBN: 978-0-387-74758-3, Pages 1183-1185, 2009.

M.R. Guarracino, A. Chinchuluun, P. Pardalos. A supervised learning Technique and its
applications to computational biology. Computational Intelligence Methods for Bioinformatics and
Biostatistics, LNBI 5488, ISBN 978-3-642-02503-7 Pages 275-283, 2009.

D. Abbate, M.R. Guarracino, A. Chinchuluun, P.M. Pardalos. Neural network classification with
prior knowledge for analysis of biological data. BIOMAT 2008, Rubem P. Mondaini editor, World
Scientific, ISBN: 978-981-4271-81-3, Pages 223 - 234, 2008.

G. Felici, P. Bertolazzi, M.R. Guarracino, A. Chinchuluun, P. Pardalos. Logic formulas based
knowledge discovery and its application to the classification of biological data. BIOMAT 2008,
Rubem P. Mondaini editor, World Scientific, ISBN: 978-981-4271-81-3, Pages 265 - 279, 2008.

M.R. Guarracino, S. Cuciniello, D. Feminiano. A Parallel Classification and Feature Reduction
Method for Biomedical Applications, Parallel Bio-Computing, Lecture Notes in Computer Science
Volume 4967, 2008, Pages 1210-1219.

M.R. Guarracino, S. Cuciniello, D. Feminiano, G. Toraldo, and P.M. Pardalos. Current
Classification Algorithms for Biomedical Applications. Centre de Recherches Mathématiques CRM
Proceedings & Lecture Notes of the American Mathematical Society, vol. 45, 2008, Pages 109-126.

Irpino, R. Verde, M.R. Guarracino Classification of Data Chunks Using Proximal Vector Machines
and Singular Value Decomposition in print, 2012.

P. Xanthopoulos, R. De Asmudis, M.R. Guarracino, G. Pyrgiotakis, and P.M. Pardalos. Supervised
classification methods for mining cell differences as depicted by Raman spectroscopy. CIBB 2010,
R. Rizzo and P.J.G. Lisboa (Eds.), LNBI 6685, Springer, pp. 112-122, 2011.

D. Abbate, R. De Asmundis, and M.R. Guarracino. Prior knowledge in the classification of
biomedical data. 5th Int. Conf. on Soft Methods in Probability and Statistics (SMPS 2010),
Combining Soft Computing and Statistical Methods in Data Analysis, in Advances in Intelligent
and Soft Computing series, C. Borgelt et al eds., Springer, ISBN 978-3-642-14745-6 ISSN 18675662, pp. 1-8, 2010.

Irpino, M.R. Guarracino, and R. Verde. Multiclass Generalized Eigenvalue Proximal Support
Vector Machines. 4th IEEE Conference on Complex, Intelligent and Software Intensive Systems
(CISIS 2010), February 2010, Pages 25-32.

M.R. Guarracino, A. Nebbia, V. Manna, A. Chinchuluuny and P.M. Pardalos. Efficient prediction
75
of protein-protein interactions using sequence information. 4th IEEE Conference on Complex,
Intelligent and Software Intensive Systems (CISIS 2010), February 2010, Pages 677-682.

M.R. Guarracino, S. Cuciniello, D. Feminiano. Incremental Learning and Decremented
Characterization of gene expression data analysis. CBMS, June 2008, Pages 203-208.

M.R. Guarracino, D. Abbate, R. Prevete. Nonlinear knowledge in learning models, in proceedings
of Workshop on Prior Conceptual Knowledge in Machine Learning and Knowledge Discovery,
European Conference on Machine Learning, Warsaw, September 2007, Pages 29-40.

M.R. Guarracino, S. Cuciniello, D. Feminiano. Incremental Generalized Eigenvalue Classification
on Data Streams, European Workshop on Data Stream Analysis, March 2007, Pages 102-113.

Aprovitola, P. D'Ambra, F. M. Denaro, D. di Serafino, S. Filippone, Building Scalable Large Eddy
Simulation Software with Scientific Libraries for Sparse Matrix Computations, submitted to SISC.

P. D'Ambra, D. di Serafino, S. Filippone, MLD2P4: a Package of Parallel Multilevel Algebraic
Domain Decomposition Preconditioners in Fortran 95, ACM Transactions on Mathematical
Software, Vol. 37, 3, 2010.

L. Antonelli, M. Briani, P. D'Ambra, V. Fraioli, Positivity Issues in Adaptive Solutions of Detailed
Chemical Schemes for Engine Simulations, Communications to SIMAI Congress, Vol. 3, 2009, pp.
303.1-303.12.

Buttari, P. D'Ambra, D. di Serafino, and S. Filippone, 2LEVD2P4: a Package of High- Performance
Preconditioners for Scientic and Engineering Applications, Applicable Algebra in

Engineering, Communication and Computing, Special Issue on Computational Linear Algebra and
Sparse Matrix Computations, Vol. 18, 3, 2007, pp. 223-239.

P. D'Ambra, D. di Serafino, S. Filippone, On the Development of PSBLAS-based Parallel TwoLevel Schwarz Preconditioners, Applied Numerical Mathematics, Vol. 57, 11-12, 2007, pp. 11811196.

L. Antonelli, P. D'Ambra, Dynamic Load Balancing for High-Performance Simulations of
Combustion in Engine Applications, Proceedings of the 19th EUROMICRO Conf. on Parallel,
Distributed and Network-based Processing, IEEE Pub., 2011.

Aprovitola, P. D'Ambra, F. M. Denaro, D. di Serafino, S. Filippone, Scalable Algebraic Multilevel
Preconditioners with Application to CFD, Parallel Computational Fluid Dynamics 2008,
76

D. Tromeur-Dervout, G. Brenner, D.R. Emerson, and J. Erhel Eds. Lecture Notes in Computational
Science and Engineering, Vol. 74, Springer-Verlag Berlin Heidelberg, 2010 (Invited paper).

Aprovitola, P. D'Ambra, D. di Serafino, S. Filippone, On the use of Aggregation-based Parallel
Multilevel Preconditioners in the LES of Wall-bounded Turbulent Flows, in Proc. of LSSC'09,
LNCS Series, Vol. 5910, 2010, pp. 67-75.

L. Antonelli, P. D'Ambra, F. Gregoretti, G. Oliva, and P. Belardini, A Parallel Combustion Solver
within an Operator Splitting context for Engine Simulations on Grids, in Proc. of LSSC'07, LNCS
Series, Vol. 4818, 2007, pp. 167-174.
Progetti più significativi

Dal dicembre 2008 ad oggi: Progetto di ricerca Laboratorio pubblico privato per lo sviluppo di
strumenti bio-informatici integrati per la genomica, la trascrittomica e la proteomica (LAB GTP),
finanziato dal MIUR con 4.83M€ progetto di ricerca e formazione rif. DM23492. (Prot. 1176/Rig).
(GU n. 290 del 12-12-2008).

Dall’ottobre 2008 a ottobre 2010: Studio e sviluppo di algoritmi, metodi e strumenti per la
misurazione della consonanza (ASD Scienze Matematiche e Informatiche) del PRIN 2007.

Nel 2008: Attività di ricerca per lo sviluppo di un software per la classificazione supervisionata dei
dati provenienti da analisi pallinologiche.

Dall’ottobre 2008: Attività di Ricerca Scientifica a Tema Libero Metodologie e tecniche per
ambienti virtuali altamente immersivi in diagnostica medica (DG.RSTL.018.009) , finanziata su
bando CNR.

Dall’aprile 2007 al marzo 2011: Progetto di ricerca “FRASI – Framework for Agent-based
Semantic-aware Interoperability” finanziato dal MIUR a valere su art.9 DM n. 593/2000. Quoata
finanziamento euro 627.600

Dal luglio 2009 ad oggi: Progetto di ricerca “CHRONIOUS - An Open, Ubiquitous and Adaptive
Chronic Disease Management Platform for COPD and Renal Insufficiency” SEVENTH
FRAMEWORK PROGRAMME - FP7-ICT-2007-1– (ICT-1-5.1) - Grant agreement for: Largescale integrating project – CP - (IP).

2009-2012 COADVISE: Co-advising PhD for IT Research in the Mediterranean Region, Marie
Curie Action, EU VII Framework Program;

2007-2009 Numerical Simulations of Reactive Flows in Grid Environments, International
Cooperation Project, funded by CNR and Bulgarian Academy of Science;

2006-2008 Numerical Computing for Groundwater Flows, INRIA Program 3+3 Méditerranée,
funded by INRIA (FR).
77
Unità di Ricerca n. 1.5 IEIIT (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Muselli
Nome
Marco
Data di Nascita
17/01/1962
Sesso
M
Codice Fiscale
MSLMRC62A17D969T
Luogo di Nascita
Genova
telefono
+39 010 6475213
Provincia
GE
Nazione
Italia
e-mail
[email protected] Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
IEIIT
Dipartimento
ICT
Istituto
Divisione
Settore
Breve CV scientifico dei partecipanti dell’Istituto CNR
Marco Muselli ha ricevuto la laurea in Ingegneria Elettronica presso l’Università di Genova nel 1985. Nel
1988 è entrato a far parte dell’Istituto per i Circuiti Elettronici, ora Unità dell’Istituto di Elettronica e di
Ingegneria dell’Informazione e delle Telecomunicazioni del Consiglio Nazionale delle Ricerche, dove
lavora attualmente in qualità di Primo Ricercatore. I suoi interessi nel campo della ricerca scientifica
comprendono il machine learning, la bioinformatica, il controllo ottimo, l’ottimizzazione globale, la
statistica matematica e la teoria della probabilità. La sua attività è principalmente incentrata sullo sviluppo
di nuovi metodi efficienti per la generazione di regole e sulla loro applicazione, particolarmente nell’analisi
di dati biomedici. È autore o coautore di più di 100 pubblicazioni scientifiche, molte delle quali su riviste
internazionali.
Silvia Scaglione: nel 2001 ha ricevuto la laurea in Ingegneria Biomedica presso l’Università di Genova, e
nel 2005 ha conseguito il PhD in Bioingegneria presso la stessa università. Nel 2004 è stata Visiting
Scientist presso il laboratorio di Ingegneria dei Tessuti della Universitätsspital Basel, Svizzera. Dal 2005 al
78
2010 è stata contrattista presso il Centro biotecnologie Avanzate di Genova, e nel 2010 entra a far parte
dell'IEIIT come ricercatore. I suoi interessi scientifici comprendono l’ingegneria dei tessuti, la scienza dei
materiali e la bioinformatica, finalizzati allo sviluppo di nuovi biomateriali in grado di indurre una specifica
risposta cellulare e una conseguente rigenerazione del tessuto biologico danneggiato. In particolare, si
occupa di indagare, a livello genomico, i meccanismi alla base della capacità delle cellule staminali di
autorigenerarsi e/o differenziare verso più linee cellulari a seconda degli stimoli chimico fisici indotti
all'interno del biomateriali. Dal 2010 è docente del corso di dottorato di ricerca in Bioingegneria e presso la
Facoltà di Medicina di Genova. E' autore o coautore di più di 30 pubblicazioni scientifiche su riviste
internazionali e inventore di 4 brevetti.
Giovanna Morgavi received in 1979 the Laurea in Electronic Engineering cum laude from the University
of Genoa and in 1996 she received the Laurea in Psychology cum laude from the University of Turin. In
2001 she received the Speciality Diploma in Psycotherapy from Post-graduate Specialty School A.M.I.S.I.
of Milan. From 1980 to 1982 she has been working at Control Data Corporation (CDC Corporation) as
System Analyst . Since the 1982, she is working as senior Researcher at the Italian Consiglio Nazionale
delle Ricerche (CNR) Istituto di Elettronica e Ingegneria dell’Informazione e delle Telecomunicazioni
(IEIIT) Section in Genova. She has been active in the following research fields: Adaptive Intelligent
Systems and Cognitive Robotics, Chaotic Systems and Artificial Neural Networks, Parallel computers and
systems, Models of the interaction among cells and electromagnetic fields at low frequencies, Mathematical
models and measures of biological samples at microwave frequencies. She has been author of more than
120 scientific papers.
Angelo Corana, laureato in Ingegneria Elettronica presso l’Università di Genova nel 1978, è Dirigente di
Ricerca presso la Sede di Genova dell'Istituto di Elettronica e di Ingegneria dell'Informazione e delle
Telecomunicazioni (IEIIT) del CNR. Da molti anni si occupa di calcolo ad alte prestazioni, con particolare
riguardo a: sviluppo ed analisi di algoritmi ed applicazioni; sviluppo di metodologie per un utilizzo
efficiente di risorse di calcolo eterogenee, distribuite, non dedicate; cluster computing; Grid computing;
calcolo ad alte prestazioni utilizzando il paradigma GPGPU (General Purpose computation on Graphics
Processing Units). Si è occupato inoltre di analisi non lineare di serie temporali, principalmente di sviluppo
di metodi ed algoritmi ad alta efficienza computazionale ma anche di alcune applicazioni in ambito
biomedico. Si è occupato infine di ottimizzazione con il metodo della Simulated Annealing, e di
modellistica e simulazione di dispositivi elettronici. E’ autore o co-autore di circa 80 pubblicazioni su riviste
internazionali, libri e atti di congressi.
Maurizio Mongelli ha ottenuto il suo dottorato di ricerca in Ingegneria Elettronica ed Informatica presso
l'Università di Genova nel 2004. Il suo dottorato è stato finanziato dalla Selex Communications S.p.A
(Selex). Ha lavorato per Selex ed il Consorzio italiano delle Telecomunicazioni dal 2002 al 2009. E' stato
79
coordinatore di un laboratorio congiunto tra Selex e l'Università di Genova nel 2007. Egli è ora ricercatore
presso l'Istituto di Elettronica, Informatica e Ingegneria delle Telecomunicazioni del Consiglio Nazionale
delle Ricerche. E' co-autore di circa 65 lavori scientifici, tra cui riviste internazionali, conferenze e brevetti.
La sua principale attività di ricerca riguarda l'allocazione delle risorse e gli algoritmi di ottimizzazione per
sistemi di telecomunicazione ed ad aventi discreti.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR

R. Mangerini, P. Romano, A. Facchiano, G. Damonte, M. Muselli, M. Rocco, F. Boccardo, A.
Profumo The application of atmospheric pressure matrix-assisted laser desorption/ionization to the
analysis of long-term cryopreserved serum peptidome. Analytical Biochemistry 417 (2011) 174–
181.

M. Muselli, A. Bertoni, M. Frasca, A. Beghini, F. Ruffino, G. Valentini A mathematical model for
the validation of gene selection methods. IEEE/ACM Transactions on Computational Biology and
Bioinformatics 8 (2011) 1385–1392.

Polini, D. Pisignano, M. Parodi, R. Quarto, S. Scaglione “Nanofibrous ceramic-polymer based
materials enhance the in vitro osteogenic differentiation in basal growth medium conditions”
PlosOne 6(10) (2011) e26211.

De Napoli, S. Scaglione, P. Giannoni, R. Quarto, G. Catapano “Bone marrow stromal cell culture in
hollow fibre membrane bioreactors for bone tissue engineering: effect of spontaneous convective
flows” Journal of Membrane Science 379(1-2) (2011) 341-352.

P. Giannoni, S. Scaglione, R. Quarto, R. Narcisi, M. Parodi, E. Balleari, F. Barbieri, A. Pattarozzi,
T. Florio, S. Ferrini, G. Corte, D. de Totero. “An interaction between hepatocyte growth factor and
its receptor (c-MET) prolongs the survival of chronic lymphocytic leukemic cells through STAT3
phosphorylation: a potential role of mesenchymal cells in the disease” Haematologica 96(7) (2011)
1015-23

F.Fruscione, S.Scarfì, C.Ferraris, S.Bruzzone, F.Benvenuto, L.Guida, A.Uccelli, A.Salis, C.Usai, E.
Jacchetti, C.Ilengo, S.Scaglione, R.Quarto, E.Zocchi, and A.De Flora “Regulation of human
mesenchymal stem cells functions by an autocrine loop involving NAD+ release and P2Y11mediated signaling” Stem Cells Dev. 20(7) (2011) 1183-98.

S. Scaglione, M. Cilli, M. Fiorini, R. Quarto, G. Pennesi “Differences on chemical composition and
internal structure influence systemic host response to implants of biomaterials” Int J Artif Organs
80
34(5) (2011) 422-31.

G. Pennesi, S. Scaglione, P. Giannoni, R. Quarto “Regulatory influence of scaffolds on cell
behavior: how cells decode biomaterials” Review. Curr Pharm Biotechnol 12(2) (2011) 151-9.

G. Morgavi, L. Marconi. M. Morando, P. Cutugno
From human creative cognitive processes to
adaptable artificial system design. Acta Psychologica (2011).

A. Merlo, A. Clematis, A. Corana, V. Gianuzzi
methodological issues.
Quality of Service on Grid: architectural and
Concurrency And Computation-Practice & Experience 23/8 (2011) 745–
766.

S. Scaglione, B. Zerega, R. Badano, U. Benatti, M. Fato, R. Quarto “A three-dimensional torsionbioreactor system for ligaments engineering” Int J Artif Organs. 33(6) (2010) 362-9.

P. Giannoni, S. Scaglione, A. Daga, C. Ilengo, M. Cilli and R. Quarto “Short-time survival and
engraftment of bone marrow stromal cells in an ectopic model of bone regeneration” Tissue Eng
Part A. 16(2) (2010) 489-499

S. Scaglione, E. Lazzarini, C. Ilengo and R. Quarto “A composite material model for improved
bone formation” Journal of Tissue Eng Regen Med. 4(7) (2010) 505-513

M. Pisciotta, G. Morgavi, H. Jahnsen Characterization of the in vitro propagation of epileptiform
electrophysiological activity in organotypic hippocampal slice cultures coupled to 3Dmicroelectrode arrays. Brain Research 1358 (2010) 46 – 54.

A. Clematis, A. Corana, D. D'Agostino, A. Galizia, A. Quarati Job-resource matchmaking on Grid
through two-level benchmarking. Future Generation Computer Systems 26/8 (2010) 1165–1179.

M. Muselli, M. Costacurta, F. Ruffino
Evaluating gene selection methods through artificial and
real expression data. Artificial Intelligence in Medicine 45 (2009) 163–171.

E. Ferrari, M. Muselli A multivariate algorithm for gene selection based on the nearest neighbor
probability. In CIBB 2008, vol. 5488 of Lecture Notes in BioInformatics (2009) Eds. F. Masulli,
R. Tagliaferri, G. M. Verkhivker, Berlin: Springer, 123–131.

S. Scaglione, C.Ilengo, M. Fato and R. Quarto “Hydroxyapatite-coated polycaprolacton wide mesh
as a model of open structure for bone regeneration” Tissue Eng Part A. 15(1) (2009) 155-163.

S. Parodi, V. Pistoia, M. Muselli
Not proper ROC curves as new tool for the analysis of
81
differentially expressed genes in microarray experiments. BMC Bioinformatics 9:410 (2008).

F. Ruffino, M. Muselli, G. Valentini
Gene expression modeling through positive Boolean
functions. International Journal of Approximate Reasoning 47 (2008) 97–108.

S. Scaglione, D. Wendt, S. Miggino, A. Papadimitropoulos, , M. Fato, R. Quarto and I. Martin
“Effects of flow-induced shear and calcium-phosphate coating on human bone marrow stromal cells
cultured in a defined 2D model system” Journal of Biomedical Material Research Part A 86(2)
(2008) 411-9.

L. Corradi, M. Fato, I. Porro, S. Scaglione, L. Torterolo “A Web-based and Grid-enabled dChip
version for the analysis of large sets of gene expression data” BMC Bioinformatics 9:480 (2008).

F. Beltrame, A. Papadimitropoulos, I. Porro, S. Scaglione, A. Schenone, L. Torterolo, F. Viti
“GEMMA – A Grid Environment for Microarray Management and Analysis in Bone Marrow Stem
Cells experiments” Future Generation Computer System 23(3) (2007) 382-390.

Porro I, Torterolo L, Corradi L, Fato M, Papadimitropoulos A, Scaglione S, Schenone A, Viti F “A
Grid based solution for Management and Analysis of Microarrays in distributed experiments”,
BMC Bioinformatics 8(1):S7 (2007).

F. Ruffino, M. Costacurta, M. Muselli Evaluating Switching Neural Networks for gene selection.
In Applications of Fuzzy Sets Theory: 7th International Workshop on Fuzzy Logic and
Applications, WILF 2007, vol. 4578 of Lecture Notes in Artificial Intelligence (2007) Eds. F.
Masulli, S. Mitra, G. Pasi, Berlin: Springer-Verlag, 557–562.

S. Scaglione, A. Braccini, D. Wendt, C. Jaquiery, F. Beltrame, R. Quarto, I. Martin, “Engineering of
osteoinductive grafts by isolation and expansion of ovine bone marrow stromal cells directly on 3D
ceramic scaffolds” Biotechnology and Bioengineering 93(1) (2006) 181-7.

M. Mastrogiacomo, S. Scaglione, R. Martinetti, L.Dolcini, F. Beltrame, R. Cancedda and R. Quarto
“Role of scaffold internal structure on in vivo bone formation in macroporous Calcium Phosphate
bioceramics” Biomaterials 27(17) (2006) 3230-7.

P. Romano, G. Bertolini, F. De Paoli, M. Fattore, D. Marra, G. Mauri, E. Merelli, I. Porro, S.
Scaglione, L. Milanesi “Network integration of data and analysis

of oncology interest” Journal of Integrative Bioinformatics 0021 (2006).
82

M. Baglietto, F. Davoli, M. Marchese, M. Mongelli
Neural Approximation of Open-loop-
Feedback Rate Control in Satellite Networks. IEEE Trans. On Neural Networks, 16 (2005) 11951211.
Progetti più significativi
 Progetto: MIUR FIRB “Laboratorio Interdisciplinare di Tecnologie Bioinformatiche
(LITBIO)” (2005-2011) Obiettivo dell’Unità di CNR-IEIIT: sviluppo di un sistema
automatico ad alte prestazioni (scheda elettronica dedicata con FPGA) per la classificazione
di dati di DNA microarray attraverso insiemi di regole prodotti dall’algoritmo Shadow
Clustering. Partners: Istituto Nazionale per la Ricerca sul Cancro (Genova), Università di
Genova, Università di Camerino, CILEA (Milano), CEINGE (Napoli) Costo progetto:
4.351.000 euro (di cui 474.000 per l’Unità di CNR-IEIIT)

Progetto FIRB (Prot. N. RBPR05RSM2. 2007-2010) “Rete nazionale di ricerca TissueNet”
83
Unità di Ricerca n. 1.6 IIT (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Pellegrini
Nome
Marco
Data di Nascita
11-06-1961
Sesso
M
Codice Fiscale
Pllmrc61h11b034k Luogo di Nascita
Fidenza
telefono
050-3152410
Provincia
Parma
Nazione
Italia
e-mail
[email protected] Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
IIT
Dipartimento
CNR-ICT
Istituto
Divisione
Settore
Breve CV scientifico dei partecipanti dell’Istituto CNR
Marco Pellegrini si è laureato (magna cum laude) in Ingegneria Elettronica al Politecnico di Milano nel
1986. Ha conseguito il Ph.D. in Informatica al Courant Institute of Mathematical Sciences (New York
University) nel 1991. Nel 1991 e' stato post-doc presso l'International Computer Science Institute di
Berkeley. Dal 1992 al 1995 è stato lecturer presso il King's College di Londra. Dal 1995 è al CNR di Pisa
come ricercatore (1995-1997) e primo ricercatore (1998 - presente). I suoi interessi di ricerca spaziano
dall'Analisi di Algoritmi alla Geometria Computazionale, dal Data Mining alla Biologia Computazionale,
con più di 60 articoli in riviste e conferenze internazionali e capitoli di libri. Marco Pellegrini è stato
coordinatore della sezione di Matematica Computazionale dell'Istituto di Informatica e Telematica del CNR,
è stato rappresentate del CNR nel comitato tecnico-scientifico del Consorzio Gran Sasso, ed è membro della
Scuola Matematica Interuniveritaria (SMI).
Filippo Geraci si è laureato in Tecnologie Informatiche all’Università di pisa nel 2003. Nell’anno 2007 ha
conseguito il dottorato di ricerca in ingegneria dell’informazione presso Università di Siena. Dal 2004
lavora all’istituto di Informatica e Telematica del CNR dove è stato prima assegnista di ricerca e dal 2009
ricercatore. Dal 2010 è anche docente a contratto presso la facoltà di Ingegneria gestionale dell’Università
di siena dove insegna “Sistemi informativi per la gestione aziendale”. I suoi interessi scientifici nascono
nell’ambito della sperimentazione di algoritmi efficienti per l’information retrieval (in particolare in ambito
84
Web) e trovano applicazione anche in Bioinformatica e nell’ambito delle analisi di reti sociali.
M. Elena Renda si è laureata in Scienze dell'Informazione con 110/110 presso l'Università di Pisa nel
2000, e ha conseguito il Ph.D. in Ingegneria dell'Informazione presso la Scuola Superiore Sant'Anna di
Studi Universitari e di Perfezionamento di Pisa nel 2009. Dal 2001 al 2005 è stata ricercatrice associata
presso l'Istituto di Scienza e Tecnologie dell'Informazione del CNR di Pisa; nel 2003 è stata ricercatrice in
visita presso il Language Technologies Institute of Carnegie Mellon University, Pittsburgh, PA; dal 2005 è
ricercatrice associata presso l'Istituto di Informatica e Telematica del CNR di Pisa. Durante il corso di
dottorato i suoi interessi di ricerca includevano parecchi aspetti dell'Information Retrieval, tra cui
personalization, information filtering, meta-search, collection e document fusion, automatic source
selection, e schema matching. Dal 2005 le sue attività di ricerca includono anche lo studio e lo sviluppo di
algoritmi efficienti e scalabili per l'identificazione e l'estrazione di pattern in sequenze genomiche e
proteomiche, protocolli per la condivisione di risorse di tipo P2P in reti wireless di tipo mesh, reti veicolari
e performance del protocollo IEEE802.11p. Ha pubblicato diversi articoli su riviste e in atti di conferenze
internazionali.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR

Marco Pellegrini, M. Elena Renda, Alessio Vecchio.Ab Initio Detection of Fuzzy Amino Acid
Tandem Repeats in Protein Sequences. BMC Bioinformatics, 2012 (In press).Marco Pellegrini, M.
Elena Renda, Alessio Vecchio. Tandem Repeats Discovery Service (TReaDS) applied to finding
novel Cis-acting factors in Repeat Expansion Diseases. BMC Bioinformatics, 2012 (In press)..

Marco Pellegrini, M. Elena Renda, Alessio Vecchio. Detecting Fuzzy Amino Acid Tandem Repeats
in Protein Sequences. ACM Conference on Bioinformatics, Computational Biology and
Biomedicine (ACM BCB). Chicago, USA. August 2011.

M. Elena Renda, Alessio Vecchio, Marco Pellegrini. TReaDS: Tandem Repeats Discovery Service.
VIII Annual Meeting of the Bioinformatics Italian Society (BITS'11), pp 102-104. Pisa, Italy. 2011.

Filippo Geraci. A comparison of several algorithms for the single individual SNP haplotyping
reconstruction problem. Bioinformatics, Published by Oxford Journals, Vol. 26, Issue 18, pp 22172225, July 2010, doi: 10.1093/bioinformatics/btq411.

Marco Pellegrini, M. Elena Renda, Alessio Vecchio. TRStalker: an Efficient Heuristic for Finding
Fuzzy Tandem Repeats. Bioinformatics. Published by Oxford University Press, Volume 26, Issue
12, pp i358-i366. June 2010. doi: 10.1093/bioinformatics/btq209.

Filippo Geraci, Marco Pellegrini. ReHap: an Integrated System for the Haplotype Assembly
Problem from Shotgun Sequencing Data. Proc. of Bionformatics 2010, INSTICC. Valencia, Spain,
20-23 January 2010.
85

Filippo Geraci, Marco Pellegrini, M. Elena Renda. An Efficient Combinatorial Approach for
Solving the DNA Motif Finding Problem. Proc. of the 9th International Conference on Intelligent
Systems Design and Applications (ISDA'09), pp 335-340. Pisa, Italy, Nobember 30 - December 2
2009. doi: http://doi.ieeecomputersociety.org/10.1109/ISDA.2009.41.

Filippo Geraci, Mauro Leoncini, Manuela Montangero, Marco Pellegrini, M. Elena Renda. KBoost: a Scalable Algorithm for High-Quality Clustering of Microarray Gene Expression Data.
Journal of Computational Biology, Published by Mary Ann Liebert, Vol. 16, Issue 6, pp 859-873,
June 2009, doi:10.1089/cmb.2008.0201.

Loredana M. Genovese, Filippo Geraci, Marco Pellegrini. SpeedHap: An Accurate Heuristic for the
Single Individual SNP Haplotyping Problem with Many Gaps, High Reading Error Rate and Low
Coverage. IEEE/ACM Transactions on Computational Biology and Bioinformatics, IEEE
Computer Society Digital Library, June 2008, doi.ieeecomputersociety.org/10.1109/TCBB.2008.67

Filippo Geraci, Marco Pellegrini, M. Elena Renda. AMIC@: All MIcroarray Clusterings @ once.
Nucleic Acids Research (NAR), May 2008, Vol. 36, Web Server Issue W315–W319,
doi:10.1093/nar/gkn265.

Loredana M. Genovese, Filippo Geraci, Marco Pellegrini. A Fast and Accurate Heuristic for the
Single Individual SNP Haplotyping Problem with Many Gaps, High Reading Error Rate and Low
Coverage. in Proc. 7th Workshop on Algorithms in Bioinformatics (WABI'07), Philadelphia, USA,
September 2007.

Filippo Geraci, Mauro Leoncini, Manuela Montangero, Marco Pellegrini, M. Elena Renda. FPF-SB:
a Scalable Algorithm for Microarray Gene Expression Data Clustering. in Proc. 12th International
Conference on Human-Computer Interaction (HCI'07), Beijing, P.R. China, July 2007.
Progetti più significativi

2008-2011 European Network of Excellence Virtual Physiological Human (VPH) Network of
Excellence Virtual Physiological Human (VPH), contratto n. 223920, VII PQ. Marco Pellegrini è
responsabil dell'unita' di ricerca del CNR in partnership con ERCIM.

2002-2006 European Research and Training Network COMBSTRU. Marco Pellegrini è coordinatore
operativo delle attivita' IIT nel Progetto Europeo COMBSTRU “Combinatorial Structure of Intractable
Problems" (EU HPRN-CT-2002-00278). Principal Investigator: Bruno Codenotti.
86
Unità di Ricerca n. 1.7 (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Colombo
Nome Giorgio
Data di Nascita
24-06-1971
Sesso
M
Codice
Fiscale
CLMGRG71H24F704B Luogo di Nascita
Monza
telefono
02-28500031
Provincia
Milano
Nazione
Italia
e-mail
[email protected] Istituzione di
appartenenza)
Consiglio Nazionale
delle Ricerche (CNR).
Istituto
Istituto di
Chimica del
Riconoscimento
Molecolare
(ICRM)
Breve CV scientifico dei partecipanti dell’Istituto CNR
Elenco dei componenti interessati a partecipare alle attività previste dal WP con mini CV.
Giorgio Colombo
Giorgio Colombo (nato il 24 giugno 1971) si è laureato in Chimica nell'anno accademico 1994/95
all'Università di Milano, Voto Finale 110/110. Dopo la laurea, ha proseguito gli studi presso
l'Università di Milano conseguendo nel 2000 il dottorato in Scienze Chimiche. Ha trascorso un
anno come visiting scientist presso il laboratorio del Prof. Ken Merz della Pennsylvania State
University, conducendo ricerche su metodi computazionali e teorici nello studio delle proprietà di
proteine ed enzimi. Dopo il dottorato, ha lavorato come post-doc all'Università di Groningen nel
gruppo di Herman Berendsen e Alan E. Mark, occupandosi di simulazioni di dinamica molecolare
nello studio delle proprietà di stabilità e folding di proteine e peptidi. Dal 2001 il Dr. Colombo
svolge la sua attività di ricerca presso l'Istituto di Chimica del Riconoscimento Molecolare del
CNR, dove ha fondato e attualmente dirige il gruppo di biologia computazionale. E' autore di più
87
di 90 pubblicazioni, tutte su riviste peer-reviewed internazionali. E’ stato ed è coordinatore di
progetti di ricerca di interesse internazionale e nazionale.
Riconoscimenti e premi
 Membro eletto del Direttivo della “Divisone di Chimica Biologica” della Società Italiana di
Chimica
 Premio Giovane Ricercatore dalla “Divisone di Chimica Biologica” della Società Italiana di
Chimica nel 2004
 Borsa Marie Curie nel 2000
 Premio Ricercatissimi per l’Internazionalizzazione della ricerca della Regione Lombardia,
2008.
Giulia Morra
Giulia Morra (nata l’8 Agosto 1973) si è laureata in Fisica Teorica nel 1998 presso l’Università
degli studi di Milano, Voto finale 110/110 e lode. Dopo la laurea ha svolto attività di ricerca presso
la SISSA di Trieste nel gruppo del professor Maritan e del professor Micheletti, lavorando su
modelli di meccanica statistica applicati al protein folding. Nel 2000 si è traferita a Berlino, dove
ha conseguito il dottorato presso il dipartimento di Chimica della Freie Universitaet Berlin sotto la
guida del professor E.W. Knapp con una tesi sulla dinamica molecolare ed elettrostatica di
proteine. Ha continuato la sua attività come post-doc nel gruppo presso l’ITB-CNR (2004-2006) e
nel gruppo di Giorgio Colombo presso ICRM-CNR (2006-2011). Nel 2011 è diventata ricercatrice
a tempo indeterminato all’ICRM-CNR, nel gruppo di biologia computazionale.
Massimiliano Meli.
Massimiliano Meli (nato l’1 Agosto 1976) si è laureato in Chimica presso l’Università degli Studi
di Milano, voto finale 102/110. Ha svolto attività di consulente scientifico per Vicuron Pharma tra
il 2002 e il 2004. Nel 2004 ha continuato i suoi studi nella scuola di dottorato in Scienze Chimiche
dell’Università degli Studi di Milano, dove ha conseguito il titolo di dottore di ricerca nel 2006,
con una tesi sullo studio computazionale dei processi di riconoscimento tra farmaco e chaperoneproteins. Nel 2010 è stato assunto come tecnico a tempo indeterminato presso ICRM-CNR.
88
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni
Meli, M.; Gasset, M.; Colombo, G. Dynamic diagnosis of familial prion diseases supports the
2- 2 loop
as a universal interference target. Plos One 2011, 6(4):e19093
Nasica-Labouze, J.; Meli, M.; Derreumaux, P.; Colombo, G.; Mousseau N. A Multiscale Approach to
Characterize the Early Aggregation Steps of the Amyloid-Forming Peptide GNNQQNY from the Yeast
Prion Sup-35. PLoS Comput Biol. 2011, 7(5):e1002051
Meli, M.; Gasset, M.; Colombo, G. Dynamic diagnosis of familial prion diseases supports the b2-a2 loop as
a universal interference target. Plos One 2011, 6(4):e19093
Taraboletti, G.; Rusnati, M.; Ragona, L.; Colombo G.; Targeting tumor angiogenesis with TSP-1-based
compounds: rational design of antiangiogenic mimetics of endogenous inhibitors. Oncotarget
2010,
1(7):662-673
Morra, G.; Neves, M.A.C.; Plescia, C.J.; Tsutsumi, S.; Neckers, L.; Verkhivker, G.; Altieri, D.C.; Colombo,
G. Dynamics-Based Discovery of Allosteric Inhibitors: Selection of New Ligands for the C-terminal
Domain of Hsp90. Journal of Chemical Theory and Computation 2010, 6:2978-2989
Scarabelli, G.; Morra, G.; Colombo, G. Predicting interaction sites from the energetics of isolated proteins:
a new method for epitope prediction. Biophys J. 2010, 98(9): 1966-1975
Colombo, G.; Margosio, B.; Ragona, L.; Neves, M.; Bonifacio, S.; Annis, D.S.; Stravalaci, M.; Tomaselli,
S.; Giavazzi, R.; Rusnati, M.; Presta, M.; Zetta, L.; Mosher, D.F.; Ribatti, D.; Gobbi, M.; Taraboletti, G.
Non-peptidic thrombospondin-1-mimics as FGF-2 inhibitors: an integrated strategy for the development of
new antiangiogenic compounds. Journal of Biological Chemistry 2010, 185(12): 8733-8742. Highlighted in
ACS Chemical Biology spotlight 2010, 5(2), 155.
Morra, G.; Genoni, A.; Neves, M.A.C.; Merz, K.M. Jr.; Colombo, G. Molecular Recognition and Drug
Design: What Can Molecular Simulations Tell Us? Curr. Med. Chem. 2010, 1: 25-41
Morra, G.; Verkhivker, G.; Colombo, G. Modeling signal propagation mechanisms and ligand-based
conformational dynamics of the Hsp90 molecular chaperone full length dimer. PLoS Comp. Biol. 2009,
5(3): e1000323
Colombo G.; Morra G.; Meli, M.; Verkhivker, G.M. Understanding ligand-based modulation of the Hsp90
89
molecular chaperone dynamics at atomic resolution. PNAS, 2008, 105(23): 7976-7981
Morra, G. and Colombo, G. The Relationship between Energy Distribution and Fold Stability. Insights from
Molecular Dynamics Simulations of Native and Mutant proteins. Proteins: Structure, Function and
Bioinformatics, 2008, 72(2): 660-672.
Meli, M.; Morra, G.; Colombo, G. Investigating the Mechanism of Peptide Aggregation: Insights from
Mixed MonteCarlo-Molecular Dynamics Simulations. Biophys. J., 2008, 94(11): 4414-4426.
Colombo, G.; Soto, P.; Gazit, E. Peptide Self-Assembly at the Nanoscale: a Challenging Target for
Computational and Experimental Biology. Trends in Biotechnology 2007, 25(5): 211-218
Meli, M.; Pennati, M.; Curto, M.; Daidone, M.G.; Plescia, J.; Toba, S.; Altieri, D.C.; Zaffaroni, N.;
Colombo, G. Small molecule targeting of Hsp90 Chaperone function: rational identification of a new anticancer lead. Journal of Medicinal Chemistry 2006, 49(26): 7721-7730
Progetti più significativi
Elenco delle progetti finaziati negli ultimi 5 anni

Thrombospondin-1 domains affecting angiogenesis and tumour behaviour. Associazione
Italiana per la Ricerca sul Cancro, years 2004, 2005, 2006, 2007 (60 K€)

Folding and aggregation of proteins: Metals and Biomolecules in Conformational diseases.
Italian Ministry of Research Funds for Basic Research, years 2004-2007 (70 K€)

Assessment of Structural Requirements in Complement-Mediated Bactericidal Events:
Towards a Global Approach to the Selection of New Vaccine Candidates. SME-STREP
European Union FP6 research project, years 2006-2009 (210 K€)

Understanding the Molecular Determinants of Amyloid Fibril Formation in Human
Degenerative Diseases. Funded by the Italian Ministry for Foreign Affairs, 2006-2009. (70
K€)

Coordinator of the Young Investigator Project of the Ministry of Health, Combining
biophysics, bioinformatics and chemical biology for the discovery of new antineoplastic
molecules based on endogenous inhibitors of angiogenesis, 2009-2012. (504 K€)

Coordinator of the Cariplo Foundation Project, New integrated strategies for the discovery
of antineoplastic molecules based on endogenous inhibitors of angiogenesis: from
computational biology and biophysics to functional biology in vivo and in vitro, 2009-2011
90
(313 K€)

AIRC GRANT, Targeted therapy by blocking protein hubs: Rational Discovery of New
Heat Shock Protein 90 Inhibitors, 2009-2012 (150 K€). Personal Grant awarded to single
researcher.

PRIN-08 GRANT, From Genome to Antigen: An integrated approach to vaccine
development, 2010-2012 (12 K€)
 CARIPLO FOUNDATION GRANT, From Genome to Antigen: a Multidisciplinary
Approach towards the Development of an Effective Vaccine Against Burkholderi
pseudomallei, the Etiological Agent of Melioidosis, 2010-2013 (225 K€)
 LOMBARDY REGION RESEARCH GRANT, Dalla Genomica alla Selezione e
Progettazione Razionale di Antigeni: Una Nuova Strategia Integrata per lo Sviluppo di
Nuovi Vaccini, 2010-2012 (150 K€)
 AIRC GRANT, Integrating computational biology with medicinal chemistry to discover
new mechanism-based Hsp90 inhibitors, 2011-2014 (240 K€). Personal Grant awarded
to single researcher.
91
Unità di Ricerca n. 1.8 IBFM (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Castiglioni
Sesso
F
Nome
Isabella
Codice
Fiscale
CSTSLL68P53F205B Luogo di
Provincia
Milano
Data di Nascita
13/09/1968
Milano
Nascita
telefono
02-26432715
e-mail
[email protected] Istituzione di
Consiglio Nazionale
appartenenza) delle Ricerche (CNR)
(art.5, c.1,
DM citato)
Nazione
Italia
Istituto
IBFM
Breve CV scientifico dei partecipanti dell’Istituto CNR
Maria Carla Gilardi, laureata in Fisica nel 1980, ricercatore CNR dal 1983 al 1992, Professore
Associato di Tecnologie Biomediche, Facoltà di Medicina e Chirurgia, Università di Milano dal
1992 al 1999 e Facoltà di Medicina e Chirurgia, Università Milano-Bicocca dal 1999 al 2001,
Professore Ordinario di Bioingegneria presso la stessa Facoltà dal 2001. Dal 2008 Presidente
Fondazione TECNOMED, Università Milano Bicocca. Dal 2009 Direttore dell'Istituto di
Bioimmagini e Fisiologia Molecolare del CNR, Milano. Dal 2010 al 2011 Esperto del Ministro
della Salute e dal 2011 componente del Consiglio Superiore di Sanità. Principali aree di ricerca
sono nel campo della Tomografia ad Emissione, SPECT e PET, e nel settore della elaborazione di
immagini biomediche. Autrice e coautrice di numerose pubblicazioni su riviste nazionali e
internazionali. Ha svolto relazioni, conferenze, seminari su invito in numerose Istituzioni nazionali
e straniere.
Isabella Castiglioni, laureata in fisica nel 1993, ricercatore dell’Istituto di Bioimmagini e
Fisiologia Molecolare (IBFM) del CNR dal 1997, e’ responsabile del Laboratorio di InnovazioneIntegrazione in medicina molecolare (InLab). E’ inoltre responsabile del progetto CNR
92
“Oncologia: meccanismi e applicazioni” e della commessa CNR “Proteogenomica e imaging
molecolare in medicina”, focalizzata sullo sviluppo di metodologie innovative, mirate
all’ottimizzazione dei percorsi di prognosi, diagnosi e terapia del paziente oncologico.
Le sue
ricerche correnti sono caratterizzate da un comune obiettivo di trasferimento tecnologico e
riguardano lo scambio e l’integrazione di informazioni tra ricerca di base, ricerca applicata e
tecniche diagnostiche e terapeutiche cliniche, in linea con il nuovo approccio della medicina
personalizzata. Professore a contratto dell’Università di Milano-Bicocca, docente e tutor di corsi di
alta specializzazione quali il Dottorato di Ricerca in Tecnologie Biomediche dell’Università di
Milano-Bicocca, e’ responsabile e collaboratore di progetti internazionali e nazionali. Associate
Editor della rivista Medical Physics, referee di progetti e riviste scientifiche internazionali, ha
tenuto seminari e lezioni ad invito in conferenze nazionali ed internazionali. E’ autrice di numerose
pubblicazioni scientifiche e brevetti.
Francesca Gallivanone, laureata in fisica nel 2006, ha conseguito il Dottorato in Tecnologie
Biomediche dell’Università di Milano-Bicocca nel 2011, e’ ricercatore dell’Istituto di Bioimmagini
e Fisiologia Molecolare (IBFM) del CNR dal 2011 e membro del Laboratorio di InnovazioneIntegrazione in medicina molecolare (InLab). E’ Project Manager del progetto DECIDE:
Diagnostic Enhancement of Confidence by an International Distributed Environment, un progetto
finanziato nel 2010 dalla Comunità Europea, nell’ambito del 7° Programma Quadro, e mirato alla
implementazione di una serie di servizi diagnostici clinici e di ricerca su di una infrastruttura
Europea distribuita. Le sue ricerche sono focalizzate alla messa a punto di metodi di elaborazione
analitico-sperimentali, statistici e bioinformatici per la quantificazione ed estrazione di
biomarcatori in vivo ed ex vivo di patologie multifattoriali. Ha tenuto seminari e lezioni ad invito
in corsi di Specializzazione a livello universitario ed e’ autrice di pubblicazioni scientifiche e
brevetti.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni
 F. Gallivanone, A. Stefano, C. Canevari, L. Gianolli, C. Messa, M. C. Gilardi and I.
Castiglioni. PVE correction in PET-CT whole-body oncological studies from PVE-affected
images. IEEE Trans Nucl Sci, 2011; 58(3): 736-747.
 B. Di Camillo, I. Castiglioni, F. Sambo, M.C. Gilardi, G.M Toffolo. Methods for discovery
93
and integration of genetic and neuroimaging biomarkers. In Neuroinformatica, edited by M.
M. Fato, M.C. Gilardi, A. Schenone, 2011; 147-162. ISBN: 978-88-555-3125-2.
 Stefano, F. Gallivanone, E. Grosso, G. Russo, C. Messa, S. Pulizzi, V. Tripoli, I.
Castiglioni, M.C. Gilardi Clinical assessment of a Recovery Coefficients based Partial
Volume Correction method: impact on SUV quantification of bone metastases in
18
F-FDG
PET-CT studies. Society of Nuclear Medicine Annual Meeting, San Antonio, Texas, 2011;
J Nucl Med; 52(S1): 1783.
 F. Gallivanone, C. Canevari, A. Stefano, C. Messa, M. Picchio, L. Gianolli, M. C. Gilardi,
and I. Castiglioni PET-CT FDG quantification of oncological lesions: A PVE correction
method from measured L/B and lesion volume. Society of Nuclear Medicine Annual
Meeting, San Antonio, Texas, 2011; J Nucl Med, 52(S1): 1173.
 F. Gallivanone, A. Stefano, C. Canevari, I. Sassi, E. Grosso, S. Pulizzi, L. Gianolli, C.
Messa, M.C. Gilardi and I. Castiglioni. 18F-FDG relationship with histopathological and
immunohistochemical data in breast cancer using SUV with or without Partial Volume
Correction. Eur J Nucl Med Mol Imaging, 2011; 38(S2): S277.
 E. Grosso, F. Gallivanone, A. Stefano, C. Canevari, C. Gelfi, A. Marassi, I. Sassi, C.
Messa, M.C. Gilardi and I. Castiglioni, A virtual lab of integrated molecular medicine, Q J
Nucl Med Mol Imag, 2011; 55(S1): 111.
 F. Gallivanone, C. Canevari, A. Stefano, I. Sassi, E. Grosso, S. Pulizzi, L. Gianolli, C.
Gelfi, C. Messa, M.C. Gilardi, and I. Castiglioni. Integration of in vivo biomarkers with ex
vivo histo-pathological and immune-histochemical data: the effect of Partial Volume
Correction on PET studies. Atti del VII Congresso dell’Associazione Italiana di Fisica
Medica (AIFM), Catanzaro, 2011.
 E. Grosso, F. Gallivanone, A. Stefano, C. Canevari, C. Gelfi, A. Marassi, I. Sassi, C.
Messa, M.C. Gilardi and I. Castiglioni. An e-infrastructure for integrating translational
molecular medicine. Atti del VII Congresso dell’Associazione Italiana di Fisica Medica
(AIFM), Catanzaro, 2011.
 Castiglioni, B. Canesi, A. Schenone, M. Fato, D. Perani, M.C. Gilardi. Grid-distributed
Statistical Parametric Mapping of SPECT and PET Neuroimages. Neuroinformatics, 2010.
 Castiglioni, M.C. Gilardi, M.C. Messa. Physics in the era of Molecular Imaging. Atti del
94
XCVI Congresso Nazionale della Società Italiana di Fisica. Bologna, 2010: 160.
 F. Gallivanone, C Canevari, A Stefano, C Messa, M Picchio, L Gianolli, MC Gilardi and I.
Castiglioni PET-CT FDG quantification of oncological lesions: a PVE correction method
from measured L/B and lesion volume. Society of Nuclear Medicine Annual Meeting, Salt
Lake City, Utah, 2010.
 Castiglioni, B. Canesi, A. Schenone, D. Perani, M. C. Gilardi. A Grid-based SPM service
(GriSPM) for SPECT and PET neurological studies. Eur. J. Nucl. Med. Mol. Imag., 2009;
36: 1193-1195.
 R. Calandrino, A. Del Maschio, G. M. Cattaneo, I. Castiglioni. Imaging in Radiotherapy.
Nucl. Instrum. Meth. A, 2009; doi:10.1016/j.nima.2009.05.030.
 Stefano, F. Gallivanone, M. C. Gilardi, and I. Castiglioni. Touchscreen-technology-assisted
method for diagnostic reporting of quantitative CT-PET oncological studies. Atti del VI
Congresso dell’Associazione Italiana di Fisica Medica (AIFM), Reggio Emilia, 2009:
1550-1552.
 Mancosu P, Bettinardi V, Passoni P, Gusmini S, Cappio S, Gilardi MC, Cattaneo GM, Reni
M, Del Maschio A, Di Muzio N, Fazio F. Contrast enhanced 4D-CT imaging for target
volume definition in pancreatic ductal adenocarcinoma. Radiother Oncol, 2008; 87 (3):
339-342.
 Signoroni, S. Masneri, R. Leonardi and I. Castiglioni. Inter-modal selective 3D coding of
PET-CT datasets. Proceedings of 16th European Signal Processing Conference, EUSIPCO,
Lausanne, Switzerland, 2008.
 G. Rizzo, I. Castiglioni, G. Russo, M. G. Tana, F. Dell’Acqua, M. C. Gilardi, F. Fazio, S.
Cerutti. Using deconvolution to improve PET spatial resolution in OSEM iterative
reconstruction. Method. Inform. Med., 2007; 46: 231-235.
 V. Bettinardi, P. Mancosu, M. Danna, G. Giovacchini, C. Landoni, M. Picchio, M. C.
Gilardi, A. Savi, I. Castiglioni, M. Lecchi, F. Fazio. Two-dimensional vs three-dimensional
imaging in whole body oncologic positron emission tomography/computed tomography: a
Discovery-STE phantom and patient study. Q. J. Nucl. Med. Mol. Imaging, 2007; 51(3):
214-23.
95
Brevetti
 Castiglioni, F. Gallivanone, A. Stefano. Touch-SUV . N. 007749, O. D00667, registrato il
22/12/2009.

I. Castiglioni, F. Gallivanone. Couch: Correlative and Collaborative Touch System.
registrato il 30/11/2011.
Progetti più significativi
Elenco delle progetti finanziati negli ultimi 5 anni

DECIDE: Diagnostic Enhancement of Confidence by an International Distributed Environment
Codice Progetto: Eu FP7 261593
Decorrenza: 1/09/2010 – Termine: 31/3/2013

MERIT: Sviluppo di strategie innovative per il monitoraggio delle neoplasie mediante tecniche
combinate di imaging in vivo ed ex vivo: applicazioni in patologia mammaria e cerebrale
Codice Progetto: RBNE089KHH
Decorrenza: 05/07/2011 - Termine: 05/07/2014

FIRB Idea Progettuale: Nuove metodologie per Imaging Biomedico
Codice Progetto: RBIP06M8ZA
Decorrenza: 18/07/2007 - Termine: 18/07/2011
96
Unità di Ricerca n. 1.9 ITB -BA (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Liuni
Nome
Sabino
Data di Nascita
7 marzo
1955
Sesso
M
Codice Fiscale
LNISBN55C07F220Q Luogo di Nascita
Minervino
Murge
(BA)
telefono
080.5929667
Provincia
Bari
Nazione
IT
e-mail
[email protected] Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Dipartimento
Scienza
della Vita
Istituto
ITB (Bari)
Breve CV scientifico dei partecipanti dell’Istituto CNR
Sabino Liuni: Laurea in Scienze Biologiche presso l’Università degli studi di Bari. Ricercatore
senior presso l’ITB, Unita Operativa di Supporto di Bari del C.N.R. Gli interessi di ricerca sono
focalizzati sul disegno e implementazione di banche dati specializzate di sequenze di acidi nucleici
e sullo sviluppo di algoritmi per l’analisi delle stesse. Ha partecipato allo sviluppo della banca dati
specializzata delle regioni non tradotte degli mRNA eucariotici e degli elementi di regolazione.
L’interesse attuale è rivolto allo sviluppo di metodologie per l’analisi funzionale dei dati
provenienti dalle Piattaforma di Next Generation Sequencing (NGS) in particolare nella
component non-coding RNAs e nella metagenomica. Responsabile della Sede ITB UOS di Bari e
dell’infrastruttura bioinformatica. Componente del Comitato Istituti. Editore di diverse riviste
internazionali. Tesoriere della Società Italiana di Bioinformatica (BITS).
Vito Flavio Licciulli: Ricercatore CNR. Vito Flavio Licciulli si è laureato in Scienze
dell’Informazione presso l’Università degli Studi di Bari nel 1992. Dal 1994 ha inizio la
collaborazione con il gruppo di Bioinformatica di Bari occupandosi delle banche dati di
97
biosequenze. Attualmente è ricercatore presso il CNR - (ITB), sede di Bari e la sue attività
scientifiche sono: “Progettazione e sviluppo di banche dati biologiche specializzate e strumenti per
l’integrazione di dati biologici” sviluppate sia dalla Sezione di Bari, sia in collaborazione con altre
istituzioni scientifiche; “sviluppo di applicativi bioinformatici e applicazioni web” per la loro
fruizione. Ha pubblicato circa 30 articoli su riviste internazionali nel settore della Bioinformatica.
Inoltre è responsabile della gestione e mantenimento sia delle banche dati che dei server presenti
presso l’istituto ed è socio ordinario della BITS (Bioinformatics Italian Society).
Giorgio Grillo: Tecnologo CNR. Giorgio Grillo ha conseguito la laurea in Informatica
all’Università di Bari ed ha iniziato a collaborare dal 1993 con il gruppo di Bioinformatica del
CNR di Bari nello sviluppo di software per genomica e proteomica, nel 2001 è diventato
ricercatore all’istituto ITB del CNR di Bari, Italia. Da allora è stato coinvolto in molteplici progetti
di ricerca sia nazionali che internazionali per la sua esperienza nell’analisi delle biosequenze e la
loro caratterizzazione funzionale, nell’analisi linguistica e computazionale di sequenze
nucleotidiche. Le sue capacità principali sono l'implementazione software di metodi per l'analisi di
sequenza, oltre allo sviluppo, progettazione e realizzazione di banche dati bioinformatiche
largamente utilizzate da ricercatori internazionali e nella gestione di sistemi di query.
Andreas Gisel: Ricercatore CNR. Laurea in Biochimica e Biologia Molecolare presso la “Swiss
Federal Institute of Technology, Zurich”, Svizzera. PhD in Biologia Molecolare presso il
“Department of Plant Sciences, Swiss Federal Institute of Technology, Zurich”, Svizzera. Per
quattro anni ricercatore nel campo della Bioinformatica presso la Novartis AG, Basel in Svizzera.
In questo momento ricercatore presso CNR-ITB di Bari. Membro dell’Executive Board di
EMBnet; membro del comitato COST Action “Next Generation Sequencing Data Analysis
Network” e responsabile dell’unità di ricerca del progetto europeo AllBio (Broadening the
Bioinformatics Infrastructure to unicellular, animal, and plant science). Le attività di ricerca sono
rivolte ai campi della “Gene Ontology”, a studio degli small RNAs e sviluppo di banche dati
specializzate. Infine partecipa ad un comitato europeo per la formazione nell’analisi dei dati di
Next Generation Sequencing (NGS).
Domenica D’Elia: Tecnologo CNR. I suoi interessi di ricerca sono stati per lungo tempo
focalizzati su studi sperimentali volte a chiarire i meccanismi di regolazione che controllano la
biogenesi mitocondriale e basi molecolari delle malattie mitocondriali umane (1989 -1995). Dal
1996 il suo interesse di ricerca è stato estesa alla Bioinformatica, in particolare allo sviluppo di
98
banche dati biologiche per la gestione e l'analisi di sequenze mitocondriali, le loro varianti
patologiche e proteine. Queste attività sono state svolte all'interno di diversi progetti di ricerca a
livello nazionale ed europeo. In collaborazione con il Dipartimento di Informatica presso
l'Università di Bari, si stanno sviluppando nuovi strumenti di analisi che sfruttando le tecniche di
estrazione dei dati e grafi per lo studio del ruolo funzionale dei miRNA sul controllo posttrascrizionale dell’espressione genica. Tra gli altri settori d’interesse ci sono lo studio del ruolo
funzionale dei membri della famiglia genica p53 mediante approcci bioinformatici. Membro del
comitato della Società Italiana di Bioinformatica. Presidente del “EMBnet Publicity & Public
Relations (P&PR PC) Project Committee”. Componente del “ EMBnet.news/EMBnet.journal
Executive Editorial Board”.
Saverio Vicario: Ricercatore presso il CNR-ITB di Bari. Laurea in Zoologia presso l'Università
degli studi di Roma “TorVergata” e PhD presso il dipartimento di ecologia ed evoluzione biologica
dell'Università di Yale. Ha prodotto 16 articoli peer reviewed con argomento la sistematica
molecolare e l'evoluzione dei genomi. Da un punti di vista metodologico i suoi interessi si
concentrano nello sviluppo e il raffinamento di approcci
filogenetici per lo studio della
biodiversità, con particolare enfasi ai metodi legati al sequenziamento ambientale. Da un punto di
vista biologico il suo interesse si concentra sulle modalità di evoluzione del genoma mitocondriale
e nel suo contributo all'adattamento degli organismi alla propria nicchia con strumenti
bioinformatici. Saverio Vicario è parte del Network italiano dell'infrastruttura ESFRI LifeWatch ed
e' stato rappresentante dell'iniziativa italiana nell'ambito del progetto europeo LifeWatch. E'
membro della SIBE ( Società Italiana di Biologia Evoluzionistica) e della BITS (Bioinformatics
Italian Society).
Apollonia Tullo: Laurea in Scienze Biologiche, presso L’Università di Bari. Dottorato di Ricerca
in Biochimica e Biologia Molecolare. Master in Oncologia clinica e di laboratorio: nuove frontiere
nelle biotecnologie e nella terapia delle neoplasie . Ricercatore CNR. Titolare del Corso di
Laboratorio di Biologia Molecolare e Bioinformatica (Facoltà di Scienze Biotecnologiche).
Responsabile del Modulo “Studio della progressione cellulare normale e tumorale: ruolo della
famiglia genica dell’oncosoppressore p53” afferente al Dipartimento di Medicina del CNR.
Responsabile della Commessa “Genomica funzionale e strutturale” afferente al Dipartimento
Scienze della vita. Responsabile del Laboratorio di Biologia Molecolare e cellulare dell’ITB-Bari.
Responsabile del Laboratorio di sequenziamento con la piattaforma Genome Sequencer GFFLX
Titanium Series 454. Da diversi anni l'obiettivo di ricerca riguarda lo studio dei meccanismi di
99
controllo del ciclo cellulare con particolare attenzione alla caratterizzazione molecolare dei membri
della famiglia genica dell’oncosoppressore p53 (p53, p73, p63).
Elda Perlino: Primo Ricercatore CNR. Laureata in Scienze Biologiche. Specializzata in Patologia
Generale. Nell’ambito dell’attività professionale, è stata Responsabile Scientifico della Sezione
Tematica “Omeostasi cellulare e Fisiopatologia” dell’ Istituto di Biomembrane e Bioenergetica
(IBBE)- CNR di Bari. Dal 2002 è inserita nell’Albo degli Esperti del MIUR e dal 2005 nell’albo
degli Esperti qualificati del CNR. L’attività di ricerca della Dr.ssa Perlino sebbene sempre
riconducibile alle tematiche proprie della ricerca di base, risulta fortemente orientata verso il
settore biomedico con notevoli potenzialità di sviluppo di tecnologie. Tale attività è rivolta allo
studio dei meccanismi molecolari che regolano i processi di morte e proliferazione cellulare,
interessandosi in particolare dello studio dei meccanismi molecolari che regolano l’espressione dei
geni coinvolti nel controllo della proliferazione cellulare, trasformazione e progressione tumorale
con particolare attenzione alle patologie proliferative ormono-regolate quali carcinoma di prostata,
endometrio, tiroide e mammella, utilizzando un modello di studio in vivo rappresentato da tessuti
umani normali e tumorali.
Elisabetta Sbisà: Elisabetta Sbisà ha conseguito il diploma di laurea in Scienze Biologiche presso
l'Università di Bari nel 1981. E’ primo ricercatore presso il CNR - Istituto di Tecnologie
Biomediche, Sezione di Bari.
Coinvolta nel coordinamento scientifico e nella gestione
amministrativa di diversi progetti di ricerca, nell’ambito dell’organizzazione e gestione delle
attività dell'Istituto, è stata dal 2003 membro del Comitato dell'Istituto e membro di un gran
numero di commissioni di valutazione per il reclutamento del personale; si è occupata
dell'installazione dei nuovi laboratori e dell'acquisizione di infrastrutture avanzate. Ha trascorso
diversi periodi di lavoro all’estero presso l'EMBL, Heidelberg, Germania; l'Université de ParisSud, Orsay, France; l’Institut fur Tumorbiologie-Krebsforschung, Universitat Wien, Austria; il
Royal Postgraduate Medical School, Hammersmith Hpt, London UK. Ricopre l’incarico di
Insegnamento di Biologia Molecolare nella Scuola di Specializzazione in Anatomia Patologica,
della Facoltà di Medicina e Chirurgia, Università di Bari. Gli interessi di ricerca sono nell’ambito
della genomica funzionale e comparata e di recente, della trascrittomica e metagenomica. Dal 1998
l'obiettivo dell'attività di ricerca è stato lo studio della famiglia del gene oncosoppressore p53 dal
punto di vista clinico, evolutivo e funzionale. Ha esperienza nel campo della biologia molecolare e
cellulare e ha recentemente acquisito esperienza nelle metodologie di sequenziamento di nuova
100
generazione a seguito dell'acquisizione della nuova piattaforma Roche 454 Titanium.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR

D. D’Elia, A. Turi, D. Catalano, F. Licciulli, G. Tripoli, D. Porcelli, C. Saccone, C. Caggese.
MitoDrome: a content manager system to manage and retrieve data on nuclear encoded
mitochondrial proteins of D. melanogaster, D. pseudoobscura and A. gambiae. It. J. Biochem.
(2004), Special Issue vol.53: 170

D. Catalano, A. Turi, F. Licciulli, G. Grillo, C. Saccone and D. D’Elia. MitoNuc: a specialized
collection of nuclear metazoan genes encoding mitochondrial protein. It. J. Biochem.(2004), Special
Issue vol.53: 169

Galasso I, Lioi L, Lanave C, Bollini R, Sparvoli F. Identification and isolation of lectin nucleotide
sequences and species relationships in the genus Lens Miller. Theor Appl Genet. 2004
Apr;108(6):1098-102. Epub 2003 Nov 20.

Di Bernardo, G., Galderisi, U., Del Gaudio, S., D’Aniello, A., Lanave, C., De Robertis, MT.,
Cascino, A. and M. Cipollato. Genetic characterization of Pompeii and Herculaneum Equidae
buried by Vesuvius in 79 AD.J Cell Physiol. May;199(2):200-205 (IP04: 5.222)

Santamaria M, Lanave C, Saccone C. The evolution of the adenine nucleotide translocase family.
Gene. 2004 May 26;333:51-9.

Lanave C, Santamaria M, Saccone C. Comparative genomics: the evolutionary history of the Bcl-2
family.Gene. 2004 May 26;333:71-9.

Di Bernardo G, Galderisi U, Del Gaudio S, D'Aniello A, Lanave C, De Robertis MT, Cascino A,
Cipollaro M. Genetic characterization of Pompeii and Herculaneum Equidae buried by Vesuvius in
79 AD.J Cell Physiol. 2004 May;199(2):200-5.

Reyes A, Gissi C, Catzeflis F, Nevo E, Pesole G, Saccone C. Congruent mammalian trees from
mitochondrial and nuclear genes using Bayesian methods. Mol Biol Evol. 2004 Feb;21(2):397-403.
Epub 2003 Dec 5

Gisel A, Panetta M, Grillo G, Licciulli VF, Liuni S, Saccone C, Pesole G. DNAfan: a software tool
for automated extraction and analysis of user-defined sequence regions. Bioinformatics. 2004 Dec
12;20(18):3676-9. Epub 2004 Jul 15.

T. Castrignanò, A. Canali, G.Grillo, S.Liuni, F.Mignone and G.Pesole CSTminer: a web tool for the
identification of coding and noncoding conserved sequence tags trhough cross-species genome
comparison. Nucleic Acids Research, 32 Web Server Issue W624-7

Tripoli, G., D‘Elia, D., Barsanti, P. Caggese, C..Comparison of the oxidative phosphorylation
(OXPHOS) nuclear genes in the genomes of Drosophila melanogaster, Drosophila pseudoobscura
101
and Anopheles gambiae. Genome Biol (2005), 6:R11.

M. Re, F. Mignone, M. Iacono, G. Grillo, S. Liuni and G. Pesole. A new strategy to identify novel
genes and gene isoforms: analysis of human chromosome 15, 21 and 22. Gene Volume 365, 3
January 2006, Pages 35-40

Antonacci R, Lanave C, Del Faro L, Vaccarelli G, Ciccarese S, Massari S. Artiodactyl emergence is
accompanied by the birth of an extensive pool of diverse germline TRDV1 genes. Immunogenetics.
2005 May;57(3-4):254-66. Epub 2005 Mar 9.

De Grassi A, Caggese C, D'Elia D, Lanave C, Pesole G, Saccone C. Evolution of nuclearly encoded
mitochondrial genes in Metazoa.

Gene. 2005 Jul 18;354:181-8.

Mignone F, Grillo G, Licciulli F, Iacono M, Liuni S, Kersey PJ, Duarte J, Saccone C, Pesole G.
UTRdb and UTRsite: a collection of sequences and regulatory motifs of the untranslated regions of
eukaryotic mRNAs. Nucleic Acids Res. 2005 Jan 1;33(Database issue):D141-6.

N. Ancona, R.Maglietta, A, D’Addabbo, S. Liuni and G.Pesole (2005) Regularized Least Squares
Cancer Classifiers from DNA microarray data (2005) BMC Bioinformatics, 6 (Suppl 4):S2

Helmer-Citterich M, Casadio R, Guffanti A, Mauri G, Milanesi L, Pesole G, Valle G, Saccone C.
Overview of BITS2005, the Second Annual Meeting of the Italian Bioinformatics Society.(2005)
BMC Bioinformatics. 2005 Dec 1;6 Suppl 4:S1.

Carninci P, Kasukawa T, Katayama S, Gough J, Frith MC, Maeda N, Oyama R, Ravasi T, Lenhard
B, Wells C, Kodzius R, Shimokawa K, Bajic VB, Brenner SE, Batalov S, Forrest AR, Zavolan M,
Davis MJ, Wilming LG, Aidinis V, Allen JE, Ambesi-Impiombato A, Apweiler R, Aturaliya RN,
Bailey TL, Bansal M, Baxter L, Beisel KW, Bersano T, Bono H, Chalk AM, Chiu KP, Choudhary
V, Christoffels A, Clutterbuck DR, Crowe ML, Dalla E, Dalrymple BP, de Bono B, Della Gatta G,
di Bernardo D, Down T, Engstrom P, Fagiolini M, Faulkner G, Fletcher CF, Fukushima T, Furuno
M, Futaki S, Gariboldi M, Georgii-Hemming P, Gingeras TR, Gojobori T, Green RE, Gustincich S,
Harbers M, Hayashi Y, Hensch TK, Hirokawa N, Hill D, Huminiecki L, Iacono M, Ikeo K, Iwama
A, Ishikawa T, Jakt M, Kanapin A, Katoh M, Kawasawa Y, Kelso J, Kitamura H, Kitano H, Kollias
G, Krishnan SP, Kruger A, Kummerfeld SK, Kurochkin IV, Lareau LF, Lazarevic D, Lipovich L,
Liu J, Liuni S, McWilliam S, Madan Babu M, Madera M, Marchionni L, Matsuda H, Matsuzawa S,
Miki H, Mignone F, Miyake S, Morris K, Mottagui-Tabar S, Mulder N, Nakano N, Nakauchi H, Ng
P, Nilsson R, Nishiguchi S, Nishikawa S, Nori F, Ohara O, Okazaki Y, Orlando V, Pang KC, Pavan
WJ, Pavesi G, Pesole G, Petrovsky N, Piazza S, Reed J, Reid JF, Ring BZ, Ringwald M, Rost B,
Ruan Y, Salzberg SL, Sandelin A, Schneider C, Schönbach C, Sekiguchi K, Semple CA, Seno S,
Sessa L, Sheng Y, Shibata Y, Shimada H, Shimada K, Silva D, Sinclair B, Sperling S, Stupka E,
Sugiura K, Sultana R, Takenaka Y, Taki K, Tammoja K, Tan SL, Tang S, Taylor MS, Tegner J,
Teichmann SA, Ueda HR, van Nimwegen E, Verardo R, Wei CL, Yagi K, Yamanishi H,
Zabarovsky E, Zhu S, Zimmer A, Hide W, Bult C, Grimmond SM, Teasdale RD, Liu ET, Brusic V,
Quackenbush J, Wahlestedt C, Mattick JS, Hume DA, Kai C, Sasaki D, Tomaru Y, Fukuda S,
Kanamori-Katayama M, Suzuki M, Aoki J, Arakawa T, Iida J, Imamura K, Itoh M, Kato T, Kawaji
H, Kawagashira N, Kawashima T, Kojima M, Kondo S, Konno H, Nakano K, Ninomiya N, Nishio
T, Okada M, Plessy C, Shibata K, Shiraki T, Suzuki S, Tagami M, Waki K, Watahiki A, Okamura102
Oho Y, Suzuki H, Kawai J, Hayashizaki Y; FANTOM Consortium; RIKEN Genome Exploration
Research Group and Genome Science Group (Genome Network Project Core Group). The
transcriptional landscape of the mammalian genome.

Science. 2005 Sep 2;309(5740):1559-63. Erratum in: Science. 2006 Mar 24;311(5768):1713.

Rè M, Mignone F, Iacono M, Grillo G, Liuni S, Pesole G. A new strategy to identify novel genes
and gene isoforms: Analysis of human chromosomes 15, 21 and 22.Gene. 2006 Jan 3;365:35-40.
Epub 2005 Dec 15.

Castrignanò T, De Meo PD, Grillo G, Liuni S, Mignone F, Talamo IG, Pesole G. GenoMiner: a tool
for genome-wide search of coding and non-coding conserved sequence tags.Bioinformatics. 2006
Feb 15;22(4):497-9. Epub 2005 Nov 2.

D. D’Elia, A. Turi, F. Licciulli, D. Catalano, C. Saccone. The MitoDrome database and recent
developments.EMBnet.news, 2006, 12 (1), 6-11

Catalano D, Licciulli F, Turi A, Grillo G, Saccone C, D’Elia D. MitoRes: a resource of nuclearencoded mitochondrial genes and their products in Metazoa.BMC Bioinformatics. 2006 Jan
24;7:36.

De Grassi A, Lanave C, Saccone C.Evolution of ATP synthase subunit c and cytochrome c gene
families in selected Metazoan classes.Gene. 2006 Apr 26;371(2):224-33. Epub 2006 Feb 7.

D’Elia D, Catalano D, Licciulli F, Turi A, Tripoli G, Porcelli D, Saccone C, Caggese C.The
MitoDrome database annotates and compares the OXPHOS nuclear genes of Drosophila
melanogaster, Drosophila pseudoobscura and Anopheles gambiae.

Mitochondrion. 2006 Oct;6(5):252-7. Epub 2006 Jul 21.

Domenico Catalano, Flavio Licciulli, Antonio Turi, Giorgio Grillo, Cecilia Saccone, Domenica
D’Elia. What the MitoRes Database Provides and How to Use It MitoMatters, Volume 5, Issue 1,
2006, Pages 3-5

R. Maglietta, A. D‘Addabbo, A. Piepoli, F. Perri, S. Liuni, G. Pesole and N. Ancona.Selection of
relevant genes in cancer diagnosis based on their prediction accuracy.Artificial Intelligence in
Medicine, Aug. 18

Ancona N., Maglietta R., Piepoli A., D‘Addabbo A., Cotugno R., Savino M., Liuni S., Carella M.,
Pesole G., and Perri F.On the statistical assessment of classifier using DNA microarray data. BMC
Bioinformatics Aug 19; 7-387

R. Maglietta, A. D’Addabbo, A. Piepoli, F. Perri, S. Liuni, G. Pesole and N. Ancona. Classification
error as a measure of gene relevance in cancer diagnosis.International Joint Conference on Neural
Networks, Vancouver, BC, Canada

T. Castrignanò, P. D’Onorio De Meo, G. Grillo, S. Liuni, F. Mignone, I. G. Talamo, and G. Pesole.
GenoMiner: a tool for genome-wide search of coding and non-coding conserved sequence tags.
Bioinformatics, Vol 22(4), 497-9.
103

D. D’Elia. The MitoRes database (2007) EMBnet.news, 2007, 13 (1), 19-22.

Lanave C, Colangelo AM, Saccone C, Alberghina L. Molecular evolution of the neurotrophin
family members and their Trk receptors. Gene. 2007 Jun 1;394(1-2):1-12. Epub 2007 Feb 9.

Sbisà E, Catalano D, Grillo G, Licciulli F, Turi A, Liuni S, Pesole G, De Grassi A, Caratozzolo MF,
D’Erchia AM, Navarro B, Tullo A, Saccone C, Gisel A. p53FamTaG : a database resource of
human p53, p63 and p73 direct target genes combining in silico prediction and microarray data.
BMC Bioinformatics. 2007 Mar 8;8 Suppl 1:S20.

R.Maglietta, A.Piepoli, D.Catalano, F.Licciulli, M.Carella, S.Liuni, G.Pesole, F.Perri and
N.Ancona. Statistical assessment of functional categories of genes deregulated in pathological
conditions by using microarray data. Bioinformatics 2007 Aug 15;23(16):2063-72.

Tulipano A, Donvito G, Licciulli F, Maggi G, Gisel A. Gene analogue finder: a GRID solution for
finding functionally analogous gene products. BMC Bioinformatics. 2007 Sep 3;8:329.

Paolo D, Onorio De Meo, Danilo Carrabino, Nico Sanna, Tiziana Castrignanò, Giorgio Grillo,
Flavio Licciulli, Sabino Liuni, Matteo Re, Flavio Mignone, Graziano Pesole. A High Performance
grid-web service framework for the identification of ëconserved sequence tags Future Generation
Computer Systems 23 (2007) 371-381

Nils-Einar Eriksson, Domenica D’Elia, Erik Bongcam-Rudloff. EMBnet, a brief history and a
current picture. EMBnet.news, 2008, 14 (3), 3-6

Castrignanò T, D’Antonio M, Anselmo A, Carrabino D, D’Onorio DM, D’Erchia A, Licciulli F,
Mangiulli M, Mignone F, Pavesi G, Picardi E, Riva A, Rizzi R, Bonizzoni P, Pesole G. ASPicDB:
A database resource for alternative splicing analysis Bioinformatics. 2008 May 15;24(10):1300-4.
Epub 2008 Apr 3.

Meo, P. D’Onorio De; Carrabino, D.; D’Antonio, M.; D’Addabbo, A.; Liuni, S.; Mignone, F.;
Pesole, G.; Ancona, N. HT-RLS: High-Throughput Web Tool for Analysis of DNA Microarray
Data Using RLS classifiers Cluster Computing and the Grid, 2008. CCGRID’08. 8th IEEE
International Symposium on Volume , Issue , 19-22 May 2008 Page(s):747 – 752.

Mignone F, Anselmo A, Donvito G, Maggi GP, Grillo G, Pesole G. Genome-wide assessment of
coding and non-coding conserved sequence tags in human and mouse genomes. BMC Genomics
2008, 9:277

Navarro B, Pantaleo V, Gisel A, Moxon S, Dalmay T, Bisztray G, Di Serio F, Burgyán J. Deep
sequencing of viroid-derived small RNAs from grapevine provides new insights on the role of RNA
silencing in plant-viroid interaction. PLoS One. 2009 Nov 5;4(11):e7686.

Di Serio F, Gisel A, Navarro B, Delgado S, Martínez de Alba AE, Donvito G, Flores R. Deep
sequencing of the small RNAs derived from two symptomatic variants of a chloroplastic viroid:
implications for their genesis and for pathogenesis. PLoS One. 2009 Oct 21;4(10):e7539.

Turi A, Loglisci C, Salvemini E, Grillo G, Malerba D, D’Elia D. Computational annotation of UTR
cis-regulatory modules through Frequent Pattern Mining. BMC Bioinformatics. 2009 Jun 16;10
104
Suppl 6:S25.

D’Elia D, Gisel A, Eriksson NE, Kossida S, Mattila K, Klucar L, Bongcam-Rudloff E. The 20th
anniversary of EMBnet: 20 years of bioinformatics for the Life Sciences community. BMC
Bioinformatics. 2009 Jun 16;10 Suppl 6:S1.

M. Mirto, I. Epicoco, S. Fiore, M. Cafaro, A. Negro, D. Tartarini, D. Lezzi, O. Marra, A. Turi, A.
Ferramosca, V. Zara, G. Aloisio, G. Donvito, L. Carota, G. Cuscela, G. P. Maggi, G. La Rocca, M.
Mazzucato, S. My, G. Selvaggi, G. Scioscia, P. Leo, L. Di Pace, G. Pappada‘, V. Quinto, M.
Berardi, F. Falciano, A. Emerson, E. Rossi, G. Lavorgna, A. Vanni, Lisa Bartoli, P. Di Lena, P.
Fariselli, R. Fronza, L. Margara, L. Montanucci, P. L. Martelli, I. Rossi, M. Vassura, R. Casadio, T.
Castrignan√ö, D. D‘Elia, G. Grillo, F. Licciulli, S. Liuni, A. Gisel, M. Santamaria, S. Vicario, C.
Saccone, A. Anselmo, D. Horner, F. Mignone, G. Pavesi, E. Picardi, V. Piccolo, M. Re, F.
Zambelli, G. Pesole. The LIBI Grid Platform for Bioinformatics (Handbook chapter) (2009)
Handbook of Research on Computational Grid Technologies for Life Sciences, Biomedicine and
Healthcare, IGI Global.

E. Bongcam-Rudloff, D. D’Elia, A. Gisel, S. Kossida, K. Mattila, L. Klucar Proceedings from
European Molecular Biology Network (EMBnet) Conference 2008: 20th Anniversary Celebration.
Leading applications and technologies in bioinformatics. BMC Bioinformatics volume 10, Suppl 6
(2009).

Barbera R, Donvito G, Falzone A, La Rocca G, Milanesi L, Maggi GP, Vicario S.The GENIUS
Grid Portal and robot certificates: a new tool for e-Science.BMC Bioinformatics. Jun 16;10 Suppl
6:S21

Pantaleo V, Saldarelli P, Miozzi L, Giampetruzzi A, Gisel A, Moxon S, Dalmay T, Bisztray G,
Burgyan J. Deep sequencing analysis of viral short RNAs from an infected Pinot Noir grapevine.
Virology. 2010 Dec 5;408(1):49-56. Epub 2010 Sep 26.

Di Serio F, Martínez de Alba AE, Navarro B, Gisel A, Flores R. RNA-dependent RNA polymerase
6 delays accumulation and precludes meristem invasion of a viroid that replicates in the nucleus. J
Virol. 2010 Mar;84(5):2477-89. Epub 2009 Dec 16.

M. Ceci, C. Loglisci, E. Salvemini, D. D’Elia, D. Malerba. Mining Spatial Association Rules for
Composite Motif Discovery, (Book Chapter) (2010): 87-119.Mathematical Approaches to Polymer
Sequence Analysis and Related Problems by Renato Bruni Editor.

[Springer book page]

Grillo G, Turi A, Licciulli F, Mignone F, Liuni S, Banfi S, Gennarino VA, Horner DS, Pavesi G,
Picardi E, Pesole G. UTRdb and UTRsite (RELEASE 2010): a collection of sequences and
regulatory motifs of the untranslated regions of eukaryotic mRNAs Nucleic Acids Res. 2010
Jan;38(Database issue):D75-80. Epub 2009 Oct 30

Horner DS, Pavesi G, Castrignanò T, De Meo PD, Liuni S, Sammeth M, Picardi E, Pesole G.
Bioinformatics approaches for genomics and post genomics applications of next-generation
sequencing. Brief Bioinform. 2010 Mar;11(2):181-97. Epub 2009 Oct 27. Review.
105

Ruiz-Ruiz S, Navarro B, Gisel A, Peña L, Navarro L, Moreno P, Di Serio F, Flores RCitrus tristeza
virus infection induces the accumulation of viral small RNAs (21- 24-nt) mapping preferentially at
the 3’-terminal region of the genomic RNA and affects the host small RNA profile. Plant Mol Biol.
2011 Feb 15

Consiglio A, Grillo G, Licciulli F, Ceci LR, Liuni S, Losito N, Volpicella M, Gallerani R, De Leo
F.PlantPIs–an interactive web resource on plant protease inhibitors. Curr Protein Pept Sci. 2011
Aug 1;12(5):448-54

Martelli PL, D’Antonio M, Bonizzoni P, Castrignanò T, D’Erchia AM, D’Onorio De Meo P,
Fariselli P, Finelli M, Licciulli F, Mangiulli M, Mignone F, Pavesi G, Picardi E, Rizzi R, Rossi I,
Valletti A, Zauli A, Zambelli F, Casadio R, Pesole G. ASPicDB: a database of annotated transcript
and protein variants generated by alternative splicing. Nucleic Acids Res. 2011 Jan;39(Database
issue):D80-5. Epub 2010 Nov 4

Tulipano, C. Marangi, L. Angelini, G. Donvito, G. Cuscela, G. Maggi and A. Gisel. GRID
distribution supports clustering validation of large mixed microarray data.EMBnet.journal, vol 17,
No 1.
Progetti più significativi

MIUR PON, Ricerca Industriale: “ MICROMAP: Sviluppo di una piattaforma tecnologica
multiplex per diagnostica molecolare, portatile ed automatizzata, basata sulla logica strumentale del
Lab-on-chip, in grado di consentire applicazioni multiparametriche in campo infettivologico”

MIUR PON, Ricerca Industriale “VIRTUALAB: Advanced Biomedical Mechatronic Systems for
Diagnosis and Therapy based on Virtual and Augmented Reality, microelectronics and on high
throughput robotised workstations”

MIUR – Mezzogiorno : “CISIA: Conoscenze Integrate per la Sostenibilità e l’Innovazione del made
in Italy”.

MIUR-PON : “ Laboratorio di bioinformatica per la biodiversità molecolare”.

MIUR-PON : “ B.I.G.: Strengthening of the Bioinformatic and Genomic Infrastructures” – Prot.
MIUR 3078/80.

MIUR - FIRB : LIBI: “International Laboratory for Bioinformatics”.

MIUR - FIRB : ”Public-Private Laboratory for Bioinformatics applied to Genomics".

MIUR-Cluster : "Study of genes of biomedical and agro-food ".

MIUR/PRIN :" A new method of analysing biodiversity: an application of pyrosequencing to the
study of soil organisms".

MIUR-PON : “ Biosistema: Centro di Competenza in Biologie Avanzate”
106

EU Project : EMBRACE A European Model for Bioinformatics Research and Community
Education”.

EU Project : “Broadening the Bioinformatics Infrastructure to unicellular, animal, and plant
science”.

EU Project COST : “Next Generation Sequencing Data Analysis Network”.

MIPAF Bilateral Agreements Italia-Francia, Research Project VIGNA : “Sequencing and functional
characterization of vine genome (Vitis vinifera L.)".

FISM : “Large-scale analysis of infectious agents associated with Multiple Sclerosis through
random and massive cDNA sequencing".

Regional Strategic – Puglia : “Research and Development of new Bioinformatic and Biotechnology
instruments for the analysis of gene and protein expression profile of cancer and for the
identification of biological markers to early diagnose colorectal, kidney and oral cavity neoplasia”

Infrastrutture Regionali – Puglia : “BioBancaOncologicaPugliese(BioBOP)-Network per l'utilizzo
di tessuti oncologici controllati e caratterizzati per lo sviluppo di nuovi approcci Diagnostici,
Farmacologici e Biomedicali".

BioVeL: Biodiversity Virtual e-Laboratory (http://www.biovel.eu/) is a project proposal in response
to the European Commission’s FP7 2011 Call “INFRA-2011-1.2.1 — e-Science environments”.
BioVeL meets the needs of Europe’s Biodiversity Science research community with tools for
pipelining data and analysis into efficient workflows, urgently needed to understand biodiversity in
a rapidly changing environment.

LIfeWatch-ITA is the Italian research infrastructure related to LifeWatch, the European
infrastructure developed to support all aspects of research on the protection, management and
sustainable use of biodiversity. More detailed information on the European initiative can be found
at the LifeWatch website (http://www.lifewatch.eu/). ITB is partner of the infrastructure for
development of algorithm for data analysis.
107
Unità di Ricerca n. 1.10 IAC (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Angelini
Nome
Claudia
14/08/1971
Data di Nascita
Sesso
F
Codice Fiscale
NGLCLD71M54F839H Luogo di Nascita
Napoli
telefono
+39 0816132393
Provincia
Napoli
Nazione
Italia
e-mail
[email protected]
Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Istituto
Istituto per le
Applicazioni
del Calcolo
Dipartimento
Dipartimento
Materiali e
dispositivi
Domicilio fiscale
Via dei Taurini 19
CAP
00185
Città
Roma
Provincia
Roma
Telefono
0649270921
Fax
064404306
E-MAIL
[email protected]
Codice fiscale
80054330586 P.IVA
Codice anagrafe ricerche
F129003U
02118311006
Breve CV scientifico dei partecipanti dell’Istituto CNR
Claudia Angelini, Responsabile scientifico. Laureata in Matematica con lode presso l’Università
degli Studi di Napoli “Federico II. Dottorato di ricerca in Matematica Applicata ed Informatica
presso l’Università degli Studi di Napoli “Federico II. Ricercatore CNR dal 27/12/2001,
attualmente in servizio presso L'Istituto per le Applicazioni del Calcolo. Dal 1995 partecipante in
progetti di ricerca nazionali e internazionali riguardanti l'analisi dati e la metodologia statistica
connessa. 2001: responsabile progetto Giovani Ricercatori. Dal 2005 responsabile di progetti di
108
ricerca in ambito biologico. Dal 2007- ad oggi responsabile della commessa "Metodi matematici e
statistici per la genetica e la proteomica ". Dal 2008-2011 responsabile della CNR-RSTL "Metodi
Bayesiani di selezione delle variabili con applicazioni alla genomica". Dal 2011 partecipante al
network internazionale Next Generation Sequencing Data Analysis Network
(COST Action
BM1006). Reviewer per diverse riviste internazionali, è stata membro del comitato scientifico e del
comitato organizzatore di convegni internazionali, docente a contratto presso l'Università della
Calabria e presso l'Università degli Studi di Salerno e partecipante a come esperto valutatore a FP7
della comunità europea. Dal 2008 è membro del collegio dei docenti del dottorato di Biologia
Computazionale (Seconda Università di Napoli). Ha all'attivo oltre 30 pubblicazioni su rivista
internazionale. Principali temi di ricerca:
- Sviluppo ed implementazione di metodi statistici con applicazione all'analisi dei dati "omici"
- Analisi di dati "omici" e dati high throughput
- Metodi Computazionali per l'analisi di dati di Next Generation Sequencing
Maria Francesca Carfora, laureata in Matematica con lode presso l’Università degli Studi di
Napoli “Federico II. Ricercatore CNR dal 1/1/1996, attualmente in servizio presso L'Istituto per le
Applicazioni del Calcolo. Dal 1997 responsabile e partecipante in progetti di ricerca nazionali e
internazionali in ambito fisico, ambientale, medico, biologico; responsabile della formazione per
giovani borsisti e assegnisti; reviewer per diverse riviste. Ha all'attivo circa 20 pubblicazioni su
rivista internazionale. Principali temi di ricerca:
- sviluppo e implementazione di metodi numerici per PDE su griglie strutturate e non strutturate
con applicazioni a fisica dell’atmosfera, fluidodinamica, sistemi biologici.
- analisi di dati multidimensionali e trattamento di immagini (segmentazione, classificazione,
registrazione) con applicazioni a immagini telerilevate e biomediche.
- risoluzione numerica di problemi inversi.
Filippo Castiglione. Dopo la laurea in Scienze dell'informazione all'Univ di Milano, Filippo
Castiglione ha speso un breve periodo all'IBM T.J. Watson Research Center e al Department of
Molecular Biology della Princeton University. Successivamente, dopo un anno alla ST
Microelectronics in Italia, Castiglione ha iniziato la carriera scientifica con un dottorato in
Informatica all'Università di Colonia in Germania. Prima di diventare ricercatore CNR, FC ha
109
trascorso un anno come post doc al Dipartimento di Informatica dell'Università “La Sapienza” di
Roma, quattro mesi a Boston al dipartimento di Cell Biology della Harvard Med School con una
borsa di studio della Fondazione Harvard-Armenise e un anno di post dottorato all'Institute for
Medical Bio-Mathematics a Tel Aviv in Israele. I suoi interessi di ricerca spaziano dallo studio dei
sistemi complessi in generale alla modellistica dei sistemi biologici ed in particolare del sistema
immunitario e delle patologie ad esso connesse nonché all'applicazione dei metodi bioinformatici
alla Immunologia. FC ha pubblicato circa 70 articoli su riviste internazionali, proceedings e
capitoli di libri (~45 ISI). È stato principal investigator per due progetti EU - ICT for Health del
FP6/7. Dal 2007 è primo ricercatore all'IAC "M.Picone" di Roma.
Daniela De Canditiis, laureata in Matematica con lode presso l’Università degli Studi di Napoli
“Federico II. Dottorato di ricerca in Matematica Applicata ed Informatica presso l’Università degli
Studi di Napoli “Federico II. Ricercatore CNR dal 27/12/2001, attualmente in servizio presso
L'Istituto per le Applicazioni del Calcolo. Dal 1995 partecipante in progetti di ricerca nazionali e
internazionali in ambito fisico. 2000: responsabile progetto Giovani Ricercatori. Dal 2001
partecipante in progetti di ricerca nazionali e internazionali in ambito fisico, biologico e sui beni
culturali. Reviewer per diverse riviste internazionali. Ha all'attivo circa 30 pubblicazioni su rivista
internazionale. Principali temi di ricerca:
- Sviluppo di metodi numerico/statistici per l’analisi di segnali o immagini
- Analisi di dati "omici" e sviluppo di metodologia per analisi dati high throughput
- Sviluppo di tecniche di denoising per sequenze di immagini video di interesse storico culturale
Italia De Feis, laureata in Matematica con lode presso l’Università degli Studi di Napoli “Federico
II. Dottorato di ricerca in Matematica Applicata ed Informatica presso l’Università degli Studi di
Napoli “Federico II. Ricercatore CNR dal 2/3/1998, attualmente in servizio presso L'Istituto per le
Applicazioni del Calcolo. Dal 1998 è stata principal investigator e co-investigator in numerosi
progetti di ricerca con finanziamenti sia interni CNR che esterni (Progetti bilaterali, Agenzia
Spaziale Italiana, EUMETSAT, Ministero degli Esteri), membro di Comitato Organizzatore per
corsi e conferenze, reviewer per diverse riviste internazionali. Dal 2008 è membro del collegio dei
docenti del dottorato di Biologia dei Sistemi (Università degli Studi di Salerno). Dal 2011
partecipante al network internazionale Next Generation Sequencing Data Analysis Network
(COST Action BM1006). Ha all'attivo oltre 30 pubblicazioni su rivista internazionale. Principali
110
temi di ricerca
- Analisi statistica di dati ad elevata dimensionalità
- Sviluppo di modelli ed algoritmi per la risoluzione di problemi di interesse per la fisica
dell’atmosfera e la biologia
- Metodi Computazionali per l'analisi di dati di Next Generation Sequencing
Roberto Natalini. Laurea in Matematica Roma "La Sapienza", 1983; PhD Univ. Bordeaux I,
1986. Ricercatore IAC-CNR (1988-1998). Professore Associato Università Roma La Sapienza
(1998-1999), Dirigente di Ricerca IAC-CNR (1999-presente). Si occupa dello studio e
dell'approssimazione di equazioni differenziali con applicazioni in biologia, fluidodinamica,
traffico, finanza, conservazione dei monumenti. Fa parte del Consiglio Direttivo della Società
Italiana di Matematica Applicata e Industriale. Ha pubblicato 76 lavori su riviste ISI (Oltre 1000
citazioni ISI, ISI h-index=16). Nel top 1% degli autori più citati in matematica negli ultimi 10 anni
(fonte ISI). Plenary speakers in oltre 30 conferenze internazionali. Organizzatore e/o nel comitato
scientifico di oltre 20 tra workshop e conferenze internazionali. Responsabile di numerosi progetti
nazionali e internazionali, tra cui: Project Coordinator, European Science Foundation PESC
programme AMaMeF (Advanced Mathematical Methods in Finance), 2005-2008; Responsabile
Unita' CNR PRIN 2008-2009 "Equazioni iperboliche non lineari e fluidodinamica"; Progetto
Vittoriano del Ministero dei Beni Culturali su “Modelli matematici per il
monitoraggio del
danneggiamento delle pietre monumentali del Vittoriano” in collaborazione con ISCR, 2008-2009;
Principal Investigator del Google Award project "Multipopulation Models for Vehicular Traffic
and Pedestrians" 2012.
Giuseppe Pontrelli. Primo ricercatore CNR, con interessi centrati sulla modellistica matematica e
analisi numerica per equazioni a derivate parziali. Con attività prevalente in fluidodinamica
computazionale, si occupa da anni di applicazioni in biomedicina, fenomeni di diffusione e
trasporto di soluti e farmaci nei tessuti, modelli per dinamica di cellule staminali, e stent a rilascio
di farmaco. Le metodologie dipendono dalla scala in esame e includono metodi alle differenze
/volumi e metodi cinetici su reticolo (lattice Boltzmann). Autore di 50 pubblicazioni su riviste
internazionali.
Paolo Tieri. Laurea in Fisica, Univ. Bologna 1999. PhD in oncologia e patologia sperimentale,
Univ. Bologna 2009. Ricercatore IAC-CNR (2011-presente). Si interessa alla system biology,
111
oncologia, immunologia, elaborando modelli matematici per reti di interazione tra proteine. È
autore di una decina di lavori su riviste internazionali.
Andrea Tosin. Laurea Specialistica Ingegneria Matematica Politecnico Torino 2004. Ph.D.
Politecnico Torino 2008. Ricercatore IAC-CNR (2011-presente). Si occupa di modelli matematici
per la biologia e i comportamenti collettivi (traffico, pedoni, sistemi sociali). Ha ricevuto il premio
INdAM-SIMAI 2010 per la sua tesi di dottorato. Ha partecipato a numerosi progetti nazionali ed è
stato il Principal Investigator del INdAM-GNFM Young Researcher Project “Multiscale methods
and models for collective behaviors in living complex systems” (2011). È autore di 17 lavori su
riviste internazionali.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni
 C. Angelini, D. De Canditiis and M. Pensky “Clustering time-course microarray data using
functional Bayesian infinite mixture-model”, Journal of Applied Statistics (2011).
 L.Murino, C.Angelini, I.De Feis, G.Raiconi, R.Tagliaferri. Beyond classical consensus
clustering: the Least Squares approach to multiple solutions. Pattern Recognition Letters,
32,1604–1612, (2011).
 V. Costa, C. Angelini, L. D'Apice, M. Mutarelli, A. Casamassimi, M. Rienzo, L. Sommese,
M.A. Gallo, M. Aprile, R. Esposito, L. Leone, A. Donizetti, S. Crispi, B. Sarubbi, R.
Calabrò, M. Picardi, P. Salvatore, P. De Berardinis, C. Napoli, A. Ciccodicola, Massivescale RNA-Seq analysis of non ribosomal transcriptome in human trisomy 21, PLoS ONE
2011.
 M. Pava-Ripoll, C. Angelini, W. Fang, S. Wang, F. Posada and R. Leger, The rhizosphere
competent entomopathogen Metarhizium anisopliae expresses a specific subset of genes in
plant root exudate, Microbiology, vol. 157, pp. 47-55, (2011).
 A. Boccabella, R. Natalini, L. Pareschi. On a continuous mixed strategies model for
evolutionary game theory. Kinet. Relat. Models 4 (2011), no. 1, 187—213.
 A-L. Woelke, J. von Eichborn, M.S. Murgueitio, C.L. Worth, F. Castiglione, R. Preissner.
Development of Immune-Specific Interaction Potentials and Their Application in the
Multi-Agent-System VaccImm. PLoS ONE 6(8): e23257 (2011).
 N. Rapin, O. Lund and F. Castiglione. Immune System Simulation Online. Bioinformatics,
112
Application note, 17, (2011).
 T. Clancy, M. Pedicini, F. Castiglione, D. Santoni, V. Nygaard, T. J. Lavelle, M. Benson
and E. Hovig. Immunological network signatures of cancer progression and survival. BMC
Medical Genomics 4:28 (2011).
 P. Paci, F. Martini, M. Bernaschi, G. D'Offizi and F. Castiglione. Earlier is better: a timely
HAART initiation may pave the way for best controllers. BMC Infectious Diseases 11:56
(2011).
 F. Castiglione, D. Santoni, N. Rapin. CTLs’ repertoire shaping in the thymus: a Montecarlo
simulation. Autoimmunity 44(4): 1–10 (2011).
 I. Halliday, M. Atherton, M.W. Collins, G. Pontrelli et al., Multiscale interaction of
particulate flow and the arterial wall, Med. Eng. Phys, (2011)
 G. Pontrelli, C. S. Köenig, I.Halliday, T.J. Spencer, M.W. Collins, Q. Long, S. Succi,
Modelling wall shear stress in small arteries using Lattice Boltzmann method: influence of
the endothelial wall profile, Med. Eng. Phys, (2011).
 P. Tieri P, A. de la Fuente, A. Termanini, C. Franceschi. Integrating omics data for
signaling pathway and interactome reconstruction and functional analysis, in:
Bioinformatics for Omics Data: Methods and Protocols, Mayer B ed., Springer/ Humana
Press (2011).
 L. Bruno, A. Tosin, P. Tricerri, F. Venuti Non-local first-order modelling of crowd
dynamics: A multidimensional framework with applications Appl. Math. Model.,
35(1):426-445, 2011.
 E. Cristiani, B. Piccoli, A. Tosin, Multiscale modeling of granular flows with application to
crowd dynamics Multiscale Model. Simul., 9(1):155-182, 2011.
 A. Tosin, P. Frasca, Existence and approximation of probability measure solutions to
models of collective behaviors Netw. Heterog. Media, 6(3):561-596, 2011
 V. Costa, L. Sommese, A. Casamassimi, R. Colicchio, C. Angelini, V. Marchesano, L.
Milone, B. Farzati, A. Giovane, C. Fiorito, M. Rienzo, M. Picardi, B. Avallone, M. M.
Corsi, B. Sarubbi, R. Calabrò, P. Salvatore, A. Ciccodicola and C. Napoli. Impairment of
circulating endothelial progenitors in Down syndrome. BMC Medical Genomics, 3:40,
(2010).
 V. Costa, C. Angelini, I. De Feis, A. Ciccodicola. Uncovering the complexity of
transcriptomes with RNA-Seq. Journal of Biomedicine and Biotechnology, Article ID
113
853916, 19 pages, (2010).
 V. Bruni, D. De Canditiis and D. Vitulano “Time-scale energy based analysis of contours
of real-world shapes”, Mathematics and Computers in Simulation (2010).
 A. Cangiani, R. Natalini, A spatial model of cellular molecular trafficking including active
transport along microtubules. J. Theoretical Biology, vol. 267; p. 614-625, (2010)
 F. Clarelli, R. Natalini, A pressure model of immune response to mycobacterium
tuberculosis infection in several space dimensions, Mathematical Biosci. and Eng. Volume:
7, Pages: 277-300 (2010)
 M. Pedicini, F. Barrenas, T. Clancy, F. Castiglione, E. Hovig, K. Kanduri, D. Santoni and
M. Benson. Combining network modeling and gene expression microarray analysis to
explore the dynamics of Th1 and Th2 cell regulation. PLoS Comput Biol 6(12): e1001032
(2010).
 F. Castiglione and P.Paci. Criticality of timing for anti-HIV therapy initiation. PLoS ONE
5(12): e15294 (2010).
 M. Halling-Brown, F. Pappalardo, N. Rapin, P. Zhang, D. Alemani, A. Emerson, F.
Castiglione, P. Doroux, M. Penisi, O. Miotto, D. Churchill, E. Rossi, D. S. Moss, C. E.
Sansom, M. Bernaschi, M-P. Lefranc, S. Brunak, S. Motta, P-L. Lollini, K. E. Basford, V.
Brusic, A.J. Shepherd. ImmunoGrid: towards agent-based simulations of the human
immune system at a natural scale. Phil. Trans. R. Soc. A. 368: 2799–2815 (2010).
 N. Rapin, O. Lund, M. Bernaschi and F. Castiglione. Computational immunology meets
bioinformatics: the use of prediction tools for molecular binding in the simulation of the
immune system. PLoS ONE. 5(4): e9862 (2010).
 F. Pappalardo, M. Pennisi, F. Castiglione, S. Motta. Vaccine protocols optimization: in
silico experiences. Biotechnology Advances. 28: 82–93 (2010).
 T. Avitabile, F. Castiglione, V. Bonfiglio, F. Castiglione. Transconjunctival suture- less 25gauge versus 20-gauge standard vitrectomy: correlation between corneal topography and
ultrasound biomicroscopy measurements of sclerotomy sites. Cornea. 29(1):19-25 (2010).
 J. Janela, A. Sequeira, G. Pontrelli, S. Succi, S. Ubertini, Unstructured lattice-Boltzmann
method for hemodynamic flows with shear-dependent viscosity, Int. J. Modern Physics C,
vol. 21, 6, pp. 1-17, (2010)
 A. Tosin, L. Preziosi, Multiphase modeling of tumor growth with matrix remodeling and
fibrosis, Math. Comput. Modelling, 52(7-8):969-976, (2010)
114
 G. Pontrelli, F. de Monte, A multi-layer porous wall model for coronary drug-eluting stents,
Int J. Heat Mass Transfer, vol.53, pp. 3629-3637, (2010)
 C. Angelini, D. De Canditiis and M. Pensky "Bayesian models for the two-sample timecourse microarray experiments". Computational Statistics & Data Analysis. 53, pag 15471565 (2009).
 V. Bruni, D. De Canditiis and D. Vitulano “Phase Information and Space Filling Curves in
Noisy Motion Estimation” IEEE Transactions on Image Processing, 18, pag. 1660-1664,
(2009).
 P. Barone, M. F. Carfora, R. March, Segmentation, Classification and Denoising of a Time
Series Field by a Variational Method. Journal of Mathematical Imaging and Vision, 34,
pag 152-164; (2009).
 A. Abramovich, I. De Feis, T. Sapatinas. Optimal testing for additivity in multiple
nonparametric regression. Annals of the Institute of Statistical Mathematics, 61, pp. 691714, (2009).
 Guarguaglini, C. Mascia, R. Natalini, M. Ribot, Global stability of constant states and
qualitative behavior of solutions to a one dimensional hyperbolic model of chemotaxis,
Discrete and Continuous Dynamical Systems - Series B, 12, 2009, 39-76.(2009)
 D. Vergni, F. Castiglione, M. Briani, S. Middei, E. Alberdi, K. G. Reymann, R. Natalini, C.
Volonté, C. Matute, F. Cavaliere, A Model of Ischemia-Induced Neuroblast Activation in
the Adult Subventricular Zone, PLoS ONE, (2009),
 G. Carbou, B. Hanouzet, R. Natalini R. Semilinear behavior for totally linearly degenerate
hyperbolic systems with relaxation. J. differential equations, vol. 249; p. 291-319, (2009).
 V. Baldazzi, P. Paci, M. Bernaschi and F. Castiglione. Modeling lymphocytes homing and
encounters in lymph nodes. BMC Bioinformatics. 10: 387 (2009).
 P. Paci, R. Carello, M. Bernaschi, G. D'Offizi and F. Castiglione. Immune control of HIV-1
infection after therapy interruption: immediate versus deferred antiretroviral therapy. BMC
Infectious Diseases. 9: 172 (2009).
 G. Dell'Acqua and F. Castiglione. Stability and phase transitions in a mathematical model
of Duchenne muscular dystrophy. J Theor Biol. 260(2): 283-9 (2009).
 F. Pappalardo, M. D. Halling-Brown, N. Rapin, P. Zhang, D. Alemani, A. Emerson, P.
Paci, P. Duroux, M. Pennisi, A. Palladini, O. Miotto, D. Churchill, E. Rossi, A. J.
Shepherd, D. S. Moss, F. Castiglione, M. Bernaschi, M-P. Lefranc, S. Brunak, S. Motta, P115
L. Lollini, K. E. Basford and V. Brusic. ImmunoGrid, an integrative environment for largescale simulation of the immune system for vaccine discovery, design, and optimization.
Briefing in Bioinformatics.10(3):330-40 (2009).
 G. Pontrelli, F. de Monte, Modeling of mass dynamics in arterial drug-eluting stents, J.
Porous Media, Vol. 12, 1, pp. 19-28, (2009),
 L. Davia, M. Grassi, G. Pontrelli et al., Mathematical modelling of NABD release from
endoluminal gel paved stent, Comp. Biol and Chem., 33, pp. 39-40, (2009).
 M. Grassi, G. Grassi, G. Pontrelli, L. Teresi, Novel design of drug delivery in stented
artery: a numerical comparative study, Math. Bio. & Eng., vol 6, n. 3, pp. 493-508, (2009)
 G. Pontrelli, S. Ubertini, S. Succi, The unstructured Lattice Boltzmann method for NonNewtonian flows, J. Stat. Mech.: Theory & Exp., P06005, (2009)
 Cevenini E, Bellavista E, Tieri P, Castellani G, Lescai F, Francesconi M, Mishto M,
Santoro A, Valensin S, Salvioli S, Capri M, Zaikin A, Monti D, de Magalhães JP,
Franceschi C. Systems Biology and Longevity: an emerging approach to identify
innovative anti-aging targets and strategies, Curr. Pharm. Des. (2009).
 Tieri P, Grignolio A, Paradigms and architectures in the immune system: from degeneracy
to bow ties, in: ACUME Living Texts conference series proceedings, PNW Polish
Scientific Publishers. (2009)
 Capri M, Salvioli S, Cevenini E, Celani L, Sevini F, Bellavista E, Lanzarini C, Lukas S,
Lescai F, Tieri P, Monti D, Franceschi C. Aging and Longevity in Animal Models and
Humans, in: Life-Span Extension, Aging Medicine, Sell C et al. eds., Springer/Humana
Press, (2009)
 J. Galle, L. Preziosi, A. Tosin, Contact inhibition of growth described using a multiphase
model and an individual cell-based model, Appl. Math. Lett., 22(10):1483-1490, (2009).
 L. Preziosi, A. Tosin, Multiphase and multiscale trends in cancer modelling
Math. Model. Nat. Phenom., 4(3):1-11, (2009).
 L. Preziosi, A. Tosin, Multiphase modelling of tumour growth and extracellular matrix
interaction: mathematical tools and applications J. Math. Biol., 58(4-5):625-656, (2009).
 M.F. Carfora, R. Natalini, A discrete kinetic approximation for the incompressible Navier
Stokes equations, ESAIM: Mathematical Modelling and Numerical Analysis, Vol. 42, No 1,
pp. 93–112, (2008).
 C. Angelini, L. Cutillo, D. De Canditiis, M. Mutarelli, and M. Pensky “BATS: a Bayesian
116
user-friendly software for Analyzing Time Series microarray experiments”. BMC
Bioinformatics, 9, (2008).
 M. Mutarelli, L. Cicatiello, M. Ravo, O.M.V. Grober, A. Facchiano, C. Angelini, A. Weisz.
Time-course whole-genome microarray analysis of estrogen effects on hormone-responsive
breast cancer cells. BMC Bioinformatics, 9, (2008).
 A. Cappuccio, F. Castiglione, B. Piccoli and V. Tozzi. Evaluation of HIV/CD4+ T cell
dynamic parameters in patients treated with genotypic resistance testing-guided HAART.
Curr HIV Res. 6(4): 363-9 (2008).
 A. Liso, F. Castiglione, A. Cappuccio, F. Stracci, R. Schlenk, S. Amadori, C. Thiede, S.
Schnittger, P. J.M. Valk, K. Döhner, M. F. Martelli, M. Schaich, J. Krauter, A. Ganser, M.
P. Martelli, N. Bolli, B. Löwenberg, T. Haferlach, G. Ehninger, F. Mandelli, H. Döhner, F.
Michor, and B. Falini. A one-mutation mathematical model can explain the age incidence
of AML with mutated nucleophosmin (NPM1). Haematologica/The Hematology Journal,
93(8): 1219-26 (2008).
 D. Santoni, M.Pedicini, F. Castiglione. Implementation of a regulatory gene network to
simulate the TH1/2 differentiation in an agent-based model of hyper-sensitivity reactions.
Bioinformatics, 24(11):1374-1380 (2008).
 V. Tozzi, R. Bellagamba, A. Amendola, G. D'Offizi, E. Nicastri,
J. Ivanovic, U.
Comandini-Visco, F. Forbici, C. Gori, F. Castiglione, C. Reynaud, M.F. Salvatori, M.R.
Capobianchi, C.F. Perno, A. Antinori, P. Narciso. Plasma HIV RNA decline and drug
resistance evolution among patients with multiple virologic failures receiving resistance
testing-guided HAART. AIDS Res Hum Retrovirus, 24(6): 787-796 (2008).
 M. Bernaschi and F. Castiglione. A comment to “Optimization and parallelisation strategies
for Monte Carlo simulation of HIV infection” by D. Hecqueta , H.J. Ruskinb , M. Crane.
Computers in Biol and Medicine, 38: 281 (2008).
 D. Aregba-Driollet, M. Briani, R. Natalini. Asymptotic high- order schemes for 2x2
dissipative hyperbolic systems. SIAM J. Numerical analysis, vol. 46; p. 869-894, (2008).
 Tieri P ,The immune system: look who's talking, in: Biocomplexity at the cutting edge of
Physics, Systems Biology and Humanities, Bononia University Press, 1, 145-154. (2008)
 Cevenini E, Invidia L, Lescai F, Salvioli S, Tieri P, Castellani GC, Franceschi C. Human
models of aging and longevity. Expert Opin. Biol. Ther. 8 (9), 1393-1405. (2008)
 Salvioli S, Capri M, Tieri P, Loroni J, Barbi C, Invidia L, Altilia S, Santoro A, Pirazzini C,
117
Pierini M, Bellavista E, Alberghina L, Franceschi C. Different types of cell death in
organismal aging and longevity: state of the art and possible systems biology approach,
Curr. Pharm. Des., 14, 226-236, (2008)
 C. Angelini, D. De Canditiis, M. Mutarelli, and M. Pensky "A Bayesian approach to
estimation and testing in time-course microarray experiments", Statistical Applications in
Genetics and Molecular Biology, 6, (2007).
 I., Cascino, F., Paladini, F., Belfiore, A., Cauli, C., Angelini, M.T. Fiorillo, A. Matieu, R.
Sorrentino. Analysis of the HBLA-B27 extended haplotype in Sardinia disclosed additional
predisposing factors for Ankylosing Spondylitis. Arthritis & Rheumatism, 56, pp. 26402651, (2007).
 M.Pensky, B.Vidakovic and D.De Canditiis “Bayesian decision theoretic scale-adaptive
estimation of a log-spectral density”. Statistica Sinica, 17, pag 653-666, (2007).
 F.Abramovich, C. Angelini and D. De Canditiis “Pointwise optimality of bayesian wavelet
estimators data”. Annals of the Institute of Statistical Mathematics, 59, (2007).
 F. Castiglione, F. Pappalardo, M. Bernaschi and S. Motta. Optimization of HAART with
genetic algorithms and agent based models of HIV infection. Bioinformatics, 23(24): 33503355, (2007).
 F. Castiglione and B. Piccoli. Cancer immunotherapy, mathematical modeling and optimal
control. J Theo Biol. ,247(4), 723-732, (2007).
 F. Castiglione, K.A. Duca, A. Jarrah, R. Laubenbacher, K. Luzuriaga, D. Hochberg and
D.A. Thorley-Lawson. Simulating Epstein Barr Virus Infection with C-ImmSim.
Bioinformatics, 23: 1371-1377, (2007).
 A. Cappuccio, F. Castiglione and B. Piccoli. Determination of the optimal therapeutic
protocol in cancer immunotherapy. Math Biosci, 209(1): 1-13 (2007).
 M. Bernaschi, F. Castiglione, A. Ferranti, C. Gavrila, and G. Cesareni. Protnet: a stochastic
tool for dynamic simulation of protein interaction networks. BMC Bioinformatics, 8,
(2007).
 F. Castiglione, A. Liso, M. Bernaschi and S. Succi. Microscopic simulation in biology and
medicine. Current Medicinal Chemistry, 14(6): 625-637, (2007).
 S. Bianchini, B Hanouzet, R. Natalini, Asymptotic behavior of smooth solutions for
partially dissipative hyperbolic systems with a convex entropy. Communication on pure
and applied mathematics, vol. 60; p. 1559-1622, (2007)
118
 M. Briani, R. Natalini, G. Russo, Implicit-Explicit Numerical Schemes for Jump--Diffusion
Processes; Calcolo 44, 33-57, (2007).
 F. R. Guarguaglini and R. Natalini, Fast reaction limit and large time behavior of solutions
to a nonlinear model of sulphation phenomena, Commun. Partial Differ. Equations 32, 163189, (2007).
 F. R. Guarguaglini, R. Natalini, Global existence and uniqueness of solutions for
multidimensional weakly parabolic systems arising in chemistry and biology, c (CPAA), 6,
287-309, (2007).
 G. Pontrelli, F. de Monte, Mass diffusion through two-layer porous media: an application to
the drug-eluting stent, Int. J. Heat Mass Transf., 50, pp. 3658-3669, (2007).
 Salvioli S, Tieri P, Castellani GC, Capri M, Barbi C, Santoro A, Altilia S, Invidia L, Pierini
M, Bellavista E, Monti D, Franceschi C. Longevity genes across species: conservation
versus evolvability, Inv. Surviv. J., 4, 112-118, (2007).
 Remondini D, Neretti N, Sedivy JM, Franceschi C, Milanesi L, Tieri P, Castellani GC,
Networks from gene expression time series: characterization of correlation patterns, Int. J.
Bifurcat. Chaos, 17 (7), 2477-2483, (2007).
Progetti più significativi
Elenco delle progetti finanziati negli ultimi 5 anni assegnati all'Istituto
- DM26398: "Context Aware Security by Hierarchical Multilevel Architectures: CASHMA" MIUR
- FIRB
- MSCF-CT-2004-013336: "An European atelier for engineering and computational sciences"
COMUNITA' EUROPEA
- Contract n. 028069 : "Immunogrid The European vitual human immune system project",
FP6/2004/IST/CALL4
- Contract n. 031980 (NMP3-CT-2006-031980) "INFLUS Integrated
Microfluidic
Bench
Technologies for Active Control of Unconventional Fluid by Functionalised Material Interface of
Complex Geometry Microchannels" FP6/STREP. INFLUS
- Contract no 043241 : "COMPLEXDIS
Unravelling complex diseases with complexity theory:
119
from networks to the bedside", FP6-2005-NEST-PATH,
- FP/7 ICT 2009-5:
"Project Hycon2 Highly complex and networked control systems",
COMUNITA' EUROPEA
- FP/7 SPACE 2010-1.: "BIO-SOS Biodiversity Multi-Source MOnitoring System: From Space
To Species", COMUNITA' EUROPEA
RBNE08E8CZ: "MERIT Medical Research in Italy", MIUR
- PON01_02460: "Studio per la realizzazione di un presidio diagnostico per l'individuazione di
strategie terapeutiche personalizzate per il diabete di tipo 2 mediante approcci di genomica e
trascrittomica (DIAGEN-SC) " , PON Ricerca industriale 2007-2013
120
Unità di Ricerca n. 1.11 IBBA (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Stella
Nome
Alessandra
Data di Nascita
14 -03-68
Sesso
F
Codice Fiscale
STLLSN68C54E514K Luogo di Nascita
legnano
telefono
0371 4662 690
Provincia
MI
Nazione
Italia
e-mail
[email protected]
Istituzione di
appartenenza)
CNR
Istituto
IBBA
Breve CV scientifico dei partecipanti dell’Istituto CNR
Elenco dei componenti interessati a partecipare alle attività previste dal WP con mini CV.
Alessandra Stella: Ricercatore CNR, III livello, si occupa di bioinformatica, analisi statistica e
informatica. In particolare l’attività di ricerca riguarda: lo studio delle basi genetiche di
caratteristiche fenotipiche di salute e produzione di specie agro-zootecniche; la progettazione di
procedure di analisi di sequenze biologiche, il disegno di procedure statistiche, l’analisi statistica e
gli studi di genetica di popolazioni; sviluppo di piattaforme di analisi di dati di next generation
sequencing. Coordina inoltre supporto tecnologico alle attività di ricerca dei colleghi mediante la
realizzazione di software e database.
Bianca Castiglioni: Ricercatore CNR, III livello, svolge attività di ricerca nel settore della
genomica animale; in particolare si occupa dello studio di geni candidati per la qualità del latte e
della carne mediante metodiche “high-troughput” e della messa a punto di metodi molecolari
innovativi per la sicurezza alimentare e la sanità animale. E’ stata ed è tuttora responsabile
scientifico di progetti di ricerca regionali, nazionali ed europei inerenti lo studio e il miglioramento
della produzione e della qualità della carne suina, la diagnostica molecolare per la qualità, tipicità e
121
sicurezza dei prodotti di origine animale e la sanità animale.
Flavia Pizzi: Ricercatore CNR, III livello, ha competenze nel settore della riproduzione animale e
nella creazione e gestione delle Banche delle Risorse Genetiche Animali.
Paolo Leone: Primo Ricercatore CNR, II livello, si occupa dell’individuazione ed utilizzo di
marcatori genetici per lo studio della variabilità genetica ed il controllo dei caratteri produttivi
degli animali domestici, e per l’individuazione di caratteri peculiari delle produzioni di origine
animale.
Stefania Chessa: Ricercatore CNR, III livello, si occupa di genetica molecolare e quantitativa
applicata alla zootecnia e di analisi delle diversità genetiche nelle popolazioni zootecniche. In
particolare si è dedicata allo sviluppo di tecnologie innovative per il miglioramento della qualità
delle produzioni animali e alla divulgazione di risultati scientifici al personale delle Associazioni
Nazionali Allevatori.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni:
 Minozzi G, Buggiotti L, Stella A, Strozzi F, Luini M, Williams JL. Genetic loci involved
in antibody response to Mycobacterium avium ssp. paratuberculosis in cattle. PLoS One.
2010 Jun 15;5(6):e11117.
 Stella A., Ajmone-Marsan P, Lazzari B, Boettcher P. Identification of Selection. Signatures
in Cattle Breeds Selected for Dairy Production. Genetics. 2010 May 17..
 Pisoni G, Moroni P, Genini S, Stella A, Boettcher PJ, Cremonesi P, Scaccabarozzi L,
Giuffra E, Castiglioni B. Differentially expressed genes associated with Staphylococcus
aureus mastitis in dairy goats. Vet Immunol Immunopathol. 2010 Jun 15;135(3-4):208-17.
 Merelli I, Caprera A, Stella A., Del Corvo M, Milanesi L, Lazzari B. The Human EST
Ontology Explorer: a tissue-oriented visualization system for ontologies distribution in
human EST collections. BMC Bioinformatics. 2009 Oct 15;10 Suppl 12:S2.
 Lazzari B, Caprera A, Cestaro A, Merelli I, Del Corvo M, Fontana P, Milanesi L, Velasco
R, Stella A. Ontology-oriented retrieval of putative microRNAs in Vitis vinifera via
122
GrapeMiRNA: a web database of de novo predicted grape microRNAs. BMC Plant Biol.
2009 Jun 29;9:82.
 Bovine HapMap Consortium. Genome-wide survey of SNP variation uncovers the genetic
structure of cattle breeds. Science. 2009 Apr 24;324(5926):528-32.
 Panzitta F, Caprera A, Merelli I, Milanesi L, Williams JL, Lazzari B, Stella A. Mining the
bovine genome with the "Bovine SNP Retriever". J Hered. 2008 Nov-Dec;99(6):696-8.
Epub 2008 Jun 9.
 Viti F, Merelli I, Caprera A, Lazzari B, Stella A, Milanesi L.
Ontology-based, Tissue
MicroArray oriented, image centered tissue bank. BMC Bioinformatics. 2008 Apr 25;9
Suppl 4:S4.
 Lauri A, Castiglioni B, Morabito S, Tozzoli R, Consolandi C, Mariani P. A tool based on
Ligation Detection Reaction-Universal Array (LDR-UA) for the characterization of VTEC
by identification of virulence-associated and serogroup-specific genes. Mol Cell Probes.
2011 Feb;25(1):35-43. Epub 2010 Oct.
 Cariani A, Piano A, Consolandi C, Severgnini M, Castiglioni B, Caredda G, Candela M,
Serratore P, De Bellis G, Tinti F. Detection and characterization of pathogenic vibrios in
shellfish by a Ligation Detection Reaction-Universal Array
approach. Int J Food
Microbiol. 2011 Nov 20. [Epub ahead of print]
 Lauri A, Castiglioni B, Mariani P. Comprehensive analysis of Salmonella sequence
polymorphisms and development of a LDR-UA assay for the detection and characterization
of selected serotypes. Appl Microbiol Biotechnol. 2011 Jul;91(1):189-210. Epub 2011 May
25.

Severgnini M, Cremonesi P, Consolandi C, Caredda G, De Bellis G, Castiglioni B. ORMA:
a tool for identification of species-specific variations in 16S rRNA gene and
oligonucleotides design. Nucleic Acids Res. 2009 Sep;37(16):e109. Epub 2009 Jun 16.
123
Progetti più significativi
Elenco delle progetti finanziati negli ultimi 5 anni

3SR “Sustainable Solutions for Small Ruminants.” Finanziatore : European Commission. FP7.
Coordinatori di WP.

MACROSYS “Macrophage Systems biology applied to disease control”. Finanziatore : European
Commission. FP7. Coordinatori di WP.

NEXTGEN “Next Generation methods to preserve farm animal biodiversity by optimizing present
and future breeding options”. Finanziatore : European Commission. FP7. Coordinatori di WP.

NADIR “The Network of Animal Disease Infectiology Research Facilities”. Finanziatore :
European Commission. FP7. Coordinatori di WP.

MASTFIELD “Applicazione di sistemi molecolari innovativi per il controllo in campo delle mastiti
bovine”: Finanziatore: Regione Lombardia.

EADGENE “European Animal Disease Network of Excellence”. Finanziatore : European
Commission. FP7.

AGROGEN “Laboratorio di GENomica per caratteri di importanza AGROnomica in frumento
duro: identificazione di geni utili, analisi funzionale e selezione assistita con marcatori molecolari
per lo sviluppo della filiera sementiera nazionale”. Fnanziatore: MIUR

RICG “Development of human scFv saporin fusion proteins for the treatment of human leukaemia
and lymphoma”. Finanziatore: Leukaemia Busters Registered Charity, Southampton, U.K.

Progetto “Development and production of recombinant toxins based on saporin in the host Pichia
pastoris”. Finanziatore: Accordo Quadro ICE-MISE-CRUI.

Carta d’identità nutrizionale di varietà locali e di nuove linee di fagiolo nel Meridione d’Italia,
nell’ambito del “Progetto di Ricerca per potenziare la competitività di orticole meridionali –
PROM. Finanziatore: MIPAF – CRA

Progetto comune di ricerca “Characterization of the lpa-280-10 (low phytic acid) mutant of
common bean (Phaseolus vulgaris L.): transcriptome and functional analyses of the response to
phosphorus deficiency” nell’ambito dell’accordo di cooperazione scientifica CNR/CONACYT
(ITALIA-MESSICO)

FP6 Marie Curie Research Training Network “Vacuolar Transport Equipment for Growth
124
Regulation in Plants” Contract N°: MRTN-CT-2006-035833. Finanziatore: European Commission.

Progetto di Ricerca d'Interesse Nazionale 2007 (PRIN 2007) “Accumulo e turnover di proteine nelle
piante” Finanziatore: MIUR,

FP6 Integrated Project ‘Pharma-Planta’ (LSHBCT-2003-503565) Finanziatore: European
Commission

Programma “Risorse biologiche e tecnologie innovative per lo sviluppo sostenibile del sistema
agroalimentare”, Finanziatore: CNR-Regione Lombardia

Progetto: “I proteasomi come integratori tra i segnali di stress e le risposte di morte cellulare
nell’osteosarcoma canino: valutazione del loro ruolo come potenziali target molecolari di nuove
terapie contro il cancro”. Finanziatore: Ministero dell'Istruzione dell'Università e della Ricerca.

Progetto: “Studio strutturale e funzionale dei proteasomi 20S e 26S nelle cellule vegetali con
particolare riferimento al loro ruolo nel processo di Degradazione Associata all’ER
125
Unità di Ricerca n. 1.12 IMATI (CNR)
Responsabile Scientifico dell'Unità di Ricerca
Cognome Ironi
Nome
Liliana
Data di Nascita
16-7-1949
Sesso
F
Codice Fiscale
RNILLN49L56G399X Luogo di Nascita
Pecorara
telefono
0382 548219
Provincia
PC
Nazione
Italia
e-mail
[email protected]
Istituzione di
appartenenza)
(art.5, c.1, DM
citato)
CNR
Dipartimento
IMATIPV
Istituto
Divisione
Settore
Soggetto Istituzionale di afferenza dell'Unità di Ricerca (Istituto CNR)
Denominazione
Istituto di Matematica Applicata e Tecnologie Informatiche
Natura giuridica
Ente pubblico di ricerca
Domicilio fiscale
Via Ferrata 1
CAP
27100
Città
Pavia
Provincia
PV
Telefono
0382 548211
Fax
0382 548300
E-MAIL
[email protected]
Codice fiscale
80054330586 P.IVA
02118311006
Codice anagrafe ricerche
126
Breve CV scientifico dei partecipanti dell’Istituto CNR
Andrea Clematis è dirigente di ricerca presso il CNR-IMATI e responsabile della commessa
"Metodologie, algoritmi e applicazioni per Grid di collaborazione". L'attività di ricerca del Dr. Clematis
riguarda la progettazione e lo sviluppo di strumenti, algoritmi e applicazioni per l'utilizzo efficiente di
architetture di elaborazione innovative e principalmente di sistemi paralleli e distribuiti. Il Dr. Clematis è il
rappresentante italiano nel Management Committee della rete COST Open Network for High Performance
Computing on Complex Environments (COST - Action IC0805); è Subject area editor (Parallel Computing)
del Journal of Systems Architecture (Elsevier), ed è Chairman del Euromicro Technical Commitee on
Parallel and Distributed Processing. Attualmente coordina la partecipazione di IMATI al progetto europeo
DRIHM (Distributed Research Infrastructure for Hydro Meteorology - FP7- RI-283568 - Project type: CPCSA). Il Dr. Clematis è stato responsabile per la partecipazione di IMATI in più di 20 progetti di ricerca,
(finanziati da EU, Ministeri italiani, aziende private, enti locali, Nato e British Council) sui temi
dell'elaborazione parallela e distribuita. Sugli stessi temi è co-autore di oltre 150 pubblicazioni su riviste, in
atti di congresso e capitoli di libro.
Liliana Ironi got a Laurea Degree in Mathematics at the University of Pavia. She is currently Research
Director at CNR-IMATI. Her primary interest deals with mathematical modeling, both quantitative and
qualitative, of dynamical systems for different domains in Life Sciences, such as Biology, Medicine and
Pharmacology. She authored more than 90 reviewed papers in scientific journals and international
conferences, edited a book on Qualitative Reasoning techniques, and served as guest-editor of special
issues. She chaired and co-chaired several international symposiums and workshops in the area of
Mathematical Biology and Medicine, e.g. BIOSYS, Milano 2005, Dynamics of gene-regulatory networks at
ECMTB Conference, Edinburgh 2008, World Conference on Nature and Biologically Inspired Computing,
Kitakyushu, 2010. She participated to several EC and national projects of CNR-IMATI, and she is currently
responsible for the research unit “Modeling and simulation of complex systems”, for the research unit
“Mathematical models of biological regulatory networks”, and for the Regione Lombardia project
“Epidemics of Plasmopara viticola and planning of fitoiatric treatments”.
Michela Spagnuolo si è laureata con lode in Matematica presso l’Università di Genova e ha ricevuto il Phd
in Computer Science Engineering all’INSA di Lione, Francia. E’ ora primo ricercatore presso IMATI-GE.
E’ co-autore di oltre 130 articoli peer-reviewed pubblicati su riviste scientifiche e proceedings di convegni
internazionali; è co-editrice di un libro sull’analisi di forme 3D, ed è stata guest-editor di numerose spcial
issue di riviste scientifiche nel settore. Attulamente, è associate editor di Computers&Graphics, Computer
Graphics Forum e The Visual Computer. E’ membro dello steering committee della conferenza
127
internazionale Shape Modelling International (SMI), ed è stata programme chair più volte programme chair
del workshop EUROGRAPHICS ed ACM su 3D Object Retrieval (3DOR). I suoi interessi di ricerca
riguradano la topologia computazionale, la modellazione di forme 3D, metodi matematici per l’analisi di
forme 3D, metodi per la valutazione della similarità tra forme. E’ stata responsabile per IMATI-GE di vari
progetti nazionali ed europei, ed attualmente coordina la partecipazione IMATI-GE al progetto FP7 Marie
Curie Initial Training Network "MultiScaleHuman”; è responsabile della commessa CNR “Advanced
techniques for the analysis and synthesis of multidimensional media” del progetto CNR-ICT Multimodal
and Multidimensional Content and Media e della commessa "Metodi di modellazione e analisi, strumenti di
calcolo ad alte prestazioni e grid computing per dati e applicazioni in ambito bioinformatico" del progetto
interdipartimentale CNR-ICT Bioinformatica.
Pubblicazioni scientifiche più significative dei partecipanti dell’Istituto CNR
Elenco delle pubblicazioni negli ultimi 5 anni
 Merelli I., Cozzi P., D'Agostino D., Clematis A., Milanesi L. Image-Based Surface
Matching Algorithm Oriented to Structural Biology. In IEEE/ACM Trans. Comput.
Biology Bioinform, vol. 8 (4) pp. 1004-1016, 2011.
 Galizia A., D'Agostino D., Clematis A. A Grid Framework to enable parallel and
concurrent TMA image analyses.In: International Journal of Grid and Utility Computing,
vol. 1 (3) pp.261- 271, Inderscience Publisher, 2009.
 Merelli I., Orro A., D’Agostino D., Clematis A., Milanesi L. A Parallel Protein Surface
Reconstruction System. In: International Journal of Bioinformatics Research and
Applications, vol. 4 (3), pp. 221-239, Inderscience Publishers, 2008.
 D'Agostino D., Merelli I., Clematis A., Milanesi L., Orro A. A Parallel Workflow for the
Reconstruction of Molecular Surfaces. In: Parallel Computing: Architectures, Algorithms
and Applications, Advances in Parallel Computing, vol. 15, pp. 147-154, IOS Press, 2008.
 Clematis A., D'Agostino D., Galizia A., Merelli I., Milanesi L., Viti F. Experimenting Grid
Protocols to Improve Privacy Preservation in Efficient Distributed Image Processing. In:
Parallel Computing: Architectures, Algorithms and Applications, Advances in Parallel
Computing, vol. 15, pp. 139-146, IOS Press, 2008.
 R. Guglielmann, L. Ironi: A divide-and-conquer strategy for qualitative simulation and
fuzzy identification of complex dynamical systems, Int. J. of Uncertainty, Fuzziness and
128
Knowledge-Based Systems, (2011) 19(3), pp. 423-452 doi:10.1142/S0218488511007076.
 Liliana Ironi, Luigi Panzeri, Erik Plahte, Valeria Simoncini: Dynamics of actively regulated
gene networks, Physica D (2011) 240, pp. 779-794, doi:10.1016/j.physd.2010.12.010,
 Liliana Ironi, Stefania Tentoni: Interplay of spatial aggregation and computational
geometry in extracting diagnostic features from cardiac activation data, Computer Methods
and Programs in Biomedicine, (2011) doi: 10.1016/j.cmpb.2011.01.009.
 Liliana
Ironi,
Stefania
Tentoni:
An
Automated
Tool
for
the
Detection
of
Electrocardiographic Diagnostic Features based on Spatial Aggregation and Computational
Geometry, Proc. of 2nd International Workshop on Medical Image Analysis and
Description for Diagnosis Systems (in conjuntion with BIOSTEC 2011), Rome, January
2011, pp. 3-12.
 Vercesi, S.L. Toffolatti, G.Zocchi, R. Guglielmann, L. Ironi: A new approach to modelling
the dynamics of oospore germination in Plasmopara viticola, European Journal of Plant
Pathology (2010) 128(1), pp. 113-126.
 L. Ironi, L. Panzeri: A computational framework for qualitative simulation of nonlinear
dynamical models of gene-regulatory networks, BMC Bioinformatics (2009), 10(suppl
12):S14 doi:10.1186/1471-2105-10-S12-S14
 L. Ironi, L. Panzeri, E. Plahte: An algorithm for Qualitative Simulation of Gene Regulatory
Networks with Steep Sigmoidal Response Functions, Lecture Notes in Computer Science,
5147 (2008) 110-124.
 Liliana Ironi, Stefania Tentoni: Automated detection of qualitative spatio-temporal features
in electrocardiac activation maps, Artificial intelligence in Medicine, 39, (2007), 99-111.
 Decherchi S., Colmenares J., Catalano C.E., Spagnuolo M., Alexov E., and Rocchia W.,
Between algorithm and model: different Molecular Surface definitions for the PoissonBoltzmann
based
electrostatic
characterization
of
biomolecules
in
solution,
Communications in Computational Physics, (Accepted, In press), 2011
 Biasotti S., Patane' G., Spagnuolo M., Falcidieno B., Barequet G. Shape Approximation by
Differential Properties of Scalar Functions. In: Computers & Graphics-Uk, vol. 34 pp. 252 262. Elsevier, 2010.
 Patane' G., Spagnuolo M., Falcidieno B. Topology- and error-driven extension of scalar
functions from surfaces to volumes. In: ACM Transactions on Graphics, vol. 29 (1) article
n. 4. ACM, 2009.
129
 Reuter M., Biasotti S., Giorgi D., Patanè G., Spagnuolo M. Discrete Laplace- Beltrami
operators for shape analysis and segmentation. In: Computers & Graphics-Uk, vol. 33 (3)
pp. 381 - 390. Elsevier, 2009.

Biasotti S., De Floriani L., Falcidieno B., Frosini P., Giorgi D., Landi C., Papaleo L.,
Spagnuolo M. Describing shapes by geometrical-topological properties of real functions.
In: Computing Surveys, vol. 40 (4) ACM, 2008.
Progetti più significativi
Elenco delle progetti finaziati negli ultimi 5 anni
IMATI-GE (Andrea Clematis)
FP7-INFRASTRUCTURES
DRIHM:
Distributed
Research
Infrastructure
for
Hydro-
Meteorology (2011-2015, http://www.drihm.eu).
L’obiettivo del progetto è lo sviluppo di un prototipo di ambiente per e-Science dedicato alla
comunità idrometerologica in cui si fornisce un accesso ai modelli, ai dati, agli strumenti di
postprocessing ed all’infrastruttura di calcolo che sia facile da usare anche per gli scienziati che
non siano esperti nelle tecnologie per il calcolo parallelo e distribuito. Il progetto definirà anche
una visione strategica di lungo termine per lo sviluppo di nuovi strumenti previsionali ed archivi,
con lo scopo di studiare eventi meteorologici estremi, per l’esecuzione di simulazioni sul larga
scala e per la disseminazione di strumenti per la previsione.
FP7 Coordination Action
DRIHMS: Distributed
Research Infrastructure for Hydro-
Meteorology Study, (2009-2011, http://www.drihms.eu). Gli obiettivi del progetto sono stati la
cross fertilization tra le comunità scientifiche idrometerologica ed informatica, al fine di migliorare
l’eccellenza e la competitività della ricerca delle due comunità.
FP7 ICT Cost Action ComplexHPC: Open European Network for High Performance Computing
on Complex Environments, (2009-2013 http://complexhpc.org/ ). L’obiettivo del progetto è lo
sviluppo di un approccio integrato in grado di fornire un valido supporto per lo sviluppo di
applicazioni performanti sugli attuali sistemi per il calcolo ad alte prestazioni, la cui eterogeneità e
complessità pone rilevanti problematiche dal punto di vista della curva di apprendimento, dei
tempi di sviluppo e della portabilità delle prestazioni. In questo progetto l’IMATI-GE è il
130
rappresentante italiano nel Management Committee.
IMATI-PV (Liliana Ironi)
Regione Lombardia - Programma di Ricerca in campo Agricolo 2004-2006:
Monitoraggio e simulazione delle Epidemie di Plasmopara Viticola in Lombardia.
L’obiettivo riguarda lo studio dell’influenza di fattori endogeni ed esogeni sulla germinazione delle
oospore di P. viticola e la formulazione di modelli matematici, e loro simulazione, di un sistema
complesso a conoscenza incompleta.
Regione Lombardia – Programma di Ricerca in campo Agricolo 2007-2009: Comportamento
epidemico di Plasmopara viticola e gestione delle strategie di intervento. L’obiettivo del progetto
riguarda la stima del rischio epidemico dovuto a Plasmopara viticola nei diversi comprensori
viticoli lombardi. A tal scopo, ci si è occupati della formulazione di modelli di germinazione delle
oospore di P. viticola e simulazione della risposta a fattori endogeni ed esogeni.
IMATI-GE (Michela Spagnuolo)
FP7 Marie Curie Initial Training Network "MultiScaleHuman": Multi-scale Biological
Modalities for Physiological Human Articulation (2011-2015, http://multiscalehuman.miralab.ch).
L’obiettivo di MultiScale Human è promuovere la ricerca attraverso la formazione di ricercatori
junior e senior su argomenti connessi allo sviluppo di un sistema per la gestione, modellazione e
visualizzazione di dati biologici multi-scala, e della conoscenza medica a loro relativa, di supporto
alla comprensione, diagnosi, e trattamento di patologie muscolo-scheletali.
FP7-INFRASTRUCTURES "VISIONAIR": Vision Advanced Infrastructure for Research
(2011-2015). Al progetto partecipano 23 partner Europei che mettono a fattor comune le loro
tecnologie di visualizzazione (schermi olografici, schermi giganti ad altissima risoluzione, cave per
realtà virtuale e immersiva, strumenti di collaborazione remota, …) con l’obiettivo di supportare la
ricerca Europea in tutti i campi in cui la visualizzazione scientifica gioca un ruolo di primo piano.
IMATI-GE è responsabile del VVS (Virtual Visualisation Service), una piattaforma Internet-based
per la condivisione di software, dati e modelli 3D, che verrà specializzata per supportare il settore
biomedicale e armonizzarla con le possibilità offerte da strumentazione VISIONAIR.
The FP7 FOCUS K3D Coordination Action (2008-2010, http://www.focusk3d.eu), coordinated
131
by CNR-IMATI, worked on the idea of new approaches to the representation and processing of the
semantics of digital shapes, where digital shape identifies any digital representations of either
physically existing or virtual objects that can be processed by computer applications.
Bioinformatics and Medicine were among the most crucial application domains selected as active
fields of activities for the project.
Progetto Integrato FP7 ICT CHRONIOUS (2008-2012, http://www.chronious.eu/) proposes an
adaptive and ubiquitous chronic disease management system that offers continuous monitoring to
patients by using several sensors either in a form of a wearable solution or scattered in the patient’s
living environment and a series of “intelligent” services to healthcare providers and organisations
that aid them in the monitoring of their patients. The system will be supported by an advanced
ontology-based literature search module. The solution will be applied to the chronic diseases of
Chronic Obstructive Pulmonary Disease (COPD) and Chronic Kidney Disease (CKD) and Renal
Insufficiency
FP6 Network of Exellence AIM@SHAPE, coordinated by IMATI-GE, (2004-2007,
http://www.aimatshape.net) ) The Mission of AIM@SHAPE has been to foster the development of
new methodologies for modelling and processing the knowledge related to digital shapes. This
knowledge is concerned with the geometry (the spatial extent of the object), the structure (object
features and part-whole decomposition), attributes (colours, textures), semantics (meaning,
purpose), and has interaction with time (morphing, animation). AIM@SHAPE has grown a new
multi-disciplinary research field, which deeply integrates Computer Graphics and Vision with
Knowledge Technologies and builds on using knowledge formalisation mechanisms (metadata
and ontologies) for linking semantics to shape or shape parts.
Research collaboration between IMATI-CNR and IIT-Drug Discovery and Development,
focusing on “Shape modelling and analysis as a tool for biomolecule understanding”. The joint
research project focuses on the modelling of the interface – the molecular surface – between
solvent and the molecular solute. The Connoly surface is frequently used as a good reference for
it, but we are studying alternative solutions that provide a better control over smoothness properties
of the surface and a smoother dependence of the surface on the atoms’ positions. The joint project
will focus also on Quantitative Structure Property Relationship methods (QSPR). The challenge
addressed by the joint project is to identify and evaluate descriptors that capture geometric features
of the electronic density.
132
ATTIVITA’ DI RICERCA INTEROMICS
Attività di Ricerca suddivisa in Sottoprogetti
Introduzione
Nel progetto l’attività di ricerca sarà articolata in prevalenza sui primi 36 mesi di attività progettuali.
L’utimo anno di attività servirà per completare eventuali attività progettuali e mantenere fruibili i dati
e le infrastrutture di calcolo adibite al progetto nel corso mediante un apposito portale. Nel seguito
verranno descritte in dettaglio le principali attività previste dalle Unità di Ricerca.
Le attività scientifiche sono descritte puntualmente nelle Schede di Progetto.. Nel seguito verranno
raccolti le principali indicazioni progettuali.che costituiscono il quadro di riferimento generale.
Una quota del finanziamento complessivo verrà utilizzata per complementare le attività del progetto
mediante l’inserimento di nuove attività progettuali (II anno di attività). In accordo con il Comitato
Esecutivo verrà emanato un Bando Pubblico con selezione delle proposte progettuali da finaziare
mediante apposita comissione di valutazione.
Per l'affidamento delle attività di ricerca a privati, verranno seguite le procedure previste dall'art. 27
del decreto legislativo 12 aprile 2006, n. 163 - Codice dei contratti pubblici.
Il progetto prevede il potenziamento e la messa in fase ed in rete di una serie di piattaforme attive e
dotate di particolare competenza in settori e tecnologie che coprano l’intera filiera delle “scienze
omiche”, con particolare riferimento alla genomica, alla proteomica e alla bioinformatica, che
costituiscono gli assi portanti delle scienze omiche e che sono ben rappresentate in Italia ma disperse
e non finalizzate a ricadute applicative sistematiche. La creazione e l’implementazione di questo
circuito prevede la realizzazione di un forte meccanismo di governance centrale per selezionare i
progetti e garantirne la piena attuazione e il pieno sfruttamento delle ricadute applicative.
L’integrazione nella rete di realtà imprenditoriali e aziende del settore rafforzerà l’orientamento
all’applicazione dei risultati e lo sfruttamento degli stessi per la creazione di valore economico,
133
nonché un motore in presa diretta per dare competitività alle aziende del settore biomedico e altri
settori collegati.
Contesto Nazionale ed Internazionale
I recenti risultati dei progetti di sequenziamento del genoma di diverse specie hanno posto le basi per
lo studio delle moderne applicazioni industriali derivate dalla genomica e dalla proteomica. In questo
contesto, il progetto proposto sarà di supporto alla ricerca nella Sanità Pubblica, nelle Università,
negli Enti Pubblici di Ricerca e nelle industrie, per lo sviluppo di nuove strategie d’analisi dei dati
genetici in ambito biomedico e biotecnologico. L’obiettivo del progetto bandiera InterOmics è di
costituire un network di competenze Bioinformatiche specifiche nell’ambito dei dipartimenti del
CNR, Università ed Industrie in grado di costituire un polo di competenze per meglio coordinare e
dirigere le esigenze di analisi su larga scala in ambito biomedico poste dalle sfide a livello regionale,
nazionali ed Internazionali nell’ambito della gestione ed analisi dei dati prodotte dalle tecnologie
“Omics”. In questo ambito il CNR ha organizzato il Progetto Interdipartimentale di Bioinformatica
composto da ricercatori provenienti da 13 Istituti diversi suddivisi in 24 tematiche di ricerca. Tale
progetto insiemre ad altri gruppi di ricerca nel CNR consentirànno di favorire lo sviluppo di nuove
strategie di analisi e di gestione dei dati genomici e proteomici in ambito biomedico e sanitario. Tali
sinergie verranno realizzate mediante una selezione realizzata mediante appositi bandi come previsti
nella governace dei progetti bandiera sottoscritta dal CNR. La presente iniziativa si propone di
svolgere in modo coordinato attività di ricerca, di trasferimento tecnologico e di formazione che
confluiscano nello sviluppo di nuovi e avanzati prodotti bioinformatici disponibili alla intera
comunità scientifica nazionale ed internazionale. In particolare, saranno svolte attività di sviluppo di
nuove metodologie bioinformatiche che potranno trovare immediata applicazione in progetti di
interesse nazionale nei settori emergenti della System Biology, dello studio dei Sistemi Complessi,
delle Tecnologie Informatiche in supporto alla Biomedicina e delle applicazioni del Grid Computing
e Cloud
Computing applicati alla Biologia e alla Medicina per lo sviluppo della medicina
personalizzata e traslazionale. Il progetto bandiera interomics nell’ambito delle priorità definite nel
Programma Nazionale della Ricerca (PNR), svolgerà un ruolo di raccordo con altre iniziative a
livello Regionale, Nazionale ed Internazionale analoghe. A tale scopo, il direttore del progetto sentito
il comitato direttivo, potrà coinvolgere nel corso del progetto le comunità scientifiche e soggetti
pubblico-privati importanti al fine di promuovere l’internazionalizzazione della ricerca italiana nei
settori specifici di riferimento. Nel corso del progetto verranno valutate ulteriori proposte di
collaborazione provenienti dalla comunità scientifica e verranno identificate le opportunità per creare
134
sinergie fra i progetti nazionali e la partecipazione a progetti infrastrutturali europei (ESFRI) e le
associazioni scientifiche e di categoria interessate al progetto.
Espressone di interesse con lettere ufficiali in supporto alla partecipazione delle iniziative promosse
dal progetto dalle seguenti istituzioni:
1) Progetto Interdipartimentale di Bioinformatca dal CNR (Roma)
2) CRS4 Sardegna Ricerche (Cagliari)
3) CEINGE-Biotecnologie (Napoli)
4) Parco Tecnologico Padano (Lodi)
5) IRBM Science Park (Pomezia)
La genetica è una scienza in grande evoluzione e nuove scoperte che possono aiutare ad esempio
nella comprensione, nella cura e nella prevenzione di molte patologie. Un ruolo molto importante in
questa direzione è stato assunto dalla Bioinformatica
per produrre modelli e metodi atti a
spiegare/analizzare i dati ed i fenomeni in esame, le tecnologie per la produzione ed analisi massivo
dei dati “OMICS” e dall’informatica che può fornire gli strumenti hardware e software indispensabili
per manipolare la grande massa di dati coinvolti. Infatti, nei database pubblici si stanno accumulando
con velocità esponeziale enormi quantità di dati, provenienti da piattaforme e protocolli sperimentali;
l’utilizzo congiunto di tali dati e la successiva analisi con metodologie specifiche può portare a nuove
scoperte senza richiedere ulteriori costi sperimentali. Inoltre, l’analisi di nuovi esperimenti richiederà
strumenti di analisi sempre più sofisticati ed accurati in modo da tenere conto della complessità dei
fenomeni in esame, nei quali sono coinvolte molte variabili; questo porta ad un naturale
coinvolgimento delle scienze informatiche, chiamate a fornire gli strumenti hardware e software per
poter eseguire un’analisi accurata in tempi brevi, utilizzando calcolatori molto potenti (HPC) o basati
su piattaforme di GRID e Cloud computing. La Bioinformatica ha consentito, in particolare, di
studiare modelli matematici ed algoritmi per la rappresentazione di particolari problemi che
emergono nello studio del DNA (Genomics), delle proteine (Proteomics) del espressione genica
(Trascrittomics) e dei modelli metabolici (Metabolomics). Alcune fra le principali ricerche che
saranno affrontando a livello internazionale sono basate sulla caratterizzazione funzionale dei geni,
filogenesi e alberi filogenetici, ricombinazione del DNA, predizione della struttura tridimensionale di
proteine, studio delle reti geniche, studio dei processi regolativi, interazione fra proteine, analisi ed
interpretazione di dati di espressione genica, ricerca di polimorfismi, SNP e mutazioni, correlazione
135
fra le patologie genetiche con le diagnosi cliniche. Inoltre l'enorme flusso di dati di sequenze,
derivante dai progetti di sequenziamento di interi genomi di diversi organismi a vari livelli evolutivi,
ha posto il problema di analizzare le strutture e le funzioni dei geni. I sistemi informatici sono sempre
più necessari per il trattamento dei dati nell'ambito della biologia molecolare e della medicina. La
complessità delle informazioni, la considerevole mole di dati disponibili, il loro continuo
aggiornamento, la difficoltà di utilizzo di molti programmi d’analisi utili per indagini in ambito
biomedico, rendono di fatto problematico l'uso quotidiano di questi strumenti di indagine, diventati
ormai indispensabili in molte realtà produttive ed educative. L’introduzione di apparecchiature ad
elevate prestazioni utilizzate nel sequenziamento del DNA e il continuo avanzamento tecnologico per
gli studi d’espressione genica, nonché per quelli di popolazione e di proteomica, ha reso evidente la
mancanza in Italia di un sistema adeguato per la gestione e l’analisi dei dati rivolto a sistemi
complessi e ai loro modelli studiati nell’ambito della System Biology, della Bioinformatica e
dell’Informatica Medica. Nell’ambito dei progetti europei sono in fase di studio la costituzione di
alcune Infrastrutture Europee, che avranno un sicuro impatto nel settore Biomedicale e
Biotecnologico, come illustrato nella figura seguente a cui il progetto InterOmics consentirà di creare
le basi in Italia per un loro supporto e partecipazione.
INSTRUCT
Integrated Structural Biology Infrastructure
www.instruct-fp7.eu
Infrafrontier
Infrastructure for Phenomefrontier and Archivefrontier
www.infrafrontier.eu
EATRIS
The European Advanced Translational Research Infrastructure
www.eatris.eu/
BBMRI
European Biobanking And Biomolecular Resources
www.biobanks.eu
ECRIN
Infrastructures For Clinical Trials And Biotherapy
www.ecrin.org
ELIXIR
Upgrade Of European Bioinformatics Infrastructure
www.elixir-europe.org
Research
Target ID
Target Val
Discovery
Hit
Lead Opt
Lead
Development
Preclinical
Phase I
Phase II
Phase III
INSTRUCT
Infrafrontier
EATRIS
BBMRI
ECRIN
(Structural biology)
(Model Organisms)
(Translational Research)
(Biobanking)
(Clinical Trials)
ELIXIR
(Life Science Information)
Ricadute del Pregetto “InterOmics”
La messa in rete di importanti risorse e competenze nel campo delle discipline omiche, e la loro
integrazione e applicazione a problematiche cliniche rilevanti, direttamente collegata ad aziende in
136
grado di trasformare i risultati della ricerca in applicazioni e prodotti / servizi innovativi,
rappresenterà un modello ed un motore di ricerca unico nel suo genere in Italia. La rete è pensata
come contenitore ed attore dinamico per successivi sviluppi, in grado di generare valore, di costituire
massa critica capace di aggregare ulteriori risorse e attori, e di agganciare con successo e i modo
sistematico circuiti e progetti strategici internazionali in cui il sistema Paese è assente o poco
rappresentato. Un motore di ricerca capace di applicazione diretta in queste discipline di largo
impatto e trasversalità può costituire un terreno importante di crescita e di competitività per il settore
delle industrie diagnostiche e in generale biotecnologiche del paese. L’impianto del progetto,
fortemente teso ad un approccio integrato tra discipline e competenze, costituisce un elemento di per
sé innovativo nel panorama internazionale, ed una piattaforma di formazione e creazione di nuove
competenze e profili professionali ad altissima specializzazione.
Ricadute economiche ed occupazionali
L’individualizzazione della terapia è ormai riconosciuto come un concetto chiave e irrinunciabile per
impostare una corretta terapia antivirale. In quest’ottica, la costituzione di una piattaforma
diagnostica “high throughput” per la definizione dei marcatori prognostici di sviluppo di cancro e/o
di riattivazione virali in soggetti immuno-compromessi (tra cui anche quelli trapiantati) è cruciale per
poter impostare un regime terapeutico “ad hoc” sulla base delle caratteristiche genetiche del virus e
dell’ospite. Ciò è alla base di un uso razionale dei farmaci antivirali, fondamentale per ottimizzare i
costi e le risorse umane coinvolte nella Sanità Pubblica. I risultati e i prodotti di questo progetto nei
vari ambiti toccati dai vari sottoprogetti, sono pertanto immediatamente trasferibili alla pratica clinica
sia in termini di ottimizzazione di strategie diagnostico-terapeutiche, di appropriatezza, che di
gestione farmacoeconomica delle patologie tumorali e dei pazienti immunocompromessi quali quelli
trapiantati.
Articolazione del Progetto InterOmics
La durata del progetto è previsto complessivamente su 48 mesi.
L’attività di ricerca sarà articolata sui primi 36 mesi di attività progettuali. I succesivi 12 mesi saranno
dedicate a mentenere le infrastrutture essenziali al fine di garantire l’accessibilità dei risultati della ricerca
disponibili per l’intera comunità scientifica.
Nel seguito verranno descritte le attività previste per l’intero arco progettuale. Nel corso del primo anno
verranno finaziate le Unità di Ricerca in funzione di creare le basi infrastruttureali ed organizzative del
progetto. Inoltre sarà data priorità per la raccolta e preparazione dei campioni biologici e preparazione dei dati
137
genomici necessari alle sucessive attività progettuali. Tale priorità sono essenziale per la realizzazione del
l’intero progetto.
Con l’avvio del Comiato Esecutivo del progetto verranno formulate e approvate le modalità per la raccolta di
ulteriori proposte progettuali nell’ambito della rete scientifica dei Dipartimenti del CNR. I progetti selezionati
parteciperanno alle successive fasi progettuali contribuendo al progetto con i risultati e le attività approvate.
I risultati di tutte le attività di ricerca progettuali verranno valutati da una commissione esterna nominata in
base alle disposizioni della Governace.
Data la rilevanza del progetto a livello nazionale ed internazionale alla fine del primo triennio le unità di
Ricerca afferenti al progetto termineranno tutte le attività di ricerca e sviluppo, la direzione del progetto
coordinata dal CNR si impegna a mantenere le infrastrutture i dati e i risultati prodotti dal progetto disponibili
alla comunità scientifica per almeno ulteriori 12 mesi.
Al fine di creare la basi progettuali, saranno attivati i seguenti sottoprogetti a cui si aggiungeranno le proposte
progettuali selezionati mediante bando.
138
A - SOTTOPROGETTO 1 - Sviluppo di metodologie Bioinformatiche e di system
biology a supporto delle applicazioni Omics in Biomedicina.
Il Sottoprogetto 1 (S1):
Il sottoprogetto S1 sarà coordinato da CNR e da una rete collaborativa di centri di Bioinformatica
nazionali ed internazionali.
Per lo sviluppo e la gestione di qualsiasi progetto implicante discipline omiche è basato su competenze
bioinformatiche strettamente intrecciate con tutte le linee progettuali del progetto, sia in termini di
impostazione, raccolta e gestione dei dati, sia in termini di interpretazione. Data l’estensione ed il carattere
fortemente integrato delle linee di ricerca del progetto, la componente bioinformatica giocherà un ruolo
strutturale e costante nella gran parte delle attività previste. Nell’ambito del progetto InterOmics verrà
sviluppata una piattaforma bioinformatica di primo livello nel panorama nazionale, e fortemente competitiva
anche sullo scenario internazionale.
139
Obiettivi
L’attività nell’ambito della Bioinformatica si propone quindi di fornire strumenti opportuni che consentiranno
di:

Promuovere per la Bioinformatica in grado di utilizzare risorse di supercalcolo dedicato alla
biologia e medicina e le risorse di GRID in Europeo ed internazionale (Progetto EGI: European
Grid Initiative) e la GRID italian (Italian Grid Initiative IGI).

Armonizzare la necessità di calcolo scientifico necessario per l’analisi dei dati nella genetica,
biotecnologie, nanotecnologie, proteomica a livello nazionale ed internazionale.

Stabilire un’effettiva cooperazione pubblico-privato fra la comunità dei ricercatori in ambito
nazionale.

Sviluppare un network di competenze specifiche in grado di fronteggiare i progetti di grandi
dimensioni previsti nell’ambito del progetto di alto valore tecnologico e scientifico.

Consentire un costante aggiornamento delle conoscenze in un settore altamente innovativo come
quello della Bioinformatica applicata all’analisi genetica e di system biology, mediante la
realizzazione di corsi specialistici.

Stimolare la crescita di nuove Imprese nel settore Bioinformatica.

Porre le basi per costruire una piattaforma comune per la gestione di progetti su base regionale e
nazionale e sviluppare partnership internazionali.

Offrire le proprie competenze per la partecipazione a commissioni per la standardizzazione e la
promozione di normative in questo settore.

Stimolare la collaborazione con gli Enti Locali, i Comuni, le Regioni, le Strutture Sanitarie ed
Ospedaliere e l’Industria.

Stimolare lo scambio di ricercatori fra i vari laboratori in Italia e all’estero.

Favorire la creazione di Standard e la possibilità di riutilizzo di software (Open Source), potrebbe
aiutare le varie discipline in vari paesi ed evitare doppioni inutili o di reinventare le stesse
applicazioni.

Collaborare con i progetti europei ESFRI per le infrastrutturali a livello Europeo. Questi progetti
sono in fase di partenza nei prossimi mesi e serve una risposta adeguata e coordinata a livello
nazionale.

La creazione di un nodo italiano per la Bioinformatica applicata alle scienze Omiche svolgerà la
funzione di monitoraggio ed armonizzazione delle risorse di calcolo e gestione dei dati necessarie
ai vari progetti, assolvendo il ruolo di riferimento per stimolare la partecipazione alla creazione di
iniziative in questo settore in concerto con il MIUR e la comunità europea.

La costituzione un modello organizzativo interdisciplinare per creare i presupposti per sviluppare
140
azioni sinergiche fra il sistema ricerca ed il sistema produttivo in un ottica di globalizzazione
della ricerca.
Principali attività di ricerca del progetto
In seguito saranno brevemente illustrate le principali tematiche di ricerca e competenze prevista dalla linea di
ricerca in Bioinformatica e System Biology. Il progetto InterOmics collaborerà in sinergia con i ricercatori del
progetto Interdipartimentale del CNR di Bioinformatica a guida ICT dislocati sul territorio nazionale come
mostrato nella seguente figura su specifiche tematiche di ricerca che verranno selezionate nelle seguenti aree
applicative.
Modelli e Metodi per lo studio di Sistemi Biologici Complessi
L’obiettivo che ci si propone in questo ambito è l’individuazione di modelli e algoritmi efficienti per la
soluzione di problemi biologici che richiedono l’elaborazione di grandi quantità di dati. La ricerca riguarda i
seguenti problemi:

simulazione di reti di regolazione genica.

analisi di genotipi e l’inferenza di aplotipi.
141

predizione della struttura, il confronto e la classificazione di proteine

analisi di dati di espressione genica da esperimenti di time-course con microarray,

generazione di dati virtuali di espressioni genica aventi plausibilità biologica e statistica.

identificazione dei determinanti chimico-fisici delle correlazioni struttura-dinamica-funzione di
proteine

analisi delle proprietà emergenti in sistemi di riscrittura (di espressioni/grafi) per la
modellazione/emulazione di processi biologici.

studio di modelli per la rappresentazione della dinamica di popolazioni cellulari e della crescita
tumorale e agenti citotossici.

studio di modelli del metabolismo cellulare.

sviluppo di modelli per il flusso sanguigno in arterie e per la perfusione di farmaci nei tessuti.

Applicazione della System Biology per lo studio del modello cellulare umano.

modellazione formale del comportamento dinamico di sistemi biologici basata su un’opportuna
ontologia dei sistemi biomedici basati su standard internazionali.

analisi di espressioni/grafi per la modellazione/emulazione di processi biologici.
Grazie alla componente matematica e statistica di questo progetto, potranno essere sviluppate nuove
metodologie per l’analisi di complessità di sistemi biologici e per affrontare problematiche relative ai calcoli
bio-ispirati e ad alto parallelismo. La componente informatica potrà invece sviluppare applicazioni per lo
studio di codici al fine di modellare la trasmissione dell’informazione nel DNA.
142
In questi ambiti le principali tecniche utilizzate sono: programmazione discreta nei problemi di derivazione di
aplotipi, programmazione logica, generazione di regole, BSS/ICA, clustering per problemi di classificazione e
analisi di dati di espressione genica derivati da esperimenti su DNA microarray e di dati relativi ad aplotipi e
genotipi, pattern discovery per la scoperta di polimorfismi su DNA e per l’inferenza di aplotipi, tecniche
statistiche cieche per modelli di serie temporali di elettroforesi, assemblaggio di frammenti di DNA nel
sequenziamento ad alta produttività NGS, indagine su famiglie di modelli formali utili alla descrizione di
sistemi biologici complessi.
Metodi bioinformatici per la l’analisi dei dati “OMICS”
Il recente sviluppo di tecnologie per il sequenziamento su larga scala NGS, per l’analisi dell’espressione
genica mediante tecnologie basate su microarray, per l’analisi di mutazioni puntiforme e SNP su larga scala,
ha fatto emergere dei seri limiti nella gestione e nell’analisi dei dati generati. In particolare, tale tematica
riguarda l’analisi dei geni, delle regioni promotrici, dell’espressione genica, degli EST, degli Single
Nucleotide Polymorphisms (SNP), della ricerca di mutazione, nonché lo studio delle reti metaboliche.
Vengono sviluppati modelli statistici e algoritmi, con validazione sperimentale, per analisi di dati genomici e
trascrittomici finalizzate allo studio dei principali processi biologici e alla comprensione dei meccanismi alla
base della regolazione dell’espressione genica. Le metodiche vengono sviluppate nell’ambito della teoria
statistica dell’apprendimento e trovano applicazione per l’analisi dei dati di espressione genica fornita da
esperimenti di microarray e per l’analisi di SNP. La tecnologia dei microarray in particolare si sta rilevando
molto utile sia per l’individuazione dei geni che svolgono un ruolo importante nelle patologie di origine
genetica, sia per l’individuazione dei loro siti di trascrizione e permette di evidenziare i legami fra
l’espressione genica e i processi di regolazione cellulare. Le tecniche di Bioinformatica, hanno permesso di
affrontare con successo problemi di rilevante interesse nel settore biomedico, quali la diagnosi automatica di
patologie, il riconoscimento di segnali rilevanti nelle sequenze genomiche, la classificazione di profili di
espressione genica. Le seguenti metologie potranno essere sviluppate nel corso del progetto:

metodi statisticamente affidabili e/o efficaci per monitorare la variazione del profilo di espressione
genica in funzione del tempo (come ad esempio lo studio dell’effetto genetico-temporale di un
trattamento farmacologico su una cellula),

algoritmi statistici per la clusterizzazione di profili di espressione di geni e/o di dati da microarray;

tecniche statistiche per l’individuazione dei siti di trascrizione di geni co-regolati: la conoscenza di
tali siti è fondamentale per la comprensione dei meccanismi di regolazione di tali geni.

modelli di clustering, di programmazione logica e di “feature selection” per l'individuazione di
TAG SNP, per l’analisi di dati da microarray e per la classificazione

analisi di dati di “OMICS” mediante tecniche statistiche per la separazione delle componenti
principali, al fine di studiare caratteristiche funzionali del DNA, con applicazioni in farmaceutica,
143
nello studio dei tumori, e nell’individuazione di reti di regolazione genica.
Applicazioni High Performance Computing.
In questo ambito si ritiene essenziale sviluppare la rete di collegamento fra le principali risorse di calcolo per
applicazioni di Bioinformatica in Italia fra cui ricordiamo il CRS5 in Sardegna, CENGIE in Campania le
risorse di calcolo in GRID mediante la partecipazione a IGI (Italian Grid Infrastructure) e i centri di calcolo
nazionali (CINECA, CASPUR, CILEA). saranno così resi fruibili in maniera sicura i principali programmi
sviluppati dal progetto permettendone quindi l’utilizzo da parte di altre realtà scientifiche nazionali, europee
ed internazionali; sarà quindi possibile con una sola registrazione accedere ai programmi e alle banche dati
specialistiche in continuo aggiornamento. Si intende sviluppare una piattaforma per il calcolo avanzato
finalizzata all’esecuzione di ricerche ad elevato costo computazionale basata sul Grid Computing rafforzata
dalla qualificata partecipazione a progetti europei (es. BioinfoGRID, EGEE, EMBRACE, EMBNET, EGI,
ADGE, ELIXIR).
In questo nuovo quadro tecnologico diviene possibile:

Sviluppare algoritmi e strumenti nel trattamento di dati proteomici e di dinamica molecolare basati
sul calcolo ad alte prestazioni e sul Grid computing.

Realizzare un sistema ad alte prestazioni per lo screening delle macromolecole nell’ambito di
analisi relative al Docking basato sull'uso di descrittori locali delle superfici proteiche.

Sviluppare capacità di recupero delle informazioni di natura eterogenea mediante database
distribuiti in Grid, al fine di estrarre nuove conoscenze da impiegare negli studi di
farmacotossicologia e farmacodinamica.

Analisi di particolari tipi di codici per computer ad alta prestazione HPC per la modellazione
dell'informazione nel DNA.

Sviluppo di programmi di bioinformatica per schede programmabili ad alte prestazioni.

Sviluppo di metodologie per il “Virtual Screening” per il Docking e di dinamica molecolare per la
ricerca di nuovi farmaci basate su HPC e GRID.

Sviluppo di software per computer ad alta prestazione HPC per l’analisi del DNA.
Banche dati ed integrazione di dati biomedici
Nell’ambito del progetto saranno realizzati strumenti innovativi, sia hardware che software, per la gestione e la
ricerca delle banche dati di interesse bioinformatico e biomedico. Varrà inoltre incentivata la progettazione e
lo sviluppo di banche dati per la gestione, l’integrazione e l’annotazione funzionale dei dati provenienti dai
progetti di sequenziamento, di analisi di espressione e di altri dati biologici.
144
La standardizzazione delle informazioni prodotte dai vari progetti richiede un’attenta analisi delle specifiche
per la gestione del grande patrimonio di dati prodotto nel corso dei vari progetti di sequenziamento e di analisi,
con particolare riguardo all’integrazione dei dati di tipo clinico con l’informazione bioinformatica e
l’integrazione delle Biobanche. L’adozione di standard basati su XML, nonché la gestione dei meta-dati
strutturati, consentirà di realizzare sistemi integrati per l’utilizzo dei dati generati nel corso dei vari progetti e,
nel contempo, di fruire delle principali banche dati biologiche in continuo aggiornamento. Lo sviluppo e
l’adozione di innovativi metodi di Data Mining consentirà di raggiungere obiettivi di ricerca particolarmente
complessi. In questo settore sono in già in atto diverse collaborazioni per la partecipazione a consorzi
nazionali ed internazionali. In questo ambito il CNR ha notevoli competenze nel settore della Sanità
Elettronica per favorire la soluzione dei problemi più critici previsti dalle linee di ricerca del progetto
InterOmics, sul piano sociale e sanitario, del territorio e della popolazione italiana.
Metodologie per la progettazione molecolare.
La realizzazione di una piattaforma integrata per studi di proteomica consentirà di rendere disponibile
l’utilizzo di programmi di dinamica molecolare per lo studio di nuovi farmaci e di sviluppare nuovi programmi
per la ricerca all’interno di banche dati per la proteomica, per lo studio dell’interazione fra proteine e tra
proteine e DNA, per la predizione delle strutture proteiche. In questo ambito le risorse di calcolo necessarie
sono rilevanti: lo sviluppo di hardware dedicato o di tecnologie di analisi basate su GRID computing potrà
portare a notevoli progressi in termini tecnologici e scientifici. Lo studio di dell’interazione molecolare e
proteica, richiederanno un’attenta pianificazione delle risorse di calcolo necessarie per lo studio del docking
fra proteine e per le librerie dei potenziali ligandi. In questo ambito assume primaria importanza lo sviluppo di
metodi per la previsione della struttura, della dinamica conformazionale e dell’attività di proteine a partire
dall'informazione di sequenza. L'attenzione sarà focalizzata sullo sviluppo e l'applicazione di nuovi metodi di
predizione delle proprietà strutturali dinamiche e di riconoscimento molecolare di peptidi e proteine: in
particolare si svilupperanno metodi basati sulla combinazione e l’ottimizzazione di metodi di campionamento
conformazionale a bassa e ad alta risoluzione e di calcolo ad alte prestazioni. Verranno inoltre sviluppate
nuove tecniche di similarità e complementarietà tra molecole, basate su geometria, struttura e semantica delle
entità coinvolte.
Metodi per studi di associazione per l’individuazione di malattie genetiche.
Si intende creare una piattaforma per gli studi di associazione finalizzata all’analisi genetica. In particolare
saranno integrati programmi che richiedono calcolo intensivo per lo studio di associazione con programmi di
analisi genomica: questi sistemi saranno di supporto a progetti inerenti l’analisi genomica. All’interno del
linea di ricerca in Bioinfomatica saranno ulteriormente incentivate le competenze per affrontare l’analisi
statistica relativa all’identificazione, sulla base di tratti quantitativi, di geni collegabili a patologie di interesse
medico in popolazioni isolate.
Le competenze presenti nei componenti del progetto consentiranno di
145
migliorare le tecniche statistiche di linkage analysis utilizzando le informazioni raccolte sulla genealogia, sullo
stato di salute e sull’analisi del DNA per individuare i geni di interesse, potenziale causa di patologie.
Banche Dati e Data Mining.
Saranno sviluppati programmi specifici per la memorizzazione, gestione e l’analisi dell’enorme mole di dati
derivanti dagli studi genomici: tale piattaforma adotterà nuove metodologie basate su Data Mining e data
warehousing per la ricerca dell’informazione scientifica presente in letteratura in ambito biomedico e
biotecnologico. In particolare saranno sviluppati le seguenti tematiche:

Sviluppo di infrastrutture informatiche per la gestione, l’integrazione e l’annotazione funzionale dei
dati provenienti da progetti di sequenziamento, analisi di espressione genica.

Sviluppo di tecniche per migliorare la memorizzazione delle informazioni in modo opportunamente
strutturato, così da permettere un loro efficiente recupero, nonché una visualizzazione flessibile e
adeguata alle necessità del medico e del ricercatore.

Sviluppo di nuove metodologie di data warehousing e data mining per analisi di dati medici
eterogenei, basate su una opportuna ontologia dei sistemi biomedici.

Sviluppo di tecniche di Machine Learning messe a punto su un sistema di workflow management
per l’analisi intelligente di dati.
Drug Discovery e High Throughput Virtual Screening.
I protocolli di High Throughput Virtual Screening (HTVS), allo stato dell’arte, non presentano un’accuratezza
ed un’efficienza adeguata per essere utilizzati in studi di drug discovery su larga scala. Per questo motivo sono
stati sviluppati protocolli di High Throughput Ranking (HTR) che, usando metodi computazionali come
l’annotazione strutturale delle interazioni chiave ligando- recettore e studi QSAR, sono in grado di fornire una
qualità del risultato più elevata. Inoltre introducendo la flessibilità del recettore nei protocolli di dinamica
molecolare si riscontra una maggior accuratezza nel predire il posizionamento del ligando al recettore e quindi
146
l’affinità di legame del complesso ligando-recettore. Solitamente i metodi di dinamica molecolare richiedono
tempi di calcolo molto elevati e quindi possono essere applicati solo per un set di ligandi molto piccolo. Per
l’implementazione di protocolli di HTVS e HTR e per gli studi di dinamica molecolare è necessario avere a
disposizione un’infrastruttura informatica adeguata che permette di gestire una banca dati di ligandi di grande
dimensione, di accedere ai più avanzati programmi di analisi computazionale e soprattutto di implementare
facilmente vari tipi di workflow che integrano diverse applicazioni. Un importante requistito dei protocolli di
analisi di docking in larga scala è la possibilità di accedere a infrastrutture di calcolo ad elevate prestazioni in
modo da ridurre i tempi di calcolo necessari per questo tipo di analisi. La presente proposta progettuale si
propone di sviluppare ed applicare approcci di drug discovery mediante tecniche di High-Throughput Virtual
Screening (HTVS) e High-Throughput Rescoring (HTR) utilizzando risorse di calcolo che verrà realizzata
presso l’unità CNR secondo lo schema rappresentato nella seguente figura.
147
B - SOTTOPROGETTO 1 - LISTA WORK PACKAGE (WP)
Work
Packages
Titolo
Unità di Ricerca
Mese
Inizio
Mese Fine
(PMN)
(PMN1)
Sp1-WP1
Sviluppo di Infrastrutture di
Bioinformatiche per le applicazioni
OMICS in Biomedicina.
CNR- ITB
PM01
PM48
Sp1-WP2
Drug Discovery e High Throughput
Virtual Screening
CNR-ITB
PM01
PM36
Sp1-WP3
Systems Biology applicata allo studio
della transizione epiteliale mesenchimale,
nel mantenimento delle cancer stem cell
nel tumore al seno.
CNR-ITB
PM01
PM36
Sp1-WP4
Isolamento e caratterizzazione di
organelli subcellulari dai neuroni del
cervello umano
CNR-ITB
PM01
PM36
Sp1-WP5
Metodologie bioinformatiche e biocomputazionali di supporto alle scienze
omiche.
CNR- ISA
PM01
PM24
Sp1-WP6
Sviluppo metodologie di analisi per
sistemi complessi per l’analisi di sequenze
Geniche, Proteiche e per le reti di
trascrizione genica.
CNR-IASI
PM01
PM24
Sp1-WP7
Analisi e disegno di un prototipo software
per l’analisi di dati omici in ambiente di
elaborazione distribuito, mediante
l’utilizzo di metodologie resilienti agli
errori.
CNR-ICAR
PM01
PM24
1
CNR-ISTI
PMN=Project Month N, ove N sta per numero del mese da indicare (PM1, PM2, PM3, ecc.)
148
Sp1-WP8
Applicazione di metodologie di machine
learning e di Ingegneria dei Tessuti in
biomedicina.
CNR-IEIIT
PM01
PM24
Sp1-WP9
Sviluppo e validazione di algoritmi per
l’estrazione di infomazioni biologicamene
rilevanti dai dati ottenuti con tecniche
“High Throughput
CNR-IIT
PM01
PM24
Sp1-WP10
Identificazioni di nuovi biomarcatori
utilizzabili nella pratica clinica per la
personalizzazione del percorso
prognostico, diagnostico e terapeutico del
paziente oncologico.
CNR- IBFM
PM01
PM24
Sp1-WP11
Sviluppo di una piattaforma
bioinformatica per la gestione,
classificazione, analisi e identificazione
della componente non-coding RNAs
mediante l’utilizzo delle piattaforme di
Next Generation Sequencing (NGS).
CNR-ITB-BA
PM01
PM24
Sp1-WP12
Metodi matematici e statistici per la
genomica e la proteo mica.
CNR-IAC
PM01
PM24
Sp1-WP13
Sviluppo di sistema modello animale, da
utilizzare per individuare parallelismi,
correlazioni ed interazioni di malattie
genetiche nell’uomo.
CNR-IBBA
PM01
PM24
Sp1-WP14
Sviluppo di modelli per la previsione
delle reti di interazione di farmaci su
scala genomica e nuovi metodi di drugdesign.
CNR-ICRM
PM01
PM24
Sp1-WP15
Modelli matematici, simulazione e
algoritmi efficienti per le scienze
interomiche, trattamento di dati
multidimensionali ed elaborazione
parallela per applicazioni in Systems e/o
Synthetic Biology, Drug Design e
CNR-IMATI
PM01
PM24
149
Diagnostica Medica.
150
C - WORKPACKAGE (Sp1 – WP1)
C.1 - SOTTOPROGETTO 1 - WP 1 - TIPO DI ATTIVITÀ
Sviluppo di infrastrutture di Bioinformatiche per le applicazioni OMICS in
Biomedicina.
C.2 - SOTTOPROGETTO 1 - WP 1 - DESCRIZIONE
Questo WP è dedicato alla creazione di una infrastruttura per supportare un Network di competenze
Bioinformatiche dedicato alla Biomedicina relativamente alle applicazioni del progetto InterOmics.
Verrà predisposto un allegato al progetto nel corso dei primi mesi di progetto verranno ulteriormente
delineare ed integrate le attività di ricerca in base alle competenze specifiche dei ricercatori afferenti ai 13
Istituti del CNR nell’ambito delle applicazioni Bioinformatiche e Omiche.
Inoltre, verrà creato una infrastruttura di calcolo ad alte prestazioni in Bioinformatica e verranno estese
collaborazioni con le organizzazioni infrastrutturali europee quali ELIXIR e Grid computing Europea (EGI)
e l’Italian Grid Infrastructure (IGI). Verranno inoltre potenziate le collaborazioni con due centri di ricerca
particolarmente attivi nel settore delle tecnologie OMICS al fine migliorare la capacità di calcolo in Italia
in questo settore specifico.
C.3 - SOTTOPROGETTO 1 - WP 1 - OBIETTIVI (O)
-
Creazione di una infrastruttura informatica di base che permetta la collaborazione dei partecipanti a
questo progetto, in termini di networking, storage e repository, login condiviso, server applicativi e
di calcolo per i Work Package del progetto, prestando particolare attenzione alla gestione dei dati
sensibili conformemente alle norme di legge DL 196/2003 art 22 comma 6.
-
Sviluppo di un cluster di calcolo High Performance Computing che supporti il progetto con
performance d'avanguardia nella computazione CPU parallela, sia a memoria condivisa OpenMP
che message-passing MPI, ad elevata banda verso gli storage.
-
Tale sistema verrà realizzato alla partenza del progetto per consentire la centralizzazione dei dati del
progetto e fornire adeguata capacità di calcolo alla rete scientifica interessata agli sviluppi in questa
area.
-
Realizzazione del Portale del Progetto InterOmics per l’accesso federato ai dati da parte di utenti
distribuiti sul territorio Italiano.
151
-
Implementazione delle principali banche dati e programmi per le analisi genomiche di
Bioinformatica, System Biology e Molecular Modelling.
C.4 - SOTTOPROGETTO 1 - WP 1 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
Questo WP consentirà alle vari Unità di Ricerca partecipanti al progetto delle funzionalità informatiche
specifiche per il trasferimento sicuro dei dati, la condivisione dei dati tramite rete Internet, la gestione dei
dati mediante l’implementazione di un firewall, gestione di portali e per la collaborazione accessibili agli
utenti remoti del progetto.
Creazione una infrastruttura informatica di base che permetta e faciliti la collaborazione dei partecipanti a
questo progetto, in termini di networking (VPN), storage e repository ridondato con crittazione dei dati,
login condiviso con sistema grafico remotizzato real-time, server virtuali di calcolo per le attività
bioinformatiche del progetto.
Lo storage e il trasferimento dei dati e per la gestione diverse centinai di Terabyte di dati genomici prodotti
nel corso del progetto.
C.5 - SOTTOPROGETTO 1 - WP 1 - DESCRIZIONE DELIVERABLES (D)
Nell’ambito di questo WP verranno rilasciati i seguenti risultati (Deliverable):
S1- WP1-D1 : Report: infrastruttura informatica di base
Report sullo modalità di creazione di gestione dei dati centralizzato con crittazione on-the-fly per
l'interscambio dei dati fra i partner e la protezione dei dati biomedici.
S1- WP1-D2 : Report: Stato Infrastruttura HPC del progetto
Report sullo stato finale dell'infrastruttura HPC creata dal progetto. Ottimizzazioni. Risultati. Benchmark
delle performances. Descrizione dell'esperienza maturata; linee guida per una futura implementazione di
high performance CPU Computing
S1- WP1-D3 : Report: Biocomputing
Report e implementazione del Computing in bioinformatica e delle principali banche dati e programmi per
le analisi genomiche di Bioinformatica, System Biology e Molecular Modelling
S1- WP1-D4: Report: Grid Computing
152
Report sulla connessione alla piattaforma distribuita Grid europea EGI e suo utilizzo nel Progetto.
C.6 - SOTTOPROGETTO 1 - WP 1 - DESCRIZIONE MILESTONES (M)
S1- WP1-M1 : Infrastruttura di calcolo HPC dedicata al Progetto(CNR , PM07)
Essendo importante l'operatività del Progetto fin dalla partenza del Progetto, entro questa Milestone verrà
installata una infrastruttura di calcolo di base e verrà dato accesso a risorse di calcolo.
S1- WP1-M2 : Repository centralizzato (CNR , PM11)
Questa Milestone si prevede la creazione di uno storage (repository) centralizzato e ridondato ad alta
capacità (diverse centinaia di TeraByte)
S1- WP1-M3 : Creazione di infrastruttura HPC (CNR , PM11)
Creazione una infrastruttura HPC all'avanguardia per performances e gestione entro il primo anno di attività
S1- WP1-M4 : Creazione della infrastruttura per il calcolo distribuita e federata (CNR , PM36)
Ottimizzazione dell’infrastruttura HPC completandola con nuovi processori all'avanguardia per
performances, metodologia di gestione e/o caratteristiche del sistema HPC.
153
C - WORKPACKAGE (Sp1 – WP2)
C.1 - SOTTOPROGETTO 1 - WP 2 - TIPO DI ATTIVITÀ
Drug Discovery e High Throughput Virtual Screening
C.2 - SOTTOPROGETTO 1 - WP 2 - DESCRIZIONE
Tale WP si propone lo sviluppo di una piattaforma integrata di calcolo per la gestione e l’esecuzione di
protocolli HTVS e HTR nell’ambito del drug discovery. In particolare l’applicazione della piattaforma in
questo progetto è rivolta all’identificazione di nuovi agonisti per il recettore CB2 umano e al chiarimento
dei meccanismi molecolari di trasduzione del segnale in differenti linee cellulari, argomento di grande
interesse per la salute umana viste le implicazioni del hCB2 in differenti patologie sia di natura centrale che
periferica. Infine il disegno e alla sintesi di nuovi agonisti del recettore hCB2. L’applicazione della
piattaforma è rivolta all’identificazione di nuovi agonisti per il recettore CB2 umano e al chiarimento dei
meccanismi molecolari di trasduzione del segnale in differenti linee cellulari, argomento di grande interesse
per la salute umana viste le implicazioni del hCB2 in differenti patologie sia di natura centrale che
periferica.
Contemporaneamente al disegno e alla sintesi di nuovi agonisti del recettore hCB2 verranno inizialmente
effettuati studi in vitro su diverse linee cellullari, che esprimono l’hCB2, per analizzare, in modo completo,
l’effetto che gli agonisti già noti in letteratura hanno sull’espressione genica. Una volta individuate in silico
le prime molecole, verrà effettuato uno studio di affinità di binding valutando attraverso saggi competitivi.
In base alle curve di “displacement” sarà possibile riconoscere l’agonista con maggiore affinità per hCB2,
che a questo punto sarà sottoposto a test di tossicità e di analisi mediante espressione genica.
I test di tossicità dei nuovi agonisti verranno effettuati sia su cellule sane sia su cellule tumorali per
verificare la capacità, già dimostrata in vivo, di alcuni agonisti di ridurre la vitalità cellulare.
C.3 - SOTTOPROGETTO 1 - WP 2 - OBIETTIVI (O)
Gli obiettivi principali che si propone il progetto sono:
 sviluppo di una piattaforma integrata di calcolo per la gestione e l’esecuzione di workflow di virtual
screening nell’ambito del drug discovery
 identificazione di nuovi potenti e selettivi agonisti per il recettore umano di tipo due del
cannabinoide
154
 delucidazione dei meccanismi molecolari dei signal pathway attivati dagli agonisti del hCB2 noti in
letteratura e individuati nell’ambito progetto.
Data l’importanza del ruolo di hCB2 nella terapia del dolore, degli stati infiammatori, e nelle malattie
neurodegenerative, l’identificazione di molecole agoniste e la comprensione del loro ruolo nella regolazione
di pathway di signaling intracellulari può avere un impatto importante nello sviluppo di nuove terapie
farmacologiche.
C.4 - SOTTOPROGETTO 1 - WP 2 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
Per il raggiungimento degli obbiettivi il WP è organizzato nelle seguenti Tasks:
S1-WP2-A1 Predocking
fase di predocking dove si definiscono gli elementi farmacoforici utili all’identificazione degli
agonisti per il recettore hCB2
S1-WP2-A2 Progettazione dell'infrastruttura
progettazione dell’infrastruttura di gestione dati e di calcolo e implementazione di un primo
prototipo
 sviluppo del database dei ligandi
 preparazione del target proteico per le simulazioni di docking e l’annotazione strutturale dei
residui chiave del recettore nell’interazione con il ligando agonista.
S1-WP2-A3 Studio di espressione genica
 studio di espressione genica (con analisi microarray) per valutare l’effetto degli agonisti più
efficienti noti in letteratura sulla modulazione dei pathway metabolici regolati dal
recettore hCB2.
S1-WP2-A5 Studi di affinità di binding
studio in vitro di affinità di binding competitiva tra i nuovi agonisti identificati dall’analisi
bioinformatica e i più forti agonisti commerciali trovati in letteratura. Studio di tossicità
intrinseca dei nuovi agonisti hCB2 sia su monociti umani sia su linee tumorali.
S1-WP2-A6 Analisi bioinformatica
 studi comparativi tra i risultati di dinamica molecolare e QSAR per l’identificazione di
nuovi agonisti con analogie strutturali con quelli noti da sottoporre a test sperimentali
155
 esecuzione delle simulazioni di docking sul dataset da 1 milione di composti.
S1-WP2-A7 Analisi finali di conferma dei risultati
Gli agonisti risultati più interessanti per affinità al hCB2 o per inibizione della crescita tumorale, verranno
ulteriormente analizzati con chip d’espressione per la modellazione dei pathway metabolici coinvolti tramite
tecniche di Systems Biology.
C.5 - SOTTOPROGETTO 1 - WP 2 - DESCRIZIONE DELIVERABLES (D)
Nell’ambito di questo WP verranno rilasciati i seguenti risultati :
S1- WP2-D1 : Report sullo stato dello sviluppo della piattaforma VS
S1- WP2-D2 : Report sui risultati dell'analisi preliminare di espressione genica
S1- WP2-D3 : Report sui risultati definitivi del docking e della dinamica molecolare
S1- WP2-D4 : Report sui risultati definitivi degli studi dei pathways in cui è coinvolto il hCB2
C.6 - SOTTOPROGETTO 1 - WP 2 - DESCRIZIONE MILESTONES (M)
Nell’ambito di questo WP verranno rilasciati i seguenti risultati (Deliverable):
S1- WP2-M1 : Caratterizzazione di nuovi agonisti del hCB2
156
C - WORKPACKAGE (Sp1 – WP3)
C.1 - SOTTOPROGETTO 1 - WP 3 - TIPO DI ATTIVITÀ
Systems Biology applicato allo studio della transizione epiteliale mesenchimale,
nel mantenimento delle cancer stem cell nel tumore al seno.
C.2 - SOTTOPROGETTO 1 - WP 3 - DESCRIZIONE
Questo WP si propone di identificare ed analizzare i geni e dei pathway molecolari coinvolti nella
transizione epiteliale/ mesenchimale, nel mantenimento delle cancer stem cell, nella riprogrammazione di
cellule somatiche in cellule pluripotenti indotte e nello sviluppo del cancro al seno. Sviluppo di modelli
computazionali per lo studio in silico di processi biologici che rivestono un ruolo importante in patologie
d’interesse per la salute pubblica (alterazioni metaboliche delle cellule tumorali, ruolo del calcio nelle
malattie neurodegenerative, relazione fra il ciclo cellulare e la crescita tumorale). A tal fine verranno
utilizzati dei modelli computazionali per la definizione di strategie di intervento per i controllo del
comportamento dei processi biologici che rivestono un ruolo importante in patologie di interesse per la
salute pubblica.
C.3 - SOTTOPROGETTO 1 - WP 3 - OBIETTIVI (O)
Nel seguito sono descritti i principali obbiettivi :

Identificazione dei geni e dei pathway molecolari coinvolti nei processi biologici che rivestono un
ruolo importante in patologie di interesse per la salute pubblica

Implementazione di modelli computazionali per lo studio in silico di processi biologici che
rivestono un ruolo importante in patologie di interesse per la salute pubblica

Utilizzo dei modelli computazionali per la comprensione dei meccanismi di regolazione dei processi
biologici che rivestono un ruolo importante in patologie di interesse per la salute.
C.4 - SOTTOPROGETTO 1 - WP 3 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
Per il raggiungimento degli obiettivi il WP è organizzato nei seguenti Tasks:
S3-WP3-A1 Identificazione dei geni e dei pathway molecolari coinvolti
epiteliale/mesenchimale, nel mantenimento delle cancer stem cells nel cancro del seno.
nella
transizione
157
Processamento dei dati di espressione genica collezionati mediante tecnologie high-throughput (per
esempio, microarrays). Analisi di espressione differenziale fra i campioni biologici disponibili al fine di
ottenere una lista di geni potenzialmente coinvolti nel fenomeno in studio.
S3-WP1-A2 Implementazione di modelli computazionali per lo studio in silico di processi biologici che
rivestono un ruolo importante in patologie d’interesse per la salute pubblica
Analisi della letteratura scientifica e delle banche dati biologiche (es. IntAct, String, Bind, KEGG,
Biomodels) per individuare le reti di interazione e regolazione tra specie molecolari (es. geni, proteine e
metaboliti) coinvolti nel processo da modellizzare e per verificare la presenza di modelli già esistenti
relativi al processo in studio.
S3-WP3-A3 Utilizzo dei modelli computazionali per la comprensione dei meccanismi di regolazione dei
processi biologici che rivestono un ruolo importante in patologie di interesse per la salute pubblica
Simulazione dei modelli per determinare le dinamiche delle singole specie considerate (geni, proteine,
metaboliti) in diverse condizioni che riproducono ad esempio stati patologici.
S3-WP3-A4 Utilizzo dei modelli computazionali per la definizione di strategie di intervento per i controllo
del comportamento dei processi biologici che rivestono un ruolo importante in patologie di interesse per la
salute pubblica
I modelli computazionali sono utilizzati come strumenti predittivi del comportamento del sistema in
situazioni alterate come stati patologici.
C.5 - SOTTOPROGETTO 1 - WP 3 - DESCRIZIONE DELIVERABLES (D)
Nell’ambito di questo WP verranno rilasciati i seguenti risultati (Deliverable):
S1- WP3-D1: Lista di geni e pathway coinvolti nella transizione epiteliale/mesenchimale
S1- WP3-D2: Lista di geni e pathway coinvolti nel mantenimento delle cancer stem cells
S1- WP3-D3: Lista di geni e pathway coinvolti nello sviluppo del cancro al seno
S1- WP3-D4: Modello per le alterazioni del metabolismo centrale nelle cellule tumorali
S1- WP3-D5: Modello per lo studio del ruolo del calcio nello sviluppo di patologie neurodegenerative
C.6 - SOTTOPROGETTO 1 - WP 3 - DESCRIZIONE MILESTONES (M)
S1- WP3-M1: Risultati analisi dell’espressione genica
S1- WP3-M2: Lista definitiva geni e pathway
S1- WP3-M3: Modelli pronti per le analisi
158
S1- WP3-M5: Elenco dei regolatori più importanti per le dinamiche dei modelli
159
C - WORKPACKAGE (Sp1 – WP4)
C.1 - SOTTOPROGETTO 1 - WP 4 - TIPO DI ATTIVITÀ
Isolamento e caratterizzazione di organelli subcellulari dai neuroni del cervello
umano.
C.2 - SOTTOPROGETTO 1 - WP 4 - DESCRIZIONE
Si studieranno i meccanismi di formazione di vacuoli autofagici (AVs) pigmentati come gli organelli di
neuromelanina (NM) e di lipofuscine (LF), il loro funzionamento ed il loro ruolo sulla vulnerabilità
neuronale. A tale scopo isoleremo gli organelli di NM e LF da cervello umano di soggetti anziani sani a
diverse età e con malattie neurodegenerative e ne studieremo i pathways lipidici e proteici mediante
spettrometria di massa. Indagheremo la morfologia degli organelli e la localizzazione delle proteine al loro
interno mediante immunomicroscopia elettronica. Caratterizzeremo i pathways lipidici e proteici
mitocondriali nell’invecchiamento. I dati ottenuti saranno sottoposti ad analisi bioinformatica per elaborare
modelli che descrivano i processi cellulari dell’invecchiamento cerebrale. Nel cervello umano la formazione
di vacuoli autofagici (AVs) pigmentati come gli organelli di neuromelanina (NM) e di lipofuscine (LF) è
una tipica risposta protettiva, che mantiene i neuroni vitali sequestrando composti tossici come chinoni,
addotti dopamina (DA)-proteine, proteine e lipidi danneggiati. Considerando i rischio per le malattie
neurodegenerative come quella di Parkinson (PD) e di Alzheimer (AD)(3), è importante studiare questi
processi cellulari e le alterazioni correlate all’invecchiamento che potrebbero aumentare la vulnerabilità
neuronale.
C.3 - SOTTOPROGETTO 1 - WP 4 - OBIETTIVI (O)
Nel presente WP verranno utilizzate delle procedure basate su tecnologie Omiche per lo studio del cervello
per raggiungere i seguenti obbiettivi:
-
I tessuti cerebrali verranno prelevati durante le autopsie di soggetti sani e affetti da AD e PD,
appartenenti a differenti fasce di età. I tessuti ottenuti da soggetti sani saranno esaminati per
escludere alterazioni macro/microscopiche. Useremo aree cerebrali principalmente coinvolte nel PD
e AD: sostanza nera, nuclei della base, cortecce cerebrali e ippocampo.
-
Isoleremo organelli di NM da sostanza nera e altre aree coinvolte nella patogenesi del PD. Poichè
questi organelli saranno analizzati con tecnologie di proteomica e lipidomica , miglioreremo il
metodo di isolamento sviluppato nel nostro laboratorio con l’obbiettivo di eliminare possibili
160
contaminanti. La purezza delle preparazioni sarà confermata mediante microscopia elettronica a
trasmissione (TEM).
-
Svilupperemo per la prima volta un metodo per isolare organelli di LF da cortecce cerebrali umane
di soggetti sani e patologici. Intendiamo ottenere campioni con elevato grado di purezza per poter
effettuare analisi di proteomica e lipidomica. Escluderemo la presenza di contaminanti attraverso
TEM.
-
Svilupperemo un metodo per isolare mitocondri da aree cerebrali umane coinvolte nella patogenesi
di AD e PD ottenute da soggetti sani e patologici.
-
Valuteremo l’arricchimento di ogni preparazione attraverso analisi western blot per marcatori della
membrana interna/esterna del mitocondrio e attraverso saggi enzimatici. I mitocondri isolati saranno
usati per analisi proteomica, lipidomica e genomica.
-
Considerato il potenziale coinvolgimento dei metalli nell’invecchiamento
neurodegenerazione, misureremo i livelli di metalli in questi organelli.
-
Mediante analisi LC-MS proteomiche e lipidomiche, identificheremo le proteine e i lipidi che si
accumulano principalmente negli organelli di NM/LF di soggetti sani. Verranno inoltre tracciati i
profili proteomici e lipidomici dei mitocondri umani per identificare marcatori dello stress
ossidativo che possono ridurre la funzionalità mitocondriale. Questi profili verranno valutati per gli
organelli isolati da soggetti sani e comparati con quelli ottenuti da pazienti con AD e PD.
-
I dati ottenuti nel corso del progetto dalle tecnologie high troughput (genomica, proteomica,
lipidomica) saranno organizzati e analizzati utilizzando computer cluster ad alte prestazioni
dell’ITB-CNR. Useremo un approccio di “system biology” per modellare le reti di interazioni
proteina-proteina e proteina-lipide.
-
Svilupperemo un “data mining” per integrare i dati sperimentali con le risorse biologiche
pubblicamente disponibili relative ai network di proteine cerebrali. Verrà creato un portale web del
progetto per consentire l’accesso alle informazioni e ai risultati ottenuti.
e
nella
C.4 - SOTTOPROGETTO 1 - WP 4 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP4-A1 Caretterizzazione degli organelli di NM
Dagli organelli di NM isolati otterremo profili proteomici e lipidomici completi, comprese le possibili
modificazioni fisiopatologiche come metilazioni, acetilazioni, ecc. Utilizzando la TEM descriveremo la
morfologia degli organelli di NM e la loro interazione con altri compartimenti cellulari, inoltre
localizzeremo proteine di interesse all’interno dell’organello di NM attraverso l’IEM. Saranno infine
confrontati i dati di proteomica e lipidomica e le informazioni morfologiche provenienti da soggetti sani e
malati (AD e PD) appartenenti a classi di età differenti.
S1-WP4-A2 Caretterizzazione degli organelli di LF
161
Per la prima volta saranno isolati da cervello umano gli organelli di LF altamente puri e sarà descritto il loro
profilo proteomico e lipidomico completo.
L’identificazione della differente espressione di proteine e lipidi in differenti aree cerebrali è uno degli
obbiettivi del progetto. Questa valutazione porterà alla caratterizzazione dei pathways metabolici sovra- o
sotto-espressi in questi organelli. Identificheremo modificazioni a carico di proteine e lipidi che potrebbero
interferire con la loro degradazione. Come descritto per la caratterizzazione degli organelli di NM saranno
usate la TEM e l’IEM. Analizzeremo tutti questi aspetti in organelli di LF ottenuti da soggetti sani e malati
(AD/PD) e appartenenti a fasce di età differenti. Sulla base di precedenti studi nei quali è stato dimostrata
l’elevata capacità della NM di legare i metalli, studieremo la presenza di metalli in organelli intatti di NM e,
per la prima volta, in organelli di LF isolati da cervello umano.
S1-W41-A3 Caretterizzazione dei Mitocondri
Saranno isolati mitocondri integri da tessuti cerebrali umani. Ci aspettiamo di identificare target molecolari
mitocondriali dell’invecchiamento e dei processi patologici attraverso lo studio dei profili proteomici e
lipidomici (e ogni tipo di modificazione). Definiremo le eteroplasmie mitocondriali e le possibili
conseguenze per la funzione della cellula attraverso l’uso di strumenti bioinformatici.
C.5 - SOTTOPROGETTO 1 - WP 4 - DESCRIZIONE DELIVERABLES (D)
Nell’ambito di questo WP verranno rilasciati i seguenti risultati (Deliverable):
S1- WP4-D1 : Rapporto sulla caratterizzazione degli organelli
Saranno descritti i risultati ottenuti sui mitocondri ottenuti da tessuti cerebrali umani
S1- WP4-D2 : Rapporto sulla caratterizzazione dei mitocondri da tessuti cerebrali
Saranno descritti i metodi e risultati sulle analisi dei mitocondri integri da tessuti cerebrali umani e
l’identificazione dei target molecolari mitocondriali dell’invecchiamento e dei processi patologici attraverso
lo studio dei profili proteomici e lipidomici.
C.6 - SOTTOPROGETTO 1 - WP 4 - DESCRIZIONE MILESTONES (M)
Nell’ambito di questo WP verranno rilasciati i seguenti Milestones:
S1- WP4-M1 : Rilascio dei dati relativi a mitocondri da tessuti cerebrali (CNR , PM24)
Saranno resi pubblici i risultati sulle analisi dei mitocondri integri da tessuti cerebrali umani.
162
C - WORKPACKAGE (Sp1 – WP5)
C.1 - SOTTOPROGETTO 1 - WP 5 - TIPO DI ATTIVITÀ
Metodologie bioinformatiche e bio-computazionali di supporto alle scienze
omiche.
C.2 - SOTTOPROGETTO 1 - WP 5 - DESCRIZIONE
Le attività previste saranno sviluppate sotto la responsabilità del CNR-ISA si focalizzano sullo sviluppo e
l’applicazione di nuovi metodi bioinformatici per l’analisi di dati sperimentali da approcci di proteomica,
trascrittomica, metabolomica e in generale da approcci “omici”. In particolare si prevede lo sviluppo di
metodologie a supporto di studi su specifici problemi di tipo biomedico e finalizzati all’integrazione dei
diversi dati sperimentali. Le attività sono di seguito elencate (saranno descritte in maggior dettaglio in C2):
A1: sviluppo di strumenti bioinformatici per l’analisi di dati sperimentali da approcci “omici”;
A2: sviluppo di metodi specializzati per la ricerca di markers molecolari;
A3: studi sulle relazioni struttura-funzione in specifiche proteine di interesse
A4: sviluppo di un tool per la realizzazione di sistemi di supporto alle decisioni in ambito diagnostico.
A5: sviluppo di un sistema per la gestione intelligente di dati spaziali
A6: organizzazione di eventi scientifici
Lo sviluppo delle nuove tecnologie e la loro applicazione alla ricerca biomedica e biotecnologica rende
indispensabile un adeguato intervento della bioinformatica sia per analizzare e gestire la quantità di dati
disponibili, sia per definire nuove strategie di analisi bio-computazionali, adatte alle esigenze emergenti
dalla nuova tipologia di informazione che le scienze omiche riescono a rendere disponibile. Al tempo
stesso, emerge sempre più nella comunità scientifica la necessità di standardizzare le metodologie utilizzate
sia a livello sperimentale, sia a livello di analisi dei dati. L'integrazione della conoscenza già consolidata
con i nuovi risultati è la nuova frontiera a cui la ricerca nel settore della bioinformatica si avvicina, con la
prospettiva di poter analizzare con approcci integrati le diverse informazioni disponibili, per raggiungere
nuove conoscenze sui sistemi oggetto di studio. L’attività proposta prevede lo sviluppo di nuovi strumenti
bioinformatici, a supporto delle necessità emergenti nel settore delle discipline “omiche”, finalizzati alla
integrazione delle informazioni sperimentali ottenute da gruppi di ricerca, delle risorse pubbliche disponibili
in forma di banche dati, e dei software di analisi delle informazioni ottenute nei diversi approcci omici.
163
Le attività scientifiche si svolgeranno in forma di collaborazioni con gruppi di ricerca impegnati nella
ricerca biomedica, che producono dati sperimentali con approcci “omici” e necessitano di una attività
bioinformatica per la messa a punto delle più idonee modalità di analisi ed interpretazione dei risultati
ottenuti. In tale prospettiva, va considerata la forte componente multidisciplinare dell’istituto a cui afferisce
l’unità operativa, in particolare sia per la presenza consolidata negli anni di una piattaforma tecnologica
dedicata all’integrazione di Proteomica, Metabolomica, Lipidomica e Bioinformatica, che dispone di
strumentazioni di spettrometria di massa adeguate a studi di proteomica e metabolomica su larga scala, sia
per la disponibilità nell’istituto di competenze e strumentazioni per studi di proteomica e genomica in scala
“micro”. Le competenze multidisciplinari presenti nell’istituto possono pertanto ben integrare l’attività
bioinformatica nella prospettiva di realizzare strumenti adeguati per la identificazione di biomarcatori e la
definizione di nuovi metodi diagnostici. Le attività previste sono articolate nei seguenti punti:
A1: sviluppo di strumenti bioinformatici per l’analisi di dati sperimentali da approcci “omici”; tra questi
sono inclusi strumenti per il confronto di dati di spettrometria di massa, strumenti per l’integrazione delle
informazioni da approcci esperimentali differenti (es. trascrittomica e proteomica), strategie di analisi di dati
da proteomica, trascrittomica, metabolomica per l’interpretazione funzionale in termini di pathways
metabolici attivati o inattivati in specifiche condizioni sperimentali di studio;
A2: ricerca di markers molecolari mediante analisi di dati sperimentali su larga scala, anche mediante lo
sviluppo di strumenti software per gestione e/o analisi di archivi di informazione di interesse biomedico;
tale attività prevede in particolare l’interazione con gruppi di ricerca impegnati in studi “omici” su
popolazioni di pazienti affetti da specifiche patologie (sono già attive collaborazioni in studi su patologie
oncologiche)
A3: studi sulle relazioni struttura-funzione in specifiche proteine di interesse; in questo ambito, si prevede
l’utilizzo massivo di strumenti di simulazione molecolare, modellamento molecolare e studi strutturali su
proteine e molecole di interesse biotecnologico e/o farmacologico, per la comprensione delle basi
molecolari di fenomeni biochimici correlati a patologie umane, anche con nuovi metodi per l'analisi e la
predizione delle proprietà strutturali delle proteine;
A4: si svilupperà, basandosi su precedenti esperienze nel settore, un sistema per la generazione di
conoscenza fuzzy partendo da dati diagnostici. Tale sistema sarà implementato in Java per una serie di
ragioni tra cui, ad esempio, la possibilità di ri-usare e adattare codice disponibile nel pubblico dominio;
A5: nell'ambito della gestione di dati spaziali, ci si è concentrerà sullo sviluppo di un sistema per la gestione
di traiettorie tridimensionali. Tale sistema, che troverebbe applicazione in svariati campi, verrà sviluppato
appoggiandosi a soluzioni off-the-shelf (con particolare riferimento a PostgreSQL ed alla sua estensione
spaziale PostGIS).
A6: organizzazione di eventi scientifici quali corsi e convegni, per la diffusione dei risultati ottenuti, per
ampliare la rete di collaborazioni allo scopo di migliorare gli strumenti di interesse e per aumentarne
l’utilizzo da parte di gruppi sperimentali impegnati nella ricerca mediante discipline “omiche”.
C.3 - SOTTOPROGETTO 1 - WP 5 - OBIETTIVI (O)
S1-WP5- O1: realizzazione di nuovi strumenti bioinformatici e strategie di analisi per dati di spettrometria
164
di massa, per l’integrazione di dati da proteomica, trascrittomica, metabolomica, per lo sviluppo di sistemi
di supporto alle decisioni in ambito diagnostico, per la gestione di dati spaziali tridimensionali.
S1-WP5- O2: sito web per la diffusione dei risultati ottenuti e degli strumenti bioinformatici realizzati;
S1-WP5- O3: Pubblicazioni scientifiche
S1-WP5- O4: Presentazione di richieste di finanziamento su bandi pubblici e partecipazione ad altri
progetti.
C.4 - SOTTOPROGETTO 1 - WP 5 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP5- A1: sviluppo di strumenti bioinformatici per l’analisi di dati sperimentali da approcci
“omici”; ( CNR-ISA , PM01 – PM036)
I tool e le basi dati verranno sviluppati utilizzando le assestate metodologie di progettazione.
S1-WP5- A2: ricerca di markers molecolari; ( CNR-ISA , PM01 – PM036)
Sarà necessaria una forte interazione con gruppi di ricerca sperimentali al fine di integrare le conoscenze
biologiche con quelle bionformatiche
S1-WP5- A3: studi sulle relazioni struttura-funzione in specifiche proteine di interesse. ( CNR-ISA , PM01
– PM036)
Si utilizzeranno metodi di simulazione molecolare
S1-WP5- A4: sviluppo di un tool per la realizzazione sistemi di supporto alle decisioni in ambito
diagnostico. ( CNR-ISA , PM01 – PM036)
Tale sistema sarà implementato in Java e si terrà conto della possibilità di utilizzare codice di pubblico
dominio opportunamente adattato
S1-WP5- A5: sviluppo di un sistema per la gestione intelligente di dati spaziali( CNR-ISA , PM01 –
PM036)
Si farà uso di soluzioni off-the-shelf (con particolare riferimento a PostgreSQL ed alla sua estensione
spaziale PostGIS).
A6: organizzazione di eventi scientifici ( CNR-ISA , PM01 – PM036)
Si terrà conto di specifici interessi scientifici al fine di attivare nuove collaborazioni ed interazioni con
gruppi di ricerca potenzialmente interessati ai risultati del progetto.
165
C.5 - SOTTOPROGETTO 1 - WP 5 - DESCRIZIONE DELIVERABLES (D)
S1-WP5- D1 (12 mesi): versione alpha dei diversi strumenti bioinformatici previsti e definizione di forme
preliminari di strategie di integrazione dei dati da approcci “omici” differenti
S1-WP5- D2 (12 mesi): sito web accessibile a utenti esterni all’unità operativa, con strumenti bioinformatici
già disponibili
S1-WP5- D3 (12 mesi): Documenti in forma di relazioni e/o bozze di pubblicazioni che descrivano attività
svolte nell’ambito dello sviluppo e applicazione dei metodi bioinformatici
S1-WP5- D4 (12 mesi): Presentazione di richieste di finanziamento su bandi pubblici
S1-WP5- D5 (24 mesi): versione beta degli strumenti bioinformatici
D6 (24 mesi): update del sito web accessibile a utenti esterni con gli strumenti bioinformatici realizzati
dall’unità operativa
S1-WP5- D7 (24 mesi): presentazione degli strumenti e delle strategie messe a punto, mediante
pubblicazione in varie forme (articoli, presentazioni a convegni, sito web)
S1-WP5- D8 (24 mesi): Presentazione di richieste di finanziamento su bandi pubblici
C.6 - SOTTOPROGETTO 1 - WP 5 - DESCRIZIONE MILESTONES (M)
S1-WP5- M1 (6 mesi): progetto preliminare del tool per Diagnostic DSS
S1-WP5- M2 (6 mesi): progetto preliminare del sistema di gestione di dati spaziali
S1-WP5- M3 (6 mesi): progetto preliminare di strumenti per l’analisi di dati di spettrometria di massa
S1-WP5- M4 (6 mesi): definizione di massima di strategie di integrazione di dati da approcci omici
differenti (proteomica, trascrittomica, metabolomica)
S1-WP5- M5 (6 mesi): progetto preliminare di sito web per la diffusione dei risultati del progetto
S1-WP5- M6 (18 mesi): progetto definitivo del tool per Diagnostic DSS
S1-WP5- M7 (18 mesi): progetto definitivo del sistema di gestione di dati spaziali
S1-WP5- M8 (18 mesi): progetto definitivo di strumenti per l’analisi di dati di spettrometria di massa
S1-WP5- M9 (18 mesi): definizione di strategie di integrazione di dati da approcci omici differenti
(proteomica, trascrittomica, metabolomica)
S1-WP5- M10 (18 mesi): progetto definitivo del sito web per la diffusione dei risultati del progetto
166
167
C - WORKPACKAGE (Sp1 – WP6)
C.1 - SOTTOPROGETTO 1 - WP 6 - TIPO DI ATTIVITÀ
Sviluppo metodologie di analisi per sistemi complessi per l’analisi di sequenze
Geniche, Proteiche e per le reti di trascrizione genica.
C.2 - SOTTOPROGETTO 1 - WP 6 - DESCRIZIONE
GENOMICA
 Sequenziamento del DNA. Sperimentazione estesa delle tecniche di filtraggio basate sulla analisi
delle sequenze tramite distanze alignment-free e analisi delle prestazioni del metodo nel caso di
sottosequenze (reads) di dimensioni ridotte (60-100 basi). Impiego di metodi di estensione della
distanza alignment-free basati su misure di autocorrelazione tra le distribuzioni di k-meri; analisi
sperimentale per la identificazione della misura ottimale del parametro k in funzione della
dimensione dei reads e delle caratteristiche distribuzionali del dataset analizzato.
 Ricostruzione delle strutture tridimensionali dell'RNA. Nell’anno a venire saranno
sperimentati diversi modelli di grafi per la ricostruzione della struttura sia su datasets
reali sia su dati simulati atti a testare le prestazioni e al robustezza dei diversi modelli.
 Analisi di microarray. Estensione dei metodi di analisi comparata di reti di interazione tra
proteine e reti di interazione genica, e finalizzazione della applicazione del metodo a dati
di microarray provenienti da piante di tabacco di interesse per la Polish Academy of
Sciences. In particolare verrà sviluppato un algoritmo efficiente per la identificazione di
strutture condivide nelle due reti.
PROTEOMICA
 Docking tra proteina e peptide. Mediante utilizzo di algoritmi di ottimizzazione continua che
rappresentano lo stato dell'arte, si intende determinare, data una proteina nota ed un peptide, la
posizione in cui il peptide si lega alla proteina quando le due molecole interagiscono tra di loro.
 Predizione della struttura terziaria di proteine basata su descrittori locali. Messa a punto del metodo
di analisi e previsione della struttura primaria e secondaria attraverso una estesa sperimentazione
basata su un insieme di 6000 descrittori e 40 strutture proteiche di riferimento fornite dalla Polish
Academic of Science.
168
SYSTEMS BIOLOGY
 Reti di Trascrizione e Reti di Proteine. Si investigherà l’utilizzo di modelli discreti per la
descrizione di reti di trascrizione ed implementazione di metodi basati sull’osservatore a tempodiscreto per ottenere misure di transitorio relative a proteine e mRNA. Si studieranno tecniche di
matematica discreta per l'analisi del significato di sottografi ed in particolare su eventuali legami
fra complessi proteici e strutture hub.
MODELLI DELLE ATTIVITA’ CELLULARI
 Si proseguirà nella impostazione di opportuni esperimenti in silico volti a valutare l’efficacia con
cui il modello “coarse-grain” riesce a replicare il maggior numero possibile di risultati
sperimentali. Farà parte della stessa linea di ricerca anche la possibilità di realizzare uno o più
“blow-up” dal modello “coarse-grain” che riferiscano in modo più o meno approfondito i dettagli
delle catene di reazioni bio-chimiche alla base dei processi di crescita e ciclo cellulare
MODELLI STOCASTICI PER L'INTERAZIONE DI METABOLITI
 Si inizierà a lavorare sulla realizzazione di un modello multidimensionale che descriva
diverse reazioni chimiche o tra metaboliti, mediante processi di Markov
C.3 - SOTTOPROGETTO 1 - WP 6 - OBIETTIVI (O)
Analisi di Sequenze Geniche
Implementazione e test di modelli matematici ed algoritmi per l’individuazione di sottostringhe di sequenze
geniche che soddisfano requisiti specifici della teoria dei codici ai fini di:
-caratterizzare insiemi di sequenze geniche provenienti da campioni diversi (specie animali,
presenza/assenza di patologie);
-supportare un metodo alignment-free per il confronto fra reads di DNA per problemi di assemblaggio
derivanti da macchine di High Throughput Sequencing di nuova generazione.
Analisi e predizione di struttura delle proteine
Problema di docking proteina-peptide. Produzione di un software per la determinazione della posizione di
docking. Obiettivi secondari: (a) definizione del modello matematico per il funzionale di energia; (b)
definizione e sperimentazione del metodo; (c) rilascio del software su web.
Analisi basata su grafi di contatto della relazione struttura-funzione di proteine. Individuazione delle
relazioni fra le caratteristiche topologiche dei grafi di contatto, la struttura 3D delle proteine e le proprietà
fisico chimiche che permettano una migliore comprensione dei meccanismi molecolari alla base di patologie
169
degenerative quali Alzheimers e Parkinsons.
Analisi e identificazione di modelli dinamici per le reti di trascrizione genica
Realizzazione di un algoritmo di stima dei contenuti proteici e di mRNA basato sull’utilizzo di un modello
matematico della rete e sull’osservatore dello stato. Tale algoritmo dovrà risultare robusto rispetto alle
incertezze sui parametri del modello e sugli errori con cui le misure sono acquisite.
C.4 - SOTTOPROGETTO 1 - WP 6 - MODALITA’ DI REALIZZAZIONE DELLE ATTIVITÀ (A)
S1-WP6-A1 Analisi di Sequenze Geniche (CNR-IASI, PM01 – PM24)
Le attività saranno realizzate tramite combinazione di ricerca di base e ricerca applicata impiegando dati
reali e simulati di sequenze geniche, barcodes, dati di sequencing resi disponibili dalla comunità scientifica.
Saranno sviluppati e testati metodi di estrazione di informazione da stringhe basati su modelli di
programmazione logica e intera e risultati recenti della teoria dei codici per la rappresentazione univoca di
sottostringhe di dimensione data (tipicamente, trinucleotidi) caratterizzanti porzioni di interesse del genoma
di diversi organismi.
S1-WP6-A2 Analisi e predizione di struttura delle proteine (CNR-IASI, PM01 – PM24)
Problema di docking proteina-peptide. (1) Studio della letteratura ed individuazione del funzionale
di energia da usare e dei software attualmente in uso; (2) Definizione ed implementazione del
metodo di soluzione; (3) Sperimantazione numerica e confronto.
Analisi basata su grafi di contatto della relazione struttura-funzione di proteine. A partire dal grafo
di contatto della struttura proteica, la metodica innovativa proposta si basa sull'analisi di
correlazione tra le caratteristiche topologiche del grafo e le proprietà chimico-fisiche e biologiche
della proteina
S1-W61-A3: Analisi e identificazione di modelli dinamici per le reti di trascrizione genica(CNR-IASI,
PM01 – PM24)
Studio delle proprietà strutturali di osservabilità delle reti biologiche, realizzazione di algoritmi di
stima dei contenuti proteici e di mRNA. Comparazione degli algoritmi proposti al punto 2 e
valutazione della loro robustezza rispetto alle incertezze sui parametri del modello e sugli errori
con cui le misure sono acquisite
C.5 - SOTTOPROGETTO 1 - WP 6 - DESCRIZIONE DELIVERABLES (D)
Analisi di Sequenze Geniche
170
S1-WP6-D1 Relazione tecnica sulla attività svolta nei primi 12 mesi di attività (CNR-IASI, PM12)
S1-WP6-D2 Rapporto tecnico e comunicazione a conferenza aventi come oggetto i risultati conseguiti nel
primo anno di attività (CNR-IASI, PM12)
S1-WP6-D3 Relazione sulla attività svolta nei successivi 12 mesi di attività, (CNR-IASI, PM12)
S1-WP6-D4 Una o più pubblicazioni aventi come oggetti i risultati scientifici conseguiti nei primi 2 anni di
attività; (CNR-IASI, PM24)
S1-WP6-D5 Software open source che implementa i metodi sviluppati (CNR-IASI, PM24)
Analisi e predizione di struttura delle proteine
Problema di docking proteina-peptide
S1-WP6-D6 Rapporto tecnico sull'algoritmo per il problema del docking; 2/3 presentazioni a
conferenze internazionali; (CNR-IASI, PM12)
S1-W6-D7 Rapporto tecnico con i risultati della sperimentazione al termine del secondo anno; 2/3
presentazioni a conferenze internazionali; (CNR-IASI, PM24)
S1-WP6-D8 Software di soluzione e front-end web (CNR-IASI, PM24)
Analisi basata su grafi di contatto della relazione struttura-funzione di proteine.
S1-WP6-D9 Rapporto tecnico sullo stato dell’arte, sui risultati dell’analisi e sulla valutazione dei
principali indici topologici (grado, coefficiente di clustering, shortest path) (CNR-IASI, PM24)
S1-WP6-D10 Software per l'analisi di strutture proteiche (CNR-IASI, PM24)
Analisi e identificazione di modelli dinamici per le reti di trascrizione genica
S1-WP6-D11: Report interni sui risultati teorici ottenuti e descrizione dei casi significativi di possibili
applicazioni (CNR-IASI, PM12)
S2-WP6-D12: Software e programmi numerici volti alla realizzazione degli algoritmi di stima proposti
(CNR-IASI, PM24)
S3-WP6-D13: Report interni sui risultati ottenuti in fase di simulazione e comparazione degli algoritmi
(CNR-IASI, PM24)
C.6 - SOTTOPROGETTO 1 - WP 6 - DESCRIZIONE MILESTONES (M)
Analisi di Sequenze Geniche
S1-WP6-M1 (12 mesi) (Analisi dello stato dell’arte, analisi e test di un metodo per la
171
classificazione di stringhe di DNA barcode di diverse specie animali tramite codici circolari di
trinucleotidi; (CNR-IASI , PM12)
S1-WP6-M2 (24 mesi) Sviluppo e test di un sistema di filtraggio alignment free per reads di
lunghezza inferiore a 100 basato sulla ricerca di codici circolari di trinucleotidi (CNR-IASI,
PM24)
Analisi e predizione di struttura delle proteine
Problema di docking proteina peptide.
S1-WP6-M3 (12 mesi) Definizione dell'algoritmo di soluzione; (CNR-IASI , PM12)
S1-WP6-M4 (24 mesi ) Codice definitivo dell'algoritmo proposto con sperimentazione e confronto.
Analisi basata su grafi di contatto della relazione struttura-funzione di proteine. CNR-IASI , PM24)
S1-WP6-M5 (12 mesi) Analisi dello stato dell'arte e definizione modellistica degli invarianti topologici
rilevanti per l'analisi funzionale di proteine. (CNR-IASI , PM12)
S1-WP6-M6 (24 mesi) Implementazione e test dello strumento software su alcune strutture
proteiche target (emoglobina, proteine calcio-leganti); disseminazione dei risultati. CNR-IASI ,
PM24)
Analisi e identificazione di modelli dinamici per le reti di trascrizione genica
S1-WP6-M6 (12 mesi)Valutazione delle proprietà strutturali di osservabilità delle reti biologiche analizzate
(CNR-IASI , PM12)
S1-WP6-M6 (24 mesi) Realizzazione di algoritmi di stima dei contenuti proteici e di mRNA basati
sull’utilizzo di un osservatore dello stato. Valutazione della robustezza degli algoritmi proposti
rispetto alle incertezze sui parametri del modello e sugli errori con cui le misure sono acquisite.
CNR-IASI , PM24)
172
C - WORKPACKAGE (Sp1 – WP7)
C.1 - SOTTOPROGETTO 1 - WP 7 - TIPO DI ATTIVITÀ
Analisi e disegno di un prototipo software per l’analisi di dati omici in ambiente
di elaborazione distribuito, mediante l’utilizzo di metodologie resilienti agli
errori.
C.2 - SOTTOPROGETTO 1 - WP 7 - DESCRIZIONE
Le moderne tecnologie “omiche” ci permettono di ottenere sempre più dati a prezzi sempre più bassi.
L'esempio principale è il sequenziamento del genoma umano: si è speso più di un miliardo di dollari 10 anni
fa per ottenere una sequenza completa, mentre oggi il costo e la velocità per ottenere i dati è scesa al punto
in cui è possibile ottenere la sequenza del proprio genoma per 5.000 dollari, acquistandola online. Dal sito
23andMe è ora possibile fare un test SNIP a buon mercato, e questa società offre un esame dell’intero
genoma a $999. D’altra parte, lo scorso anno sono stati sequenziati circa 10.000 pazienti. Quest’anno
potrebbero essere 100.000, e presto milioni di persone, portando il costo di una sequenza del genoma ad
essere comparabile con il costo di un emocromo oggi.
I dati prodotti dalle odierne tecnologie sono però affetti da errori e in parte incompleti. Tali caratteristiche,
assieme all’alta dimensionalità, costituiscono fattori limitanti per le tecniche di analisi esistenti. Inoltre, i
dati sono spesso organizzati in maniera non consistente, di fatto inibendo la possibilità di integrarli per
avere una visione complessiva di un singolo soggetto e per effettuare screening di massa.
Si pone pertanto il problema dell’evoluzione delle attuali piattaforme di elaborazione distribuita verso
infrastrutture "intelligenti" che, avvalendosi dei paradigmi del Grid, Cloud e P2P Computing,
dell’Intelligenza Artificiale e dei sistemi multi-agente, contribuiscano a sviluppare in maniera efficiente,
sostenibile e sicura applicazioni per l’analisi e la visualizzazione di dati omici incompleti e affetti da errori.
La sfida è pertanto quella di organizzare i dati in maniera da poterne estrarre informazioni utili ai pazienti e
ai loro medici, utilizzando quindi algoritmi di machine learning e data mining in grado di estrarre
conoscenza. L’utilizzo di tecniche di Intelligenza Artificiale porterà alla organizzazione della conoscenza
acquisita, per la definizione di sistemi di supporto alle decisioni in grado di fornire una guida per la
costruzione di workflow sperimentali.
173
C.3 - SOTTOPROGETTO 1 - WP 7 - OBIETTIVI (O)
In questo WP verranno realizzati i seguenti obbettivi:
 Analisi, disegno e realizzazione di un prototipo di dashboard, basato su strumenti di Grid, Cloud e
P2P Computing per la memorizzazione, gestione, integrazione, analisi di dati incompleti ed affetti
da errori, dell'identificazione delle reti di regolazione genica, visualizzazione e image processing
dei risultati. Nell’ambito di tale obiettivo si prevede l’individuazione di opportuni strumenti di
elaborazione distribuita, lo studio e lo sviluppo di opportune tecniche di data mining, machine
learning resilienti agli errori, di image processing basate su PDE.
 Validazione e test del dashboard su un caso di studio, utilizzando dati reali. Tale obiettivo
permetterà di ottenere risultati rilevanti dal punto di vista della bioinformatica e di determinare le
opportunità di ulteriore sviluppo
C.4 - SOTTOPROGETTO 1 - WP 7 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-W6-A1 Analisi e disegno del dashboard (CNR-ICAR , PM01 – PM11)
Analisi delle soluzioni esistenti, dei database pubblici, della letteratura scientifica, dei middleware e dei
software di analisi esistenti. Individuazione delle specifiche, delle metodologie di analisi e definizione
dell’architettura software. Inventario e installazione dei prototipi software esistenti presso l’Istituto.
S1-WP6-A2 Caso di studio(CNR-ICAR , PM01 – PM12)
Download delle banche dati individuate nel WP1, individuazione di un caso di uno o più casi di studio da
utilizzare per la validazione ed il test. Determinazione dei parametri di valutazione e delle batterie di test.
S1-WP6-A2 Realizzazione del prototipo (CNR-ICAR , PM01 – PM12)
Sviluppo, implementazione e integrazione del prototipo di dashboard. Caricamento delle banche dati
necessarie e integrazione con il middleware scelti.
S1-WP6-A2 Validazione e test (CNR-icar, PM01 – PM22)
Valutazione delle prestazioni e della conformità del prototipo alle specifiche mediante batterie di test
individuate nel WP2. Individuazione delle eventuali criticità e delle ulteriori opportunità di sviluppo.
174
C.5 - SOTTOPROGETTO 1 - WP 7 - DESCRIZIONE DELIVERABLES (D)
S1-WP6-D1 Analisi e disegno del dashboard (CNR-ICAR, PM10)
Rapporto tecnico contenente l’analisi e il disegno della soluzione proposta.
S1-WP6-D2 Sviluppo del prototipo (CNR-ICAR , PM12)
Prototipo software, relativa documentazione ed esempi d’uso.
S1-WP6-D3 Validazione (CNR-ICAR , Pm20)
Pubblicazioni scientifiche che contengono i risultati del dashboard al caso di studio.
C.6 - SOTTOPROGETTO 1 - WP 7 - DESCRIZIONE MILESTONES (M)
S1-WP6-M1 Definizione dell’architettura software (CNR-ICAR , PM08)
Definizione dell’architettura software mediante opportune metodologie di progettazione.
S1-WP6-M2 Individuazione del caso di studio (CNR-ICAR, PM12)
Reperimento del caso di studio e organizzazione dei dati.
S1-WP6-M3 Implementazione del prototipo (CNR-ICAR , PM20)
Implementazione prototipale del software, completa di interfaccia utente.
S1-WP6-M2 Test (CNR-ICAR , PM22
Rispondenza del prototipo ai requisiti individuati in fase di analisi e disegno.
175
C - WORKPACKAGE (Sp1 – WP8)
C.1 - SOTTOPROGETTO 1 - WP 8 - TIPO DI ATTIVITÀ
Applicazione di metodologie di machine learning e di Ingegneria dei Tessuti in
biomedicina.
C.2 - SOTTOPROGETTO 1 - WP 8 - DESCRIZIONE
La necessità di combinare ed integrare i dati provenienti dallo studio del genoma con quelli derivanti da altri
aspetti (biochimico, ambientale, fisiologico. clinico, ecc.) prodotte con tecnologie “OMICS” richiede di
disporre di tecniche avanzate di analisi omica capaci di trattare in tempi di esecuzione ragionevoli grosse
moli di dati provenienti da fonti eterogenee tenendo conto della peculiarità delle variabili coinvolte. Per
ottemperare a tale scopo, è desiderabile che le sopra citate tecniche avanzate di analisi omica per la
caratterizzazione della patologia in esame con possibili ricadute cliniche e/o terapeutiche. In particolare
nelle seguenti aree di attività.
1) Applicazione di metodologie di machine learning in biomedicina, incentrate sullo sviluppo di
metodi statistici inferenziali innovativi per l’analisi di dati reali.
2) Applicazioni su tematiche di Ingegneria dei Tessuti. In particolare, si è interessati alla progettazione
e sviluppo di biomateriali intelligenti, da impiegare come sostitutivi tissutali nella pratica clinica; al
fine di ottimizzare le performance funzionali di tali biomateriali, diventa di cruciale importanza lo
studio multiscala della risposta cellulare agli specifici input chimico-fisici offerti dal biomateriale
stesso. Tale risposta cellulare è tipicamente analizzata, a diversi istanti temporali, a livello
molecolare (genomico, trascrittomico), proteomico, funzionale, in vitro e in vivo, e clinico.
L'integrazione di questi risultati sperimentali, ottenuti attraverso tecniche low e high-throughput,
può permettere di interpretare i meccanismi cellulari di decodifica del microambiente artificiale e,
in ultima analisi, essere impiegata per migliorare la progettazione dei biomateriali sostitutivi
tissutali, attraverso un processo a feedback.
Per queste considerazioni, si ritiene di particolare importanza, nell'ambito del presente WP, valutare le
proprietà funzionali dei biomateriali sostitutivi tissutali attraverso un'analisi omica multiscala. Tale attività
sarà finalizzata alla identificazione dei segnali regolatori in sequenze genomiche, alla selezione dei geni più
rilevanti in esperimenti comparativi di microarray, all’analisi di dati proteomici. Modelli basati su system
biology saranno infine progettati e testati per comprendere i processi fisiologici alla base del
differenziamento delle cellule staminali/progenitrici in vitro/in vivo quando coltivate all'interno dei
biomateriali sostitutivi tissutali precedentemente progettati e realizzati.
L’attività che si intende svolgere nell’ambito del presente WP riguarda la messa a punto di tecniche
176
avanzate di analisi omica e si sviluppa più specificamente in tre direzioni principali:
1. (Apprendimento supervisionato) Estensione e generalizzazione del paradigma delle SNN e
dell’algoritmo di addestramento SC al fine di renderli maggiormente adatti al trattamento di
insiemi di dati biologici provenienti da fonti diverse (dati genomici, proteomici, epigenomici,
interatomici, ambientali, fisiologici, clinici, …).
2. (Apprendimento non supervisionato) Realizzazione di un nuovo algoritmo di clustering per dati
eterogenei (qualitativi, quantitativi, discreti, continui, categorici, …) e provenienti da fonti diverse
(dati genomici, proteomici, epigenomici, interatomici, ambientali, fisiologici, clinici, …), capace di
produrre per ognuno dei cluster individuati un insieme di regole intelligibili che sintetizzino
l’informazione contenuta nell’insieme di dati originale.
3. (Ingegneria dei tessuti) Analisi biomolecolare della risposta di cellule staminali a biomateriali
sostitutivi tissutali, precedentemente progettati e realizzati in maniera differente sia in termini di
composizione chimica sia in termini macro-micro-nano-strutturali (porosità, rugosità superficiale,
architettura 3D).
Relativamente al primo aspetto, inerente la costruzione di modelli per la soluzione di problemi di
classificazione e regressione, saranno realizzate le seguenti attività:

saranno sviluppati nuovi algoritmi di discretizzazione e di binarizzazione per la conversione dei dati
dell’insieme originale nello spazio binario, con lo scopo di minimizzare la complessità del problema
di ricostruzione della funzione booleana mantenendo inalterata l’informazione soggiacente;

sarà ideata e realizzata una innovativa tecnica automatica di ottimizzazione dell’insieme di regole
prodotto da SC finalizzata ad aumentare la capacità di generalizzazione e/o la comprensibilità
dell’informazione in esse contenuta; tale tecnica avrà validità generale e potrà pertanto essere
impiegata per ottimizzare insiemi di regole intelligibili prodotte da qualunque metodo automatico o
sistema esperto;

sarà messo a punto un metodo iterativo efficace di individuazione delle variabili significative che
consenta di effettuare un’analisi a risoluzione progressiva dell’insieme di dati per il problema di
interesse; tale metodo permetterà di potenziare la capacità di effettuare feature selection insita nel
paradigma SNN.
Nell’ambito del presente WP si procederà pertanto a sviluppare una nuova tecnica di apprendimento non
supervisionato del tipo k-means capace di produrre partizionamenti con la proprietà del clustering proiettivo
per le variabili d’ingresso appartenenti ad un sottoinsieme scelto dall’utente. Il nuovo algoritmo,
denominato projection clustering, sarà in grado di operare su dataset contenenti attributi di tipo eterogeneo
in maniera assolutamente naturale.
Le tecniche per l’analisi supervisionata e non supervisionata così prodotte saranno estensivamente testate
attraverso l’analisi di dati contenuti nelle principali banche dati messe a disposizione dalla comunità
scientifica e successivamente impiegate nello studio dei problemi oggetto di due collaborazioni pluriennali
dell’IEIIT con l’Istituto Nazionale per la Ricerca sul Cancro di Genova (diagnosi e prognosi di tumori
mammari) e con l’Istituto Ortopedico Rizzoli di Bologna (classificazione e prognosi di malattie
177
osteoarticolari rare).
Relativamente al terzo aspetto (Ingegneria dei Tessuti), è prevista una analisi omica multiscala finalizzata
alla individuazione dei meccanismi di decodifica da parte delle cellule del microambiente (biomateriale)
dove vengono coltivate; tale attività si svilupperà nelle seguente tre sottoanalisi: analisi trascrittomica,
genomica, proteomica e funzionale:
- analisi trascrittomica: approcci biomolecolari high-throughput e ad alta definizione saranno applicati per
analizzare le cellule umane coltivate sui biomateriali a tempi sperimentali diversi; saranno identificati i loro
profili di espressione genica, in modo da individuare i meccanismi molecolari legati al loro
differenziamento selettivo e specifico a seconda delle condizioni al contorno (microambiente). Per ogni
condizione sperimentale (composizione chimica, architettura interna, bioattivazione di superficiale, etc),
saranno evidenziati i relativi livelli di espressione genica, con l'obiettivo di mettere in luce le modulazione
di attivazione o l'inibizione tra i geni. I miRNA, che ora sembrano giocare un ruolo cruciale nella
differenziazione delle cellule, saranno inoltre oggetto di indagine all'interno di un array PCR: le anticorrelazioni tra i dati emersi e le informazioni mRNA saranno messe in luce, e possibilmente elaborate per
evidenziare i meccanismi regolatori correlati.
- analisi genomica: i risultati ottenuti dalle valutazioni di espressione genica guideranno i successivi studi di
genomica, al fine di chiarire il profilo genomico responsabile per l'espressione osservata. Per ogni
condizione di crescita, saranno selezionati ed individuati fattori epigenetici, quali la struttura della
cromatina e le metilazioni. Il confronto dei dati ottenuti dalle diverse condizioni sperimentali permetterà di
comprendere gli effetti della progettazione dei biomateriali diversi sulla differenziazione delle cellule e la
rigenerazione dei tessuti target in vivo.
- analisi proteomica: rispetto all'analisi di espressione genica e di miRNA, l'analisi proteomica permetterà di
valutare e quantificare in modo differenziato la reale presenza di specifiche proteine espresse nelle cellule
coltivate sui biomateriali diversi. A seconda del numero di proteine da analizzare, verrà impiegata la tecnica
più idonea tra le tecniche high-throughput e le tecniche ad alta definizione. Questo permetterà di controllare
l'effettiva traduzione di mRNA in proteine. Ciò può implicare l'identificazione di RNA che non portano alla
produzione delle proteine precedentemente individuate. Basandosi sulle proteine differenzialmente espresse,
saranno infine analizzate con più attenzione le interazioni proteina-proteina e proteina-reti di proteine.
C.3 - SOTTOPROGETTO 1 - WP 8 - OBIETTIVI (O)
 Tecnica efficiente per la generazione di modelli a regole intelligibili capace di analizzare con un
costo computazionale contenuto grandi moli di dati di tipo eterogeneo (qualitativi, quantitativi,
discreti, continui, categorici, …) e provenienti da fonti diverse (dati genomici, proteomici,
epigenomici, interatomici, ambientali, fisiologici, clinici, …).
 Metodo di clustering proiettivo finalizzato all’analisi di dati di tipo eterogeneo e provenienti da fonti
diverse.
 Analisi multiscala della decodifica di input chimico-fisici, indotti da biomateriali sostitutivi tissutali,
per opera di cellule staminali/progenitrici
178
C.4 - SOTTOPROGETTO 1 - WP 8 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP8-A1 - Tecnica per la generazione di modelli a regole intelligibili (CNR-IEIIT, PM01 –
PM12)
Sfruttando l’esperienza nella realizzazione di metodi di addestramento per il paradigma SNN si
procederà alla messa a punto della tecnica proposta secondo le modalità sopra esposte nel
dettaglio.
S1-WP8-A2 - Metodo di clustering proiettivo (CNR-IEIIT , PM12 – PM24)
Dopo aver definito in maniera formale gli obiettivi e la procedura che deve essere seguita da un
metodo di clustering proiettivo si procederà alla realizzazione di una versione generalizzata della
tecnica del k-means che implementi l’algoritmo desiderato.
S1-WP8-A3 - analisi trascrittomica della risposta cellulare a differenti biomateriali sostitutivi
tissutali (CNR-IEIIT, PM1-12)
Per ciascun biomateriale precedentemente progettato e realizzato con finalità di induzione della
rigenerazione tissutale, sarà estratto l'RNA totale delle cellule ivi coltivate, e su di esso saranno identificati
i geni differenzialmente espressi e co-espressi; per ogni condizione sperimentale saranno infine valutati i
miRNA espressi e l'identificazione di possibili target tra i geni espressi.
S1-WP8-A4 - analisi genomica della risposta cellulare a differenti biomateriali sostitutivi tissutali
(CNR-IEIIT, PM6-18)
Per ciascuna condizione sperimentale verrà condotta una analisi genomica ed epigenetica secondo le
modalità precedentemente esposte. Le differenze tra i vari biomateriali, in termini di risposta cellulare
indotta, saranno messe in luce e serviranno per ottimizzare la fase di progettazione dei biomateriali
sostitutivi tissutali.
S1-WP8-A5 - analisi proteomica della risposta cellulare a differenti biomateriali sostitutivi tissutali
(CNR-IEIIT, PM12-24)
Per ogni condizione sperimentale, dopo aver elaborato i dati di proteomica, come illustrato in precedenza,
si prevede un'analisi integrata dei dati trascrittomici con quelli proteomici, per determinare la correlazione
tra ciò che è espresso e ciò che è prodotto dalla cellula coltivata all'interno dei suddetti biomateriali.
C.5 - SOTTOPROGETTO 1 - WP 8 - DESCRIZIONE DELIVERABLES (D)
S1-WP8-D1 - Tecnica per la generazione di modelli a regole intelligibili (CNR-IEIIT , PM9)
179
La tecnica efficiente per la generazione di modelli a regole intelligibili sopra descritta sarà resa
disponibile alla comunità scientifica e successivamente testata su dati sperimentali.
S1-WP8-D2 - Metodo di clustering proiettivo (CNR-IEIIT, PM21)
Il metodo di clustering proiettivo sopra descritto sarà reso disponibile alla comunità scientifica e
successivamente testato su dati sperimentali.
S1-WP8-D3 - analisi trascrittomica della risposta cellulare a differenti biomateriali sostitutivi
tissutali (CNR-IEIIT, PM9)
Per ogni condizione sperimentale, i geni differenzialmente espressi e co-espressi, per ogni condizione
sperimentale, saranno estrapolati e resi disponibili alla comunità scientifica.
S1-W81-D4 - analisi genomica della risposta cellulare a differenti biomateriali sostitutivi tissutali
(CNR-IEIIT, PM15)
Per ciascuna condizione sperimentale, i dati di analisi genomica e epigenetica saranno estrapolati e resi
disponibili alla comunità scientifica. Le differenze tra i vari biomateriali, in termini di risposta cellulare
indotta, saranno messe in luce.
S1-WP8-D5 - analisi proteomica della risposta cellulare a differenti biomateriali sostitutivi tissutali
(CNR-IEIIT, PM21)
Per ogni condizione sperimentale, saranno resi disponibili alla comunità scientifica i risultati relativi a una
analisi integrata dei dati trascrittomici con quelli proteomici.
C.6 - SOTTOPROGETTO 1 - WP 8 - DESCRIZIONE MILESTONES (M)
S1-WP8-M1 - Tecnica per la generazione di modelli a regole intelligibili ampiamente testata su
dati sperimentali (CNR-IEIIT, PM12)
I risultati ottenuti attraverso un test intensivo della tecnica efficiente per la generazione di modelli
a regole intelligibili sopra descritta saranno descritti nel dettaglio in un report finale.
S1-WP8-M2 - Metodo di clustering proiettivo ampiamente testato su dati sperimentali (CNRIEIIT, PM24)
I risultati ottenuti attraverso un test intensivo del metodo di clustering proiettivo sopra descritto saranno
descritti nel dettaglio in un report conclusivo.
S1-WP8-M3 - analisi trascrittomica della risposta cellulare a differenti biomateriali sostitutivi
tissutali (CNR-IEIIT, PM12)
180
I risultati di analisi trascrittomica ottenuti saranno descritti nel dettaglio in un report conclusivo.
S1-WP8-M4 - analisi genomica della risposta cellulare a differenti biomateriali sostitutivi tissutali
(CNR-IEIIT, PM18)
I risultati di analisi genomica ottenuti saranno descritti nel dettaglio in un report conclusivo.
S1-WP8-M5 - analisi proteomica della risposta cellulare a differenti biomateriali sostitutivi
tissutali (CNR-IEIIT, PM24)
I risultati di analisi proteomica ottenuti saranno descritti nel dettaglio in un report conclusivo.
181
C - WORKPACKAGE (Sp1 – WP9)
C.1 - SOTTOPROGETTO 1 - WP 9 - TIPO DI ATTIVITÀ
Sviluppo e validazione di algoritmi per l’estrazione di infomazioni
biologicamene rilevanti dai dati ottenuti con tecniche “High Throughput”.
C.2 - SOTTOPROGETTO 1 - WP 9 - DESCRIZIONE
Questo WP contribuirà alleo sviluppo delle seguenti aree:
1) Analisi di sequenze genomiche e proteomiche
2) Biologia dei sistemi, analisi di reti biologiche.
3) Next Generation Sequencing
Analisi di sequenze genomiche e proteomiche. Grazie al successo dei progetti si sequenziamento di varie
specie (in numero sempre crescente nel tempo), una buona parte dei dati genomici e proteomici primari
sono sotto forma di sequenze (DNA, aminoacidi).
In questo WP verranno trattati algoritmi per la ricerca di:
1)
"Tandem Repeats", "Inverted Repeats", ed "Interspersed Repeats". Gli algoritmi sviluppati dal WP IIT
per questa tematica saranno specialmente orientate al trattamento di alti livelli di errore (divergenzaa)
nelle sequenze considerate, in modo da superare limitazioni negli strumenti che costituiscono lo stato
dell'arte.
2) Biologia dei sistemi (Systems biology) studio della metodologi di data mining sofisticate per poter
individuare ed estrarre informazioni relative a sottosistemi definiti in modo impicito nei dati. Un
esempio tipico e' quello della individuazione di complessi di proteine all'interno di grafi PPI (Protein
protein interactions) ottenuti come risultato di esperimenti "large-scale yeast two-hybrid (YTH) screen".
Il WP IIT intende sviluppare algoritmi innovative di data mining su grafi capaci di evidenziare
sotostrutture d'interesse biologico in modo efficiente al crescere della complessita' dei modelli
realizzati.
3) Next Generation Sequencing (NGS). La tecnologia NGS si sta affermando come una delle prospettive
piu' concrete di realizzare una "medicina personalizzata" su base genomica tramite l'abbattimento dei
182
costi per il sequenziamento del genoma individuale dei pazienti. L'obiettivo di costo di 1000 dollari
statunitensi per un genoma personalizzato sta per essere raggiunto e forse superato. A fronte delle
potenzialita' diagnostiche insite in quest nuova tecnologia abbiamo tuttavia una vasta seri di sfide nella
gestione delle grandi moli di dati che vengono ottenuti come "dato primario" dei sequenziatori NGS. I
sistemi di sequenziamento high-throughput di nuova generazione sono caratterizzati dalla produzione di
grandi quantita' (ordine di Gbytes) di brevi sequenze (reads). Anche la semplice memorizzazione in
forma compressa di tali moli di dati in memoria centrale diventa problematica. Inoltre tutti gli algoritmi
classici di allienamento e ricostruzione di sequenze a partire dai "reads" hanno prestazioni fortemente
degradate dovute al ridursi della lunghezza dei "reads" ed al crescere del numero di errori di
sequenziamento. Il WP IIT intende sviluppare algoritmi innovativi per la gestione di grosse collezioni di
reads e per la risoluzione efficiente di vari problemi algoritmici che compongono la filiera per la
generazione di genomi personalizzati.
C.3 - SOTTOPROGETTO 1 - WP 9 - OBIETTIVI (O)
Obiettivo 1: Sviluppo di algoritmi innovativi per la ricerca di altre stutture ripetitive in sequenze genomiche.
In particolare verrano studiati algoritmi per individuare gli Inverted Repeats (IR) e le sequenze ripetitive
disperse (Interspersed Repeats).
Obiettivo 2: Applicazioni di metodologie innovative di "graph-motif-detection" alle reti biologiche
(Protein-Protein Interaction networks) in un'ottica di Systems Biology, sfruttando ed adattando metodi
utilizzate nella Social Network analysis.
Obiettivo 3: Invenzione di tecniche innovative di "homology detection" basate su trasformazioni di stringhe
(Burrows-Wheeler Transform) e su "gapped seeds" con applicazione a data sets generati da tecnolgie di
"Next Generation Sequencing".
C.4 - SOTTOPROGETTO 1 - WP 9 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP9-A1 Strutture repetitive con alta divergenza in DNA e Proteine (CNR-IIT , PM01 – PM12)
Si esteneranno le tecniche efficienti gia’ sviluppate per tandem repeats in DNA e Proteine ad altre
categorie di strutture ripetitive nelle sequenze biologiche.
S1-WP9-A2 Motif-detection in grafi biologici (CNR-IIT , PM01 – PM10)
Si indagheranno e adatteranno metodologie svilupate per l’analisi di grafi sociali ai grafi di natura
biologica.
S1-WP9-A3 Allienamento di reads su genomi di riferimento con “gapped-seeds” (CNR-IIT ,
PM01 – PM18)
Tecniche effcienti per rappresentare le collezioni di reads con BWT per la ricerca di omologie semi
contigui, si intende estendere tali tecniche ai semi con “gaps” che sono robusti agli errori.
183
C.5 - SOTTOPROGETTO 1 - WP 9 - DESCRIZIONE DELIVERABLES (D)
S1-WP9-D1 Prototipi di algoritmi per la ricerca di strutture repetitive con alta divergenza in DNA
e Proteine (CNR-iit , PM12)
Gli algoritmi proposti verrammo confrontati con i metodi stato dell’arte sia per problemi specifici,
che per homology search generiche (per esempio la famiglia di metodi BLAST)
S1-WP9-D2 Prototipi di algoritmi per la ricerca di motivi in grafi biologici (CNR-12 , PMXX)
Oltre a dati di pubblico dominio si intende acquisire dati di test su patologie specifiche tramite
collaborazioni con l’Istituto di Fisiologia Clinica del CNR di Pisa.
S1-WP9-D3 Prototipi di algoritmi per la ricerca di allienamenti di reads su genomi di riferimento
con “gapped-seeds” (CNR-IIT , PM18)
L’algoritmo verra’ testato e confrontato con metodi stato dell’arte su data sets pubblici in cui si
introdurrranno errori in modo controllato per stabilire la performance di allineamento in presenza di errori.
C.6 - SOTTOPROGETTO 1 - WP 9 - DESCRIZIONE MILESTONES (M)
S1-WP9-M1 Applicazioni di algoritmi per la ricerca di strutture repetitive con alta divergenza in
DNA e Proteine (CNR-IIT , PM12)
Le Strutture ripetitive ad alta divergenza trovate verranno confrontate con altre stutture note
(domini) per migliorare le tecniche di classificazione di sequenze proteiche non annotate rispetto
alle famiglie di proteine note (e.g. SCOP, CATH).
S1-WP9-M2 Applicazioni di algoritmi per la ricerca di motivi in grafi biologici (CNR-IIT ,
PM12)
La scoperta di un sempre maggior numero di microRNA con funzioni di regolazione dell’espressione
genica sta portando alla creazione di reti di interazione genica sempre piu’ complesse . I nuovi algoritmi
verranno finalizzati allo studio di tali nuove reti multi-livello.
S1-WP9-M3 Applicazioni di algoritmi per la ricerca di
riferimento con “gapped-seeds” (CNR-IIT , PM18)
allienamenti di reads su genomi di
Le tecniche di NGS trovano sempre nuove applicazioni per lo studio dei caratteri personali del genoma e del
trascrittoma. I nuovi algoritmi di allinamento read/genoma sviluppati verranno oriantati a queste nuove
184
applicazioni in medicina personalizzata..
C - WORKPACKAGE (Sp1 – WP10)
C.1 - SOTTOPROGETTO 1 - WP 10 - TIPO DI ATTIVITÀ
Identificazioni di nuovi biomarcatori utilizzabili nella pratica clinica per la
personalizzazione del percorso prognostico, diagnostico e terapeutico del
paziente oncologico.
C.2 - SOTTOPROGETTO 1 - WP 10 - DESCRIZIONE
Il presente WP e’ articolato nelle seguenti attività:
S1-WP10-A1 . Raccolta dei dati traslazionali: case studies (IBFM)
Questa attività riguarda la definizione dei protocolli clinici per la raccolta dei dati traslazionali su gruppo di
pazienti con comune patologia oncologica. Tali protocolli saranno sottoposti ad approvazione del Comitato
Etico delle Strutture Cliniche coinvolte nel progetto e considereranno criteri di inclusione e reclutamento dei
pazienti, raccolta dei dati anamnestici, diagnostici (biologici, istopatologici, proteomici, genomici,
imaging), epidemiologici, e terapeutici.
S1-WP10-A2. Selezione degli indicatori di interesse (IBFM)
Questa attività riguarda la definizione di potenziali biomarcatori per la personalizzazione del percorso
prognostico, diagnostico e terapeutico del paziente oncologico. Include lo sviluppo e implementazione di
metodi di misura quantitativa dei marcatori di interesse.
S1-WP10-A3 Implementazione della infrastruttura informativa (IBFM)
Questa attività riguarda la implementazione della infrastruttura informativa condivisa per l’accesso
autorizzato e autenticato ai dati traslazionali raccolti. L’infrastruttura permetterà alle figure professionali
coinvolte nel progetto di inserire i dati di propria competenza in modo standardizzato e accurato.
185
S1-WP10-A4 Sviluppo e validazione di metodi innovativi di integrazione
Questa attività riguarda lo studio e l’implementazione di metodi bioinformatici per l’integrazione dei dati
traslazionali, mirati ad identificare nuovi biomarcatori con particolare valore diagnostico, prognostico e di
risposta alla terapia.Il progetto proposto si instaura nel contesto delle attività di ricerca di Proteogenomica e
bioimaging molecolare in medicina. Aspetto innovativo della ricerca, caratterizzata da forte contenuto
transazionale, è l'integrazione di informazioni ottenute mediante imaging molecolare in vivo (PET/CT) e
proteogenomica, volta allo sviluppo di nuovi protocolli e indici per prognosi, diagnosi e terapia. Sono
sviluppate 4 linee di ricerca: 1) Genomica in oncologia per lo studio della fosforilazione; 2) Proteomica nel
tessuto sano e oncologico per l'identificazione di biomarcatori; 3) Proteogenomica in radioterapia per lo
studio degli effetti biologici delle radiazioni; 4) Imaging molecolare e proteogenomica. Le ricerche
riguardano sia studi su dati omogenei, sia studi incrociati su dati eterogenei (genomica vs proteomica vs
imaging molecolare), per la cui integrazione si prevede: a) implementazione di database per la raccolta dei
dati; b) sviluppo di tecniche bioinformatiche per la ricerca di correlazioni tra le diverse informazioni. Le
ricerche si avvalgono della stretta collaborazione tra la sede, l'UOS di Cefalù, l'IRCCS H S. Raffaele e le
Università di Milano e Milano Bicocca, utilizzando tecnologie diagnostiche e metodi di integrazione
innovativi.
C.3 - SOTTOPROGETTO 1 - WP 10 - OBIETTIVI (O)
Obiettivo generale del WP e’ l’identificazioni di nuovi biomarcatori utilizzabili nella pratica clinica per la
personalizzazione del percorso prognostico, diagnostico e terapeutico del paziente oncologico. Si
identificano 3 obiettivi operativi:
SP1-WP10-O1: sviluppo, implementazione, popolazione e validazione clinica di una infrastruttura
informativa per dati di medicina traslazionale. (IBFM)
SP1-WP10-O2: sviluppo, implementazione e validazione di metodi bioinformatici per l’integrazione di dati
di medicina traslazionale. (IBFM)
SP1-WP10-O3: 1identificazione di nuovi biomarcatori per la prognosi, diagnosi precoce e risposta della
terapia in oncologia. (IBFM)
C.4 - SOTTOPROGETTO 1 - WP 10 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP10-A1 Raccolta dei dati traslazionali: case studies (IBFM , PM01 – PM12)
Attraverso una consolidata collaborazione con l’Ospedale San Raffaele di Milano e l’Università di Milano
e’ in corso un protocollo di medicina traslazionale per una popolazione rappresentativa di pazienti con
carcinoma alla mammella. La collaborazione include una forte sinergia tra il CNR e l’ unità di senologia, il
reparto di chirurgia e di diagnostica per immagini (centro PET-CT) e laboratori di istopatologia,
coinvolgendo figure professionali con competenze interdisciplinari quali medici, biologi, fisici,
bioinformatici. Il protocollo, approvato dal comitato etico dell’Ospedale San Raffaele, include il
186
reclutamento dei pazienti, la raccolta di dati clinici, la raccolta di dati mediante imaging molecolare in vivo
ed ex vivo, e l’integrazione dati. Allo stato attuale sono stati già raccolti dati da 20 pazienti con carcinoma
alla mammella che hanno accettato di partecipare allo studio. Nel corso del primo anno del progetto la
casistica sarà ampliata, con lo scopo di aumentare la significatività statistica dei risultati.
S1-WP10- A2 Selezione degli indicatori di interesse (IBFM , PM01 – PM12)
Per ogni modalità di dati raccolti verranno estratti parametri qualitative e quantitativi di interesse per
l’integrazione dei dati. Tali parametri verranno categorizzate al fine di scegliere e implementare le analisi di
correlazione
opportune
(per.
es.
dati
qualitativi-nominali/qualitativi-ordinali,
quantitatividiscreti/quantitativi-continui). Nello specifico, le classificazioni degli indicatori istopatologici saranno
basate su soglie predefinite di classi differenzianti e su valori di incidenza epidemiologica. I dati
epidemiologici saranno classificati come variabili dicotomiche. Approcci simili verranno utilizzati per la
categorizzazione degli indicatori proteomici (proteine up/down regolate). Verranno in particolare messe a
punto tecniche di correzione mirate alla quantificazione accurata dei parametri in vivo (per es. tecniche di
correzione per l’effetto di volume parziale per biomarcatori metabolici e tecniche di estrazione di
biomarcatori anatomici e funzionali in PET, CT, MRI).
S1-WP10- A3 Implementazione della infrastruttura informativa (IBFM, PM01 – PM18)
L’interfaccia del laboratorio virtuale sara’ sviluppata in modo da permettere agli utenti, a seguito di
autenticazione e certificazione, di inserire i dati dei pazienti direttamente nei repositories, essendo il
paziente identificato tramite un ID paziente dal protocollo, per garantire sicurezza nel trattamento dei dati
sensibili. Il database utilizzato prevederà la memorizzazione in campi separati dei dati clinici, istologici, di
imaging in vivo e di protegenomica. Il database sarà popolato attraverso una interfaccia web da ogni figura
professionale coinvolta nel protocollo tramite propria stazione locale collegata in rete al laboratorio virtuale.
Su un worker node dedicato sarà implementato un programma dedicato alla integrazione dei dati, basato su
Couch, (Correlative and Collaborative Touch System), un programma sviluppato e brevettato recentemente
da CNR-IBFM. Couch è collegato alla infrastruttura e accede ai dati per effettuarne le analisi
bioinformatiche.
S1-WP10- A4 Sviluppo e validazione di metodi innovativi di integrazione (IBFM , PM01 – PM24)
Verranno messi a punto diversi metodi statistici di correlazione e aggregazione dei dati di diversa modalità
caratteristici dei case studies selezionati. Verranno utilizzati diversi test statistici univariati e multivariati
(per es. test di correlazione Wilcoxon- Mann-Whitney and Kruskal-Wallis, Cluster analysis) con l’obiettivo
di definire le relazioni tra possibili biomarcatori quantitativi ottenuti mediante studi in vivo (per es.
Stardardized Uptake Value, SUV, in PET) ed ex vivo, quali indici istologici (per es. ER, PgR, Mib1, c-erb2)
e proteine up/down regolate (per es. adenosine kinase, Beta-actin). Verrà inoltre implementato un algoritmo
a soglia dinamica basata su valori di SUV, per identificare possibili correlazioni tra SUV e gruppi di altri
parametri ex vivo.
C.5 - SOTTOPROGETTO 1 - WP 10- DESCRIZIONE DELIVERABLES (D)
S1-WP10-D1 Protocolli clinici di medicina personalizzata (IBFM , PM12)
187
Descrizione di protocolli clinici di medicina personalizzata che includono condizioni di inclusione
pazienti, raccolta dati anamnestici, diagnostici (biologici, istopatologici, proteomici, genomici,
imaging), epidemiologici, terapeutici.
S1-WP10-D2 Infrastruttura informativa per l’integrazione di dati di medicina personalizzata
(IBFM , PM18)
Infrastruttura informativa di dati di medicina personalizzata, costituita da repositories distribuiti
connessi da rete ad alta prestazione, che include e integra dati anamnestici, biologici,
istopatologici, proteomici, genomici, imaging, epidemiologici, terapeutici di singolo paziente
S1-WP10-D3 Metodi bioinformatici e biostatistici per l’integrazione di dati di medicina
personalizzata (IBFM , PM24)
Software bioinformatici e biostatistici che identificano correlazioni tra dati di medicina di singolo
soggetto, inclusi dati anamnestici, biologici, istopatologici, proteomici, genomici, imaging,
epidemiologici, terapeutici di singolo paziente
S1-WP10-D4 Biomarcatori in vivo per diagnostica classica (IBFM , PM24)
Definizione e descrizione di nuovi biomarcatori validati, estratti da test diagnostici clinici non
invasi e in vivo, inclusi imaging molecolare mediante PET, CT, MRI, con valore diagnostico,
prognostico e di risposta alla terapia.
C.6 - SOTTOPROGETTO 1 - WP 10 - DESCRIZIONE MILESTONES (M)
S1-WP10-M1 Protocolli clinici di medicina personalizzata (IBFM , PM11)
Definizione di protocolli clinici di medicina personalizzata che includono condizioni di inclusione
pazienti, raccolta dati anamnestici, diagnostici (biologici, istopatologici, proteomici, genomici,
imaging), epidemiologici, terapeutici.
S1-WP10-M2 Infrastruttura informativa per l’integrazione di dati di medicina personalizzata
(IBFM , PM17)
Implementazione di una infrastruttura informativa di dati di medicina personalizzata, costituita da
repositories distribuiti e rete ad alta prestazione, che include e integra dati anamnestici, biologici,
istopatologici, proteomici, genomici, imaging, epidemiologici, terapeutici di singolo paziente
S1-WP10-M3 Metodi bioinformatici e biostatistici per l’integrazione di dati di medicina
personalizzata (IBFM , PM23)
Sviluppo e implementazione di metodi bioinformatici e biostatistici che identificano correlazioni
tra dati di medicina personalizzata di singolo soggetto, inclusi dati anamnestici, biologici,
188
istopatologici, proteomici, genomici, imaging, epidemiologici, terapeutici di singolo paziente
S1-WP10-M4 Biomarcatori in vivo per diagnostica classica (IBFM , PM23)
Identificazione e validazione di biomarcatori estratti da test diagnostici clinici non invasi e in vivo,
inclusi imaging molecolare mediante PET, CT, MRI, con valore diagnostico, prognostico e di
risposta alla terapia
189
C - WORKPACKAGE (Sp1 – WP11)
C.1 - SOTTOPROGETTO 1 - WP 11 - TIPO DI ATTIVITÀ
Sviluppo di una piattaforma bioinformatica per la gestione, classificazione,
analisi e identificazione della componente non-coding RNAs mediante l’utilizzo
delle piattaforme di Next Generation Sequencing (NGS).
C.2 - SOTTOPROGETTO 1 - WP 11 - DESCRIZIONE
La bioinformatica riveste un ruolo essenziale nel percorso che porta alla caratterizzazione funzionale del
profilo trascrizionale della componente non-coding RNAs (ncRNAs) negli esperimenti che vedono
coinvolta la piattaforma tecnologica NGS. L’attività progettuale da noi proposta è orientate allo sviluppo di
una piattaforma bioinformatica per la gestione, classificazione, analisi e caratterizzazione della componente
trascrittomica small RNAs che riveste un ruolo fondamentale nei processi della regolazione dell’espressione
genica.
Gli obiettivi della piattaforma bioinformatica sono: gestione e classificazione dei dati di sequenza NGS;
classificare e individuare i geni presenti a livello genomico; caratterizzare la funzione delle molecole di
ncRNAs.
Identificare l’insieme dei trascritti costituiti da “large” e “small” RNAs, nuovi trascritti, isoforme, e “genefusion” trascritti rappresenta il primo passo per comprendere la composizione del trascrittoma nelle diverse
matrici (tessuti, culture cellulari etc.). Per molto tempo le conoscenze sul trascrittoma sono state in gran
parte derivate dai sistemi di “gene prediction” mediante il sequenziamento di EST. Recentemente, con
l’affermazione delle tecnologie di Next Generation Sequencing (NGS) o RNA-Seq la visione della
complessità trascrittomica, nelle diverse patologie umane, inizia ad essere più chiara. Molto si conosce sul
ruolo dell’espressione genica della componente “coding” nella patologie umane, molto poco invece sono lo
conoscenze del ruolo degli small RNAs (non-coding RNAs), nei processi di regolazione dell’espressione
genica in diverse condizioni patologiche. Recenti evidenze hanno dimostrato che gli small non-coding
RNAs come ad esempio i miRNAs svolgono un importante ruolo di regolazione in molte patologie umane.
Ad oggi conosciamo poco di come questa classe di geni regolatori sono implicati nei processi ad esempio
tumorali o in altre patologie. L'attività proposta è quella di studiare il ruolo di regolazione della componente
ncRNAs nell’espressione genica sfruttando i dati ottenuti dalle tecnologie NGS, mediante lo sviluppo di
una piattaforma Bioinformatica.
In realtà una delle problematiche legate all’utilizzo delle tecnologie NGS è la quantità di dati in termini di
sequenze (reads) in ogni esperimento che in genere sono Gigabasi di sequenze nucleotidiche.
La piattaforma bioinformatica sarà costituita da una serie di moduli che vanno dalla gestione,
190
organizzazione e analisi dei dati prodotti.
C.3 - SOTTOPROGETTO 1 - WP 11 - OBIETTIVI (O)
Indicare i principali obbiettivi. Suggerisco di contenere in massimo due tre obbiettivi a cui corrispondano
dei deliverable entro i primi 12 e 24 mesi di progetto.
I principali obiettivi realizzativi da raggiungere nei primi 12, 24 mesi di progetto sono:
-
Sviluppo di un Data Ware House per la gestione e organizzazione dei dati;
-
Sviluppo di workflow per l’analsi funzionale dei dati.
-
Sviluppo di una web-based system per la fruizione della piattaforma bioinformatica alla comunità
scientifica nazionale, europea ed internazionale.
-
Sviluppo di percorsi formativi, nell’utilizzo degli strumenti sviluppati per l’analisi dei dati
provenienti dall’utilizzo delle tecnologie NGS.
-
Contribuire alla formazione e training in queste attività.
C.4 - SOTTOPROGETTO 1 - WP 11 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP11-A1 Progettazione e disegno del sistema di Data Ware House per la gestione dei dati
prodotti dalle tecnologie NGS (ITB-BA, PM01 – PM11)
Progettazione e disegno del sistema di Data Ware House per la gestione dei dati prodotti dalle
tecnologie NGS ed integrazione con le banche dati specializzate.
S1-WP11-A2 Progettazione del workflow per l’analisi dei dati (ITB-BA, PM01 – PM18)
Progettazione del workflow per l’analisi dei dati da integrare nella piattaforma bioinformatica complessiva.
S1-WP11-A3 Supporto al training e alla formazione in Bioinformatica (ITB-BA, PM01 – PM11)
C.5 - SOTTOPROGETTO 1 - WP 11 - DESCRIZIONE DELIVERABLES (D)
S1-WP11-D1 Rapporto sulla descrizione di un Data Ware House per la gestione dei dati prodotti
dalle tecnologie NGS (ITB-BA , PM11)
191
Verrà descritto in un rapporto le metodologie seguite per la realizzazione di un Data Ware House
per la gestione dei dati prodotti dalle tecnologie NGS. Inoltre verrà realizzato un prototipo.
S1-WP11-D2. Rapporto e software per l’implementazione di un workflow per l’analisi dei dati per
la piattaforma di Bioinformatica complessiva (ITB-BA , PM18)
S1-WP11-D3. Documentazione e presentazioni a supporto del training per tecnologie NGS (ITB-BA ,
PM24)
C.6 - SOTTOPROGETTO 1 - WP 11 - DESCRIZIONE MILESTONES (M)
S1-WP11-M1 Prototipo di Data Ware House per la gestione dei dati prodotti dalle tecnologie NGS
(ITB-BA , PM11)
S1-WP11-M2. I’implementazione di un workflow per l’analisi dei dati per la piattaforma di Bioinformatica
complessiva (ITB-BA , PM18)
192
C - WORKPACKAGE (Sp1 – WP12)
C.1 - SOTTOPROGETTO 1 - WP 12 - TIPO DI ATTIVITÀ
Metodi matematici e statistici per la genomica e la proteo mica.
C.2 - SOTTOPROGETTO 1 - WP 12 - DESCRIZIONE
Il presente progetto si propone di sviluppare metodi matematici e statistici innovativi con applicazioni alle
scienze "-omiche" ed alla bio-matematica, di incrementare le competenze e le collaborazioni
interdisciplinari tra l'ambito matematico-statistico e l'ambito medico-biologico e di mettere a disposizione
della comunità scientifica metodi avanzati per l'analisi e l'interpretazione di dati biologici. I particolare
progetto si propone di:

Sviluppare metodologie innovative ed efficienti per l'analisi di dati di genomica/proteo mica

Implementare il relativo software su architetture di calcolo moderne come cluster di workstations.

Integrare diversi livelli di dati "omici", in particolare sviluppare metodi di integrazione per diverse
tipologie di dati provenienti da sequenziatori massivi e microarray.

Sviluppare modelli per la trasmissione di segnali intracellulari, con una attenzione al miglioramento
delle terapie in oncologia.

Sviluppare aspetti modellistici e computazionali in biomedicina per la simulazione del flusso
vascolare

Applicare la metodologia proposta in casi test reali in collaborazione con laboratori di biologia a
livello nazionale ed internazionale.
Suddette attività si integrano in ambito internazionale all'interno del network europeo "Next Generation
Sequencing Data Analysis", finanziato come COST Action (BM1006) a partire dal 2011 dalla comunità
europea. Inoltre, nell'ambito del presente progetto verrà curata la diffusione dei risultati all'interno della
comunità scientifica, la formazione di giovani ricercatori attraverso l'organizzazione di corsi, convegni ed
attraverso il coinvolgimento di studenti di programmi di dottorato nelle attività di ricerca. A tal fine sono
già attive convenzioni con il dottorato di Biologia Computazionale presso la Seconda Università di Napoli
ed il dottorato in Biologia dei Sistemi presso l'Università degli Studi di Salerno, ulteriori convenzioni
potranno essere attivate sui temi del presente progetto.
A partire dal progetto Genoma Umano, l'analisi di dati "omici" è andata diffondendosi in termini di aumento
193
del throughput, di varietà del tipo di dati (genomica, proteomica, metabolomica, etc) ed loro integrazione in
un ambito della biologia dei sistemi. Tale evoluzione ha aperto da un lato possibilità enormi per la
comprensione, cura e prevenzione di molte patologie e per lo sviluppo della medicina personalizzata,
dall'altro ha richiesto l'utilizzo di strumenti sperimentali e metodologie di analisi sempre più sofisticati.
Ad esempio, al giorno d'oggi lo sviluppo di nuove e sofisticate tecnologie high-throughput consentono di
sequenziare in pochi giorni interi genomi, di conseguenza il problema "reale" da affrontare si è spostato
dalla raccolta dei dati sperimentali alla loro analisi e alla successiva integrazione tra informazioni a diverso
livello.
In questo contesto un ruolo molto importante è giocato dalla matematica e dalla statistica, che possono
fornire modelli e metodi per meglio spiegare/analizzare/integrare dati e fenomeni in esame, e
dall'informatica che può fornire gli strumenti hardware e software indispensabili per manipolare la grande
quantità di dati coinvolta.
Nel corso degli ultimi anni attraverso la partecipazione al progetto CNR Bioinformatics sono andate
sviluppandosi presso l'IAC forti competenze interdisciplinari inerenti l'analisi di dati di microarray, l'analisi
dei dati dei sequenziatori di nuova generazione, la biologia dei sistemi e la modellistica differenziale per la
biomatematica applicata.
A partire dal 2007, quando il progetto CNR-Bioinformatica è stato avviato, sono state attivate tre linee di
ricerca suddivise sulle sedi IAC di Napoli e Roma:
1) Sviluppo di metodologia statistica innovativa per dati "omici". Tale attività ha riguardato inizialmente lo
studio delle serie temporali con microarray e la ricerca di fattori di trascrizione in specie simili mediante
modelli di bayesiani, più recentemente si è rivolta allo sviluppo di modelli matematici e algoritmi
computazionali per l'analisi di dati NGS, con particolare riferimento a studi su uomo e topo.
2) Sviluppo modelli differenziali e schemi numerici per lo studio di segnali intracellulari. Tale attività
riguarda principalmente lo studio di segnali proteici e le reti di interazioni proteiche. Recentemente si è
studiato il comportamento di proteine legate alle terapie in oncologia (i.e., p53).
3) Sviluppo di modellistica matematico-numerica per lo studio dei flussi in arteriole. Tale attività sviluppa
la modellistica matematica e la simulazione numerica del flusso vascolare a livello
microscopico, con l'inclusione di elementi corpuscolari sospesi nel plasma e studia la loro interazione con
l'endotelio.
Si propone pertanto di potenziare le suddette attività e di mettere a disposizione le competenze maturate
nell'ambito del progetto CNR-Bioinformatics per lo sviluppo del progetto bandiera. InterOmics.
C.3 - SOTTOPROGETTO 1 - WP 12 - OBIETTIVI (O)
1) Sviluppo metodi statistici per l'analisi di dati "omici". Analisi di dati di Next Generation Sequencing e
194
loro integrazione. Applicazioni alla medicina personalizzata
2) Sviluppo di modelli spazio-temporali del trasporto di segnali intracellulari. Analisi delle reti di
interazioni proteiche. Descrizione del comportamento di proteine legate alle terapie in oncologia
3) Modellistica e simulazione del flusso vascolare e interazione microscopica sangue-endotelio.
C.4 - SOTTOPROGETTO 1 - WP 12 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP12-A1: Sviluppo metodi statistici per l'analisi di dati "omici"
L'attività consiste nello sviluppo di metodologie statistiche, l'implementazione del relativo software.
Integrazione tra dati "omici".
S1-WP12-A2: Sviluppo modelli di trasporto di segnali intracellulari
L'attività consiste nello sviluppo di modelli differenziali e schemi numerici per la loro approssimazione.
S1-WP12-A3: Sviluppo aspetti modellistici e computazionali in biomedicina
L'attività consiste nello sviluppo di modellistica matematica del flusso vascolare a livello
microscopico.
C.5 - SOTTOPROGETTO 1 - WP 12 - DESCRIZIONE DELIVERABLES (D)
S1-WP12-D1: Articoli su Rivista, partecipazioni a Convegni (M. 12).
S1-WP12-D2: Algoritmi per l’analisi statistica di dati 'omici' (M 12).
S1-WP12-D3: Modelli del trasporto proteico intracellulare (M 12)
S1-WP12-D4: Studio modellistico e numerico dei flussi in arteriole (M 12)
S1-WP12-D5: Articoli su Rivista, partecipazioni a Convegni (M 24)
S1-WP12-D6: Algoritmi per l’integrazione di dati NGS (M 24)
S1-WP12-D7: Calibrazione dei modelli su dati sperimentali e simulazioni (M 24)
S1-WP12-D8: Sviluppo di un modello di fluido bicomponente (M 24)
C.6 - SOTTOPROGETTO 1 - WP 12 - DESCRIZIONE MILESTONES (M)
195
S1-WP12-M1: Pre-release della pipeline per analisi dati "omici" (M 12)
S1-WP12-M2: Studio modellistico e numerico della trasmissione di segnali intracellulari (M 12)
S1-WP12-M3: Studio modellistico e numerico dei flussi in arteriole (M 12)
S1-WP12-M4: Rilascio della pipeline per analisi dati "omici" (M 24)
S1-WP12-M5: Rilascio di un codice di simulazione per il trasporto di proteine (M24)
S1-WP12-M6: Sviluppo di un modello di fluido bicomponente (M 24)
196
C - WORKPACKAGE (Sp1 – WP13)
C.1 - SOTTOPROGETTO 1 - WP 13 - TIPO DI ATTIVITÀ
Sviluppo di sistema modello animale, da utilizzare per individuare
parallelismi, correlazioni ed interazioni di malattie genetiche nell’uomo.
C.2 - SOTTOPROGETTO 1 - WP 13 - DESCRIZIONE
Caratterizzazione genomica e proteomica delle interazioni ospite-patogeno in infezioni da micobatteri.
Individuazione dei geni coinvolti nello sviluppo dell’infezione da tubercolosi e paratubercolosi nel
bovino e studio della risposta immunitaria in animali modello. Individuazione delle alterazioni del
proteoma ed identificazione dei pathway metabolici interessati dall’infezione. Utilizzo dei dati ottenuti
tramite genotipizzazione ed analisi proteomica in bovini sani ed affetti da tubercolosi e paratubercolosi e
creazione di un sistema modello per la malattia, da utilizzare per individuare parallelismi, correlazioni
ed interazioni con lo sviluppo del morbo di Crohn (CD) nell’uomo, da validare tramite lo studio di
biopsie da tessuti infetti e sani.
La sequenza del genoma bovino e le informazioni ad essa correlate, insieme ai pannelli di marcatori ad
alta densità oggi disponibili ed alla possibilità di ottenere profili proteomici di campioni specifici
utilizzando la tecnologia MudPIT forniranno la principale base di informazione che consentirà di
caratterizzare le variazioni correlabili all’infezione da Mycobacterium avium sottospecie
paratuberculosis (MAP) in bovino ed elucidare il processo di risposta immunitaria dell’ospite nel corso
delle diverse fasi della malattia. Gli studi sul sistema modello porteranno all’individuazione dei geni,
delle proteine e dei pathway metabolici coinvolti, e sarà possibile formulare delle ipotesi sullo sviluppo
della malattia. Tali ipotesi saranno validate su campioni provenienti da pazienti affetti da CD e controlli
sani. I geni individuati nel bovino verranno esaminati nell’uomo utilizzando le tecniche più avanzate, e
gli aspetti di proteomica verranno indagati tramite spettrometria di massa. Dai risultati ottenuti sia sul
sistema modello che sull’uomo sarà possibile individuare e caratterizzare i geni che svolgono funzioni
importanti nella regolazione e nella modulazione del processo infettivo, nonché nella progressione della
malattia.
C.3 - SOTTOPROGETTO 1 - WP 13 - OBIETTIVI (O)
In questo WP verranno realizzati i seguenti obbiettivi:
O1. Caratterizzazione a livello molecolare della paraTB in bovino.
197
O2. Studio della correlazione a livello molecolare fra paraTB e CD e della funzione dei macrofagi nella
risposta del bovino alle infezioni da micobatteri. Utilizzo delle informazioni ottenute per l’individuazione
accurata e tempestiva delle infezioni da micobatterio in stadio pre-clinico nell’uomo.
O3. Identificazione di geni, proteine e pathway metabolici che regolano la risposta all’infezione da
paraTB nel bovino. Validazione dei risultati sull’uomo tramite l’analisi di tessuti affetti da CD.
C.4 - SOTTOPROGETTO 1 - WP 13 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP13-A1: Utilizzo di studi di associazione a livello genomico (GWAS) per l’individuazione di regioni
coinvolte nella suscettibilità alla paraTB in bovino (IBBA , PM01 – PM11)
Approfondite analisi GWAS permetteranno di focalizzare le regioni interessate. Per lo studio delle
interazioni ospite-patogeno verrà utilizzato un sistema modello di macrofagi bovini infettabili in vitro con
micobatteri.
S1-WP13-A2: Studio della proteomica dell’infezione da micobatteri in bovino ((IBBA , PM01 – PM12)
Utilizzo della tecnologia MudPIT per lo studio dei profili proteici in campioni sani ed infetti ed in
macrofagi infettati con MAP. Le modificazioni post-traduzionali correlate ai meccanismi di risposta
immunitaria verranno identificate su larga scala.
S1-WP13-A3 Applicazione dei risultati ottenuti in bovino al fine di individuare le eventuali correlazioni fra
paraTB e CD (IBBA , PM01 – PM24)
Il comportamento dei geni implicati nel processo di risposta alla malattia verrà studiato in campioni da
pazienti affetti da CD.
C.5 - SOTTOPROGETTO 1 - WP 13 - DESCRIZIONE DELIVERABLES (D)
S1-WP13-D1 Rapporto sulla conoscenza approfondita a livello molecolare sui meccanismi dell’infezione da
paraTB in bovino (IBBA , PM01 – PM11)
L’ampliamento delle conoscenze sulle modalità di azione della paraTB sarà di supporto al breeding per
l’ottenimento di animali resistenti all’infezione.
S1-WP13-D2 Rapporto sullo studio delle interazioni ospite-patogeno (IBBA , PM01 – PM12)
Individuazione dei meccanismi attraverso i quali i micobatteri sopravvivono agli effetti tossici dei
macrofagi.
S1-WP13-D3 Individuazione delle correlazioni fra paraTB e CD (IBBA , PM01 – PM24)
Tramite l’individuazione dei pathway coinvolti nella risposta all’infezione sarà possibile seguire l’azione
dei geni individuati nello sviluppo di CD.
198
C.6 - SOTTOPROGETTO 1 - WP 13 - DESCRIZIONE MILESTONES (M)
S1-WP13-M1 Conoscenza approfondita a livello molecolare sui meccanismi dell’infezione da paraTB in
bovino (IBBA , PM12)
Approfondimento delle analisi GWAS provenienti dal progetto Macrosys ed individuazione delle regioni
genomiche interessate dall’infezione.
S1-WP13-M2 Caratterizzazione degli influssi dell’infezione a livello proteomico (IBBA , PM18)
Produzione di profili proteici in campioni sani e malati ed in macrofagi infettati ed individuazione di
modificazioni proteiche caratteristiche dell’infezione.
S1-WP13-M3 Studio del sistema modello prodotto in bovino per la paraTB nello sviluppo di CD nell’uomo
(IBBA , PM24)
Ssistema modello per la paraTB per lo studio dell’evoluzione di CD nell’uomo ed individuazione delle
eventuali connessioni fra le due patologie.
199
C - WORKPACKAGE (Sp1 – WP14)
C.1 - SOTTOPROGETTO 1 - WP 14 - TIPO DI ATTIVITÀ
Sviluppo di modelli per la previsione delle reti di interazione di farmaci su
scala genomica e nuovi metodi di drug-design.
C.2 - SOTTOPROGETTO 1 - WP 14 - DESCRIZIONE
Elenco delle attività previste dal WP
- Sviluppo di modelli di interazione proteina-proteina su scala genomica
- Sviluppo di nuovi approcci chimico-fisici per la previsione delle superfici di interazione proteina-proteina
- Sviluppo e applicazione di nuovi metodi di drug-design, focalizzati specificatamente all’inibizione di
interazioni proteina-proteina.
- Sviluppo di modelli per la previsione delle reti di interazione di farmaci su scala genomica.
Il fine principale dell’attività del gruppo di biologia computazionale dell’ICRM-CNR in questo progetto è
l’integrazione di approcci computazionali con dati sperimentali già disponibili o generati durante il progetto
per identificatare complessi e circuiti multiproteici fondamentali per la regolazione di specifici processi
biologici, e per comprendere come networks di interazione Protiena-Proteina (PPI) e le loro rispettive
interfacce funzionali determinino i fenomeni cellulari (quali ad es. il cancro, l’angiogenesi, lo sviluppo
cellulare, o la neurodegenerazione). Tutto ciò implica il mapping di complessi specifici con ruoli funzionali,
la comprensione dei determinanti strutturali e chimico-fisici alla base della formazione di questi complessi
multiprotein, la razionalizzazione dell’impatto di mutazioni, polimorfismi e modificazioni post-traslazionali,
al fine di isolare e definire le sovrapposizioni e gli scambi tra diversi network, insieme alle loro ricadute
funzionali. L’approccio che proponiamo parte dall’analisi e dalla razionalizzazione delle conoscenze già
disponibili sulle interazioni molecolari in processi biologici selezionati definiti in altri WP del progetto,
presi da dati di letteratura o nel corso di collaborazioni scientifiche esistenti. Ci focalizzeremo su proteine
candidato selezionate e definiremo (arricchendolo) il loro insieme di interazioni. L’analisi di queste proteine
e delle loro possibili interazioni sarà la base per lo sviluppo di un modello di computational biology
comprensivo ed unificante, che integri l’analisi bioinformatica, l’informazione strutturale con
200
l’organizzazione supramolecolare dei complessi e il loro sviluppo temporale. Si procederà all’arricchimento
di queste interazioni con partner addizionali provenienti da database di interazioni molecolari annotate. Ciò
costituirà la base per la definizione di sub-networks di interazioni contenenti informazioni cruciali per la
razionalizzazione di osservazioni sperimentali. Si utilizzeranno misure e metodi sviluppati recentemente e
basati sull’integrazione della teoria dell’informazione con la biologia strutturale per definire e confrontare
tra loro i vari network. I nuovi network di interazione così generati verranno complementati con
informazioni strutturali sulle proteine coinvolte. Inoltre, analizzeremo le proprietà dinamiche dei complessi
con i nuovi metodi per l’analisi della dinamica interna e delle proprietà energetiche di proteine sviluppati
nel laboratorio (Lab. Colombo, ICRM-CNR). Tale passo è di primaria importanza in quanto permette di
rivelare connessioni importanti tra le interazioni e le proprietà strutturali delle molecole componenti. Questa
conoscenza, a sua volta, permetterà di progettare razionalmente nuovi esperimenti e molecole al fine di
interrompere specifici network, perturbare i sistemi in cui specifiche interazioni sono importanti e correlare
il risultato con il fenotipo ottenuto. Inoltre, l’approccio proposto permetterà di identificare i determinanti
chimici, fisici e strutturali alla base dell’organizzazione di complessi proteici supramolecolari per ogni
processo specifico e il ruolo delle modifiche di specifiche proteine. Questi risultati porteranno alla
formulazione di previsioni verificabili sperimentalmente e allo sviluppo di interventi clinici e/o nuovi
farmaci.
C.3 - SOTTOPROGETTO 1 - WP 14 - OBIETTIVI (O)
O1: Interazioni fra proteine al livello di sistemi: Definizione dei determinanti comuni alle classi
fondamentali, oltre ai determinanti specifici per interazioni proteina proteina.
O2: Generazione di nuove strategie di biologia computazionale per investigare il ruolo di complessi proteici
in processi biologici rilevanti (il cancro, neurodegenerazione).
O3: Sviluppo di metodi che integrano informazioni strutturali e funzionali per il design di nuovi farmaci.
C.4 - SOTTOPROGETTO 1 - WP 14 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP14-A1 Analisi di Protein-Protein Interaction networks (ICRM)
Il fine ultimo è di rivelare e definire i principi meccanicistici e di organizzazione delle interazioni ProteinaProteina nel contesto delle funzioni biologiche. Inizialmente verranno analizzati database noti di interazioni
proteina-proteina (PPI) al fine di classificare proteine hub e non-hub rilevanti. L’analisi si concentrerà su
sub-network selezionati. Questo data set, definito Sub-network of Knowledge (SNK) costituirà la base per
l’identificazione delle componenti fondamentali di pathways biologici. Una volta identificate, tutte le
interazioni che coinvolgono queste proteine saranno estratte insieme alle interazioni con i loro partner
diretti.
201
S1-WP14-A2 Genomica strutturale in silico e analisi computazionale. (ICRM)
Analisi delle correlazioni tra struttura, dinamica e binding di proteine in network biologici. Il fine è di
arricchire l’informazione precedente con dettagli strutturali. I target verranno analizzati per definire il
numero e l’identità di sottostrutture di interazione, combinando metodi di predizione bioinformatica e
analisi di proprietà energetiche di proteine. Si condurranno studi delle proprietà conformazionali delle
proteine isolate o in complessi, con metodi di Molecular Dynamics (MD).
S1-WP14-A2 Design e sintesi di inibitori/modulatori. (ICRM)
L’informazione strutturale ottenuta sui complessi multiproteina verrà utilizzata per progettare
specifici inibitori/modulatori di PPI networks. Le proprietà chimico-fisiche, geometriche e
conformazionali di complessi selezionati saranno utilizzate per generare un modello consenso delle
interazioni essenziali per la stabilità dei complessi. Ciò verrà tradotto in modelli farmacoforcici che
verranno usati per progettare e selezionare di nuovi possibili drug-leads.
C.5 - SOTTOPROGETTO 1 - WP 14 - DESCRIZIONE DELIVERABLES (D)
S1-WP14-D1 Nuovi complessi proteina-proteina con risoluzione atomica. (ICRM , PM11)
S1-WP14-D2 Nuovi algoritimi di computational biology che integrano l’informazione struttural in network
biologici. (ICRM , PM12)
S1-WP14-D3 Nuovi metodi di design molecolare per lo sviluppo di farmaci. (ICRM , PM15)
S1-WP14-D4 Nuove conoscenze specifiche su complessi biologici fondamentali. (ICRM , PM22)
C.6 - SOTTOPROGETTO 1 - WP 14 - DESCRIZIONE MILESTONES (M)
S1-WP14-A1 Analisi di Protein-Protein Interaction networks (ICRM , PM06)
Selezione di specifiche interazioni proteina-proteina e generazione di modelli di interazione e
SNK.
S1-WP14-A2 Genomica strutturale in silico e analisi computazionale. (CNR-ICRM ,PM 18)
Definizione dei parametri strutturali e dinamici delle interazioni tra proteine selezionate nel
contesto di network funzionali rilevanti. Generazione di modelli strutturali a risoluzione atomica.
202
S1-WP14-A2 Design e sintesi di inibitori/modulatori. (CNR-ICRM, PM24)
Generazione di modelli farmacoforici sulla base delle informazioni strutturali provenienti dallo studio dei
network di interazione. Progettazione e selezione di inibitori/modulatori di network di interazioni proteinaproteina. Test delle molecole di nuova generazione.
203
C - WORKPACKAGE (Sp1 – WP15)
C.1 - SOTTOPROGETTO 1 - WP 15 - TIPO DI ATTIVITÀ
Modelli matematici, simulazione e algoritmi efficienti per le scienze interomiche, trattamento di dati
multidimensionali ed elaborazione parallela per applicazioni in Systems e/o Synthetic Biology, Drug
Design e Diagnostica Medica.
C.2 - SOTTOPROGETTO 1 - WP 15 - DESCRIZIONE
Nell'ultimo decennio, abbiamo assistito ad uno sviluppo tecnologico estremamente rapido che ha causato
cambiamenti rilevanti nell'approccio scientifico in diverse discipline. La facilità di produzione ed
acquisizione di dati digitali ha infatti causato un sempre maggiore ricorso a prototipi digitali e simulazioni,
con effetti particolarmente evidenti nel campo delle scienze della vita. Questo ha fatto crescere di
conseguenza la necessità di avere a disposizione strumenti computazionali sempre più sofisticati, in termini
sia di capacità di indagine che di velocità di calcolo per poter gestire l'enorme mole di dati digitali e il
contenuto informativo che essi portano. In questo contesto, IMATI si propone di contribuire al progetto
Interomics con una forte competenza matematica ed informatica con cui affrontare problemi legati a:

Studio e sviluppo di tecniche innovative ed efficienti per la modellazione, processamento ed analisi di
dati multi-dimensionali relativi a settori della biomedicina e della scienze della vita, con metodologie
di Computer Graphics e di formalizzazione della conoscenza;

Utilizzo dell'elaborazione parallela e del Grid computing, con particolare attenzione all’uso efficace
delle nuove piattaforme multicore embedded. L'obiettivo sarà l’applicazione di tali tecnologie alle
attuali tecniche di indagine ma anche l’esplorazione di nuove strategie, in modo da sviluppare soluzioni
innovative che permettano di ottenere risultati sia quantitativamente che qualitativamente significativi;
Studio e sviluppo di metodi di analisi e simulazione qualitativa di modelli dinamici di reti di regolazione
biologica, utilizzando risultati della teoria classica di analisi qualitativa dei sistemi dinamici non lineari e
tecniche di intelligenza artificiale per la rappresentazione e trattamento della conoscenza incompleta.
Applicazioni in ambito della Systems Biology e della Synthetic Biology.
Descrizione dell’attività scientifica già previste nella programmazione nelle vostre commesse moduli su
tematiche affini al progetto InterOmics.
A1: Studio e sviluppo di tecniche innovative per la modellazione ed analisi di dati multi-dimensionali per il
drug design (IMATI-GE)
La decennale esperienza di IMATI-GE su modellazione ed analisi geometrica, e su metodi matematici per la
204
valutazione della similarità di forma verranno applicate a dati tridimensionali, o n-dimensionali più in
generale, relativi a molecole e fenomeni elettrostatici a loro relativi. In particolare si prevede di contribuire
al progetto Interomics con ricerca su:
- sviluppo di nuovi modelli geometrici per la definizione della superficie molecolare e sua discretizzazione
per la soluzione di equazioni di Poisson-Boltzman;
- studio di metodi di modellazione e analisi di forma per la caratterizzazione dell'interazione tra forme in
contesto di docking molecolare;
- studio di metodi per l'analisi di forma in grado di caratterizzazione la relazione forma/funzione in ambito
molecolare per il drug design.
Si prevede inoltre di svolegere la ricerca in questo ambito in collaborazione con il gruppo Drug Discovery
and Development dell'IIT di Genova.
A2: Modellazione, analisi e formalizzazione della conoscenza per forme 3D nell'ambito della diagnostica
medica (IMATI-GE)
La diagnosi assistita è un settore in rapida crescita ed i recenti progressi nella diagnostica per immagini
forniscono dati tridimensionali sempre più affidabili, accurati, ed ampi. Diverse applicazioni medicali, che
includono la diagnosi, la pianificazione della radioterapia, la chirurgia guidata mediante immagini,
l’applicazione di protesi, e la medicina legale, sono basate sull’analisi e l’elaborazione di informazioni
tridimensionali, (ad esempio, misurazioni geometriche di organi e dello spazio tra questi). Inoltre, il punto
di partenza di una sessione di diagnostica assistita è costituito da un insieme di immagini acquisite mediante
dispositivi medicali, e l'obiettivo finale è la generazione di un modello digitale adatto per la loro
visualizzazione ed analisi. In particolare è importante il calcolo di parametri sulle forme ricostruite per
supportare con dati oggettivi il progesso diagnostico ed il follow up terapeutico. Le tecniche dello stato
dell’arte sono tuttora poco automatiche e richiedono un’ampia interazione basata sulla conoscenza del
dominio.
In tale ambito, IMATI-GE si propone di studiare metodi e algoritmi per l’analisi, la modellazione, e la
visualizzazione di dati medicali tridimensionali fortemente basati sulla conoscenza del dominio e dei
processi fisiologici e biologici in gioco. L'attività di svolgerà in stretta collaborazione con il progetto
MultiScaleHuman, iniziato nel Settembre scorso. A tal fine, tecniche di modellazione geometrica e grafica
saranno integrate con lo sviluppo di ontologie di dominio per

l’annotazione di immagini, di modelli tridimensionali, e di loro sottoparti;

l’estrazione di caratteristiche morfologiche di natura patologica.
La gestione di tali problematiche è di grande rilevanza e complessità sia in ambito sanitario sia per lo
sviluppo di tecnologie ICT innovative di supporto alla diagnostica.
A3: Studio e sviluppo di algoritmi e strumenti per il calcolo ad alte prestazioni ed il Grid computing nel
trattamento di dati 3D in ambito bioinformatico (IMATI-GE)
L'attività riguarderà in modo particolare la prosecuzione della progettazione e dello sviluppo del software
205
indicato nella sezione precedente. Oltre a questo saranno sviluppati studi sull'utilizzo di tecniche di calcolo
parallelo e di Grid computing a diversi ambiti dell'indagine bioinformatica, anche in riferimento agli
strumenti e metodologie sviluppate nel progetto. In particolare si intende studiare gli aspetti che vanno al di
là della pura applicazione dell'elaborazione parallela all'indagine biomedica, cercando di individuare nuove
strade
di
indagine
qualitativamente
diverse
rispetto
al
passato.
Saranno ulteriormente estesi gli aspetti riguardanti lo sfruttamento della tecnologia Grid ed anche delle
nuove architetture many core.
Due aspetti innovativi saranno:

ottimizzazione di software bioinformatico su piattaforme multicore embedded (in particolare le
multicore tipo Knight's Corner);

parallelizzazione di algoritmi per il riconoscimento di pattern genomici e proteomici in ambito
bioionformatico
A4: Modelli matematici di reti di regolazione biologica (IMATI-PV)
Le moderne tecniche sperimentali consentono di definire la struttura di reti di interazione fra geni, mRNA,
proteine e metaboliti che, a livello molecolare, regolano i processi cellulari. Tali strutture, schematizzate da
diagrammi, sono, in generale, alquanto complesse poiché costituite da numerose componenti connesse tra
loro da intricati anelli di retroazione, e quindi non direttamente utilizzabili per scopi predittivi. La
predizione della dinamica delle reti in risposta a stimoli, e conseguentemente la comprensione dei processi
cellulari, è resa possibile dall'uso di modelli matematici che descrivano i diversi tipi di interazione tra le
componenti. In pratica, però, i metodi di analisi e simulazione offerti dall'approccio modellistico classico
sono spesso non applicabili poiché i valori numerici che caratterizzano le interazioni non sono identificabili.
Utilizzando risultati della teoria classica di analisi qualitativa dei sistemi dinamici e tecniche di intelligenza
artificiale per la rappresentazione e trattamento della conoscenza incompleta, ci si propone di sviluppare
metodi di analisi e simulazione qualitativa di modelli dinamici di reti di regolazione. In particolare, le
attività di ricerca riguarderanno:
•
la formulazione di modelli delle dinamica reti di regolazione genica. La classe di modelli considerata
assume che la regolazione avvenga rapidamente attorno a “valori soglia” della concentrazione di
proteine/fattori di trascrizione;
•
lo sviluppo e implementazione di un algoritmo di analisi/simulazione qualitativa dei modelli della
dinamica di regolazione di reti di regolazione, che nelle assunzioni al punto precedente, avviene con
differenti scale temporali;
•
l’applicazione delle metodologie proposte per la comprensione di sistemi biologici naturali e per la
progettazione di reti biologiche sintetiche.
C.3 - SOTTOPROGETTO 1 - WP 15 - OBIETTIVI (O)
S1-WP15-A1: Studio e sviluppo di tecniche innovative per la modellazione ed analisi di dati multidimensionali per il drug design
206
S1-WP15-A2: Modellazione, analisi e formalizzazione della conoscenza per forme 3D per la diagnostica
medica
S1-WP15-A3: Studio e sviluppo di algoritmi e strumenti per il calcolo ad alte prestazioni ed il Grid
computing nel trattamento di dati 3D in ambito bioinformatico
S1-WP15-A4: Analisi e simulazione qualitativa della dinamica non lineare di reti di regolazione genica
C.4 - SOTTOPROGETTO 1 - WP 15 - MODALITA’ DI REALIZZAZIONE
DELLE ATTIVITÀ (A)
S1-WP15-A1 Studio e sviluppo di tecniche innovative per la modellazione ed analisi di dati multidimensionali per il drug design (CNR-IMATI, PM1 – PM24)
•
Pubblicazioni scientifiche e prototipi software sull'analisi delle proprietà geometriche e
computazionali di modelli di superficie molecolare;
•
Pubblicazioni scientifiche e prototipi software sulla caratterizzazione dell'interazione tra forme
in contesto di docking molecolare e sulla relazione forma/funzione in ambito molecolare per il
drug design.
S1-WP15-A2 Modellazione, analisi e formalizzazione della conoscenza per forme 3D nell'ambito
della diagnostica medica (CNR-IMATI , PM1 – PM24)
•
Pubblicazioni scientifiche e prototipi software sulla ricostruzione di strutture anatomiche e loro
analisi morfologica in particolare per il distretto osteo-articolare del ginocchio;
•
Pubblicazioni scientifiche e prototipi software per la codifica della conoscenza relativa alle
patologie musco-scheletali del distretto osteo-articolare del ginocchio.
S1-WP15-A3 Studio e sviluppo di algoritmi e strumenti per il calcolo ad alte prestazioni ed il Grid
computing nel trattamento di dati 3D in ambito bioinformatico (CNR-IMATI , PM1 – PM24)
•
Pubblicazioni scientifiche e prototipi software sulla parallelizzazione di algoritmi per il
riconoscimento di pattern genomici e proteomici in ambito bioinformatico;
•
Pubblicazioni scientifiche e prototipi di software bioinformatico ottimizzato per piattaforme
multicore embedded.
S1-WP15-A4 Analisi e simulazione qualitativa della dinamica non lineare di reti di regolazione
genica (CNR-IMATI-PV, PM1 – PM24)
•
Codici per la simulazione qualitativa. In particolare, codici, di tipo simbolico, per la
costruzione delle sotto-orbite, cioè delle connessioni, a livello locale, tra i “punti di ingresso” e
i “punti di uscita” delle singole regioni, e, a livello globale, per la costruzione delle orbite
207
•
Pubblicazioni scientifiche relative allo studio ed individuazione delle orbite periodiche
•
Studio e codici per la simulazione qualitativa di una classe di modelli con assunzioni più
rilassate di quelle considerate e pubblicazioni scientifiche relative
•
Pubblicazioni scientifiche relative ad applicazioni a sistemi biologici, quali la rete genica che
regola la determinazione del sesso nella mosca da frutta Ceratitis capitata, e della Synthetic
Biology, quali la rete sintetica IRMA costruita nel lievito Saccharomyces.
C.5 - SOTTOPROGETTO 1 - WP 15 - DESCRIZIONE DELIVERABLES (D)
S1-WP15-D1 Rapporto Tecnico e prototipi software modelli alternativi di superfici molecolari (CNRIMATI , PM12)
S1-WP15-D2 Rapporto Tecnico e prototipi software su caratterizzazione forma/funzione (CNR-IMATI,
PM24)
S1-WP15-D3 Rapporto Tecnico e prototipi software ricostruzione ed analisi 3D da dati medicali (CNRIMATI , PM12)
S1-WP15-D4 Rapporto Tecnico e formalizzazione della conoscenza medica nell'ambito delle patologie
osteo-artciolari del ginocchio (CNR-IMATI , PM24)
S1-WP15-D5 Rapporto tecnico e prototipi software parallelizzazione di algoritmi per il riconoscimento di
pattern genomici e proteomici (CNR-IMATI , PM12)
S1-WP15-D6 Rapporto Tecnico e prototipi di software su ottimizzazione di algoritmi selezionati in ambito
bioinformatico per piattaforme multicore embedded (CNR-IMATI , PM24)
S1-WP15-D7 Rapporto Tecnico e codici per la simulazione qualitativa. In particolare, codici, di tipo
simbolico, per la costruzione delle sotto-orbite, cioè delle connessioni, a livello locale, trai i “punti di
ingresso” e i “punti di uscita” delle singole regioni, e, a livello globale, per la costruzione delle orbite
(CNR-IMATI, PM12)
S1-WP15-D8 Rapporto Tecnico relativo allo studio ed individuazione delle orbite periodiche (CNR-IMATI,
PM12)
S1-WP15-D9 Rapporto Tecnico e codici per la simulazione qualitativa di una classe di modelli con
assunzioni più rilassate di quelle adottate e pubblicazioni scientifiche relative (CNR-IMATI, PM24)
S1-WP15-D10 Rapporto sulle applicazioni biologiche già citate (CNR-IMATI, PM24).
208
C.6 - SOTTOPROGETTO 1 - WP 15 - DESCRIZIONE MILESTONES (M)
S1-WP15-M1 Identificazione dei modelli di superfici molecolari e degli
parallelizzare/ottimizzare sulle piattaforme multicore embedded (CNR-IMATI , PM6)
algoritmi
da
S1-WP15-M2 Identificazione dei metodi di analisi 3D di dati medicali (CNR-IMATI, PM12)
S1-WP15-M3 Identificazione di metodi di caratterizzazione forma/funzione e formalizzazione della
conoscenza medica nell'ambito delle patologieosteo-artciolari del ginocchio (CNR-IMATI , PM18)
S1-WP15-M4 Identificazione di metodi di caratterizzazione delle orbite periodiche (CNR-IMATI, PM12) e
di estensioni, computazionalmente trattabili, della classe di modelli di regolazione considerata (CNRIMATI, PM18)
209