-
Sviluppo e/o applicazione di metodi per il design di circuiti biomolecolari in-silico con specifiche proprietà: ad esempio, l’utilizzo del framework delle “Chemical Reaction Networks (CRN)” come linguaggio di programmazione per definire un set di reazioni biochimiche tali da generare un sistema dinamico con specifiche caratteristiche ingresso-uscita; sviluppo di reti genetiche ingegnerizzate per uso terapeutico che siano in grado di rispondere a segnali molecolari correlati con una data patologia.
-
Sviluppo e/o applicazione di modelli matematici (deterministici, stocastici, ibridi, compartimentali) per descrivere il comportamento di cellule che esibiscono attività elettrica a diversi livelli di scala (molecolare, cellulare e di popolazione): attraverso tali modelli sarà possibile analizzare e/o identificare i principali meccanismi che controllano l’attività elettrica cellulare ed il conseguente processo di esocitosi, mediante il quale le cellule rilasciano al loro esterno diversi ormoni contenuti in granuli.
-
Sviluppo e/o applicazione di tecniche di identificazione per reti di interazioni biologiche a partire da dati in-silico e sperimentali (come di microarray per l’identificazione di reti genetiche): ad esempio, lo sviluppo di algoritmi di ricostruzione che si basano sulla tecnica standard Least Squares e relative estensioni per l’identificazione di reti a larga scala; l’utilizzo di metodi basati su tecniche di ottimizzazione convessa che, per la ricostruzione della rete, sfruttano sia le conoscenze note a priori di specifiche interazioni (come ad esempio, in una rete di regolazione genica, l’effetto di inibizione o di attivazione di una proteina sull’espressione di un gene), sia una strategia di selezione dei rami della rete da inserire, che tiene conto delle possibili topologie delle reti da identificare.
-
Sviluppo e/o applicazione di modelli epidemiologici che permettono di analizzare l’evoluzione di un’epidemia e di implementare strategie di controllo per limitarne la diffusione: ad esempio l’utilizzo dei classici modelli compartimentali SIR e relative estensioni per spiegare l’evoluzione della pandemia COVID-19, riproducendo le diverse ondate epidemiche; l’utilizzo di modelli epidemiologici stocastici per simulare gli effetti di disturbi ambientali e di incertezze sulla velocità di trasmissione della malattia e utilizzo di specifiche metodologie per analizzarne la stabilità.
