Attualità
Bari, un algoritmo aiuterà a sconfiggere i tumori?
La ricerca è stata portata avanti da quattro ricercatori dell'ateneo cittadino
Bari - venerdì 13 dicembre 2019
13.29
Un algoritmo che permette di selezionare, e trasferire all'uomo, parte delle conoscenze già disponibili per altri organismi modello e quindi di scoprire eventuali malfunzionamenti delle cellule cancerose, che possono essere validate in laboratorio in maniera molto più mirata ed efficace.
Una ricerca che può avere interessanti applicazioni nel campo dei tumori portata avanti da quattro ricercatori: il giovane dottorando Paolo Mignone, il dottore di ricerca Gianvito Pio, il professore Michelangelo Ceci del gruppo KDDE del DIB e la dottoressa Domenica D'Elia dell'Istituto di Tecnologie Biomediche del CNR. La ricerca è stata effettuata attraverso il transfer learning (trasferimento di conoscenze apprese), branca del machine learning (apprendimento automatico).
In assenza di strumenti predittivi i costi in termini di risorse umane ed economiche sarebbero enormi.
«I punti di forza del nostro sistema sono due - spiega Paolo Mignone - Innanzitutto, fornisce risultati migliori anche quando si dispone di pochi esempi di addestramento, e in secondo luogo è in grado di sfruttare le informazioni estratte dalle reti di regolazione genica di altri organismi meglio studiati, quando disponibili. Per il futuro, ci aspettiamo che la crescente disponibilità di queste informazioni possa alimentare la scoperta di nuove correlazioni tra geni umani ma anche tra altre molecole importanti per il corretto funzionamento delle cellule».
Una ricerca che può avere interessanti applicazioni nel campo dei tumori portata avanti da quattro ricercatori: il giovane dottorando Paolo Mignone, il dottore di ricerca Gianvito Pio, il professore Michelangelo Ceci del gruppo KDDE del DIB e la dottoressa Domenica D'Elia dell'Istituto di Tecnologie Biomediche del CNR. La ricerca è stata effettuata attraverso il transfer learning (trasferimento di conoscenze apprese), branca del machine learning (apprendimento automatico).
In assenza di strumenti predittivi i costi in termini di risorse umane ed economiche sarebbero enormi.
«I punti di forza del nostro sistema sono due - spiega Paolo Mignone - Innanzitutto, fornisce risultati migliori anche quando si dispone di pochi esempi di addestramento, e in secondo luogo è in grado di sfruttare le informazioni estratte dalle reti di regolazione genica di altri organismi meglio studiati, quando disponibili. Per il futuro, ci aspettiamo che la crescente disponibilità di queste informazioni possa alimentare la scoperta di nuove correlazioni tra geni umani ma anche tra altre molecole importanti per il corretto funzionamento delle cellule».