Bioinformatica
(COORDINATORE: MICHELE CECCARELLI)
Il gruppo studia metodologie e strumenti per l’analisi e la gestione di grandi quantita’ di dati genomici e proteomici,con particolare riferimento allo sviluppo e applicazione di metodi di Data Mining e Machine Learning. Le principali tematiche sono: regolazione genica e system biology, analisi di dati e biologia computazionale, analisi di pattern in immagini molecolari.
Nome Gruppo di Ricerca/Laboratorio: Bioinformatica
Responsabile: prof. Michele Ceccarelli
Componenti:
- M. Ceccarelli (PA Unisannio)
- L. Cerulo (RI Unisannio)
- C. Laudanna (Dottorando)
- S. Morganella (Dottorando)
- P. Zoppoli (Dottorando Unisannio)
- V. Paduano (Dottorando Unisannio)
M. Ceccarelli è laureato in Informatica presso l’Università degli Studi di Salerno. E’ stato Ricercatore CNR dal 1994 al 1997. Dal 1997 afferisce all’Università degli Studi del Sannio dove attualmente è Professore Associato di Sistemi di Elaborazione dell’Informazione. I sui studi hanno riguardato lo sviluppo di metodologie algoritmiche per l’elaborazione di immagini, la visione computazionale e la bioinformatica.
Principali Partnership Scientifiche ed Industriali
E’ stato responsabile scientifico di numero progetti di ricerca in partnerariato con aziende di Informatica nell’ambito dei sistemi di supporto alle decisioni in ambito clininco, dei sistemi di visione computazionale, e dei sistemi di elaborazione di informazione biomedica. E’ tutor di tirocini presso aziende nel campo dell’analisi di immagini della bioinformatica.
Contributi a Biogem IRGS: max 10 righe (ad esempio: attività di ricerca, progetti si ricerca cui si partecipa, risultati ottenuti)
E’ responsabile del Laboratorio di Bioinformatica di Biogem dove svolge attività di ricerca nei seguenti ambiti:
- Algoritmi per l’analisi di dati di espressione genica
- Algoritmi per la modellazione e l’inferenza di reti di regolazione genica
- Algoritmi per l’analisi di dati e Biologia Comoutazionale
Contributi Biogem Service: max 10 righe (ad esempio: competenze/esperienze professionali, attività di servizio Biogem cui si partecipa, commesse di servizio Biogem cui si partecipa, risultati ottenuti).
Il Laboratorio di Bioinformatica di Biogem svolge attività di supporto e servizi per la gestione, elaborazione ed analisi di dati da esperimenti di Biologia Molecolare e Cellulare. I principali servizi in questo ambito sono:
- Gestione e Analisi di dati di espressione genica, in collaborazione con il Laboratorio GECO.
- Integrazione delle sequenze e dei dati funzionali disponibili in database pubblici con quelli generati localmente annotati secondo gli standard internazionali, in collaborazione con il Laboratorio di Oncologia Molecolare ed il Laboratorio di Organogenesi.
- Consulenze:
identificazione di soluzioni bioinformatiche dei problemi riguardanti la ricerca genomica. Tali soluzioni prevedono l’utilizzazione e lo sviluppo di database e strumenti software per l’automazione di processi di analisi ed elaborazione di sequenze genomiche mediante linguaggi di scripting (BioPython e BioPerl).
Contributi a Biogem Campus
- Principali esperienze di insegnamento
E’ docenti di corsi di Informatica, Bioinformatica, Algoritmi, Elaborazione di Immagini presso l’Università degli Studi del Sannio
- Materie di insegnamento all’interno dei corsi di Biogem Campus
Principali Pubblicazioni e Materiali disponibili in download
Lista di pubblicazioni:
http://www.dsba.unisannio.it/portal_memberdata/ceccarelli/publications_list
Materiali in Download:
http://bioinformatics.biogem.it/
Principali Partnership Scientifiche ed Industriali
Il Gruppo collabora con diversi gruppi di ricerca nazionali ed internazionali.
Competenze del Gruppo di Ricerca/Laboratorio:
Il laboratorio di Bioinformatica ha la responsabilita' di rendere disponibili metodi e strumenti per l’analisi e la gestione di grandi quantita' di dati genomici e proteomici.
Attrezzature a disposizione del Gruppo di Ricerca/Laboratorio:
Risorse computazionali per l’analisi di dati ad alto throughput
Contributi a Biogem IRGS:
L’Attivita' di ricerca svolta dal gruppo è focalizzata sulle metodologie e strumenti della Bioinformatica per l'analisi di dati biologici con particolare riferimento allo sviluppo e applicazione di metodi di Data Mining e Machine Learning. Essa e' articolata sulle seguenti tematiche
- Regolazione Genica e System Biology
- Analisi di Dati e Biologia Computazionale
- Analisi di Pattern in Immagini Molecolari
I risultati e le relative pubblicazioni sono disponibili sul sito:
http://bioinformatics.biogem.it
Contributi a Biogem Service:
Il Laboratorio di Bioinformatica di Biogem svolge attività di supporto e servizi per la gestione, elaborazione ed analisi di dati da esperimenti di Biologia Molecolare e Cellulare. I principali servizi in questo ambito sono:
- Gestione e Analisi di dati di espressione genica, in collaborazione con il Laboratorio GECO.
- Integrazione delle sequenze e dei dati funzionali disponibili in database pubblici con quelli generati localmente annotati secondo gli standard internazionali, in collaborazione con il Laboratorio di Oncologia Molecolare ed il Laboratorio di Organogenesi.
Consulenze: identificazione di soluzioni bioinformatiche dei problemi riguardanti la ricerca genomica. Tali soluzioni prevedono l’utilizzazione e lo sviluppo di database e strumenti software per l’automazione di processi di analisi ed elaborazione di sequenze genomiche mediante linguaggi di scripting (BioPython e BioPerl).
Contributi a Biogem Campus
Principali Pubblicazioni e Materiali disponibili in download
Download: http://bioinformatics.biogem.it/download
Pubblicazioni:
RIVISTE INTERNAZIONALI (ISI)
- S. Morganella, L. Cerulo, G. Viglietto, M. Ceccarelli, “VEGA: variational segmentation for copy number detection” BIOINFORMATICS, doi 10.1093/bioinformatics/btq586, available on line (IF 4.926)
- L. Cerulo, C. Elkan, and M. Ceccarelli, “Learning gene regulatory networks from only positive and unlabeled data,” BMC Bioinformatics, vol. 11, no. 1, p. 228, 2010. (IF 3.43)
- P. Zoppoli, S. Morganella, and M. Ceccarelli, “TimeDelay-Aracne: Reverse engineering of gene networks from time-course data by an information theoretic approach,” BMC Bioinformatics, vol. 11, p. 154, 2010. (IF 3.43)
- E. Silvestri, F. Cioffi, D. Glinni, M. Ceccarelli, A. Lombardi, P. de Lange, A. Chambery, V. Severino, A.Lanni, F. Goglia, M. Moreno, “Pathways affected by 3,5-diiodo-L-thyronine in liver of high fat-fed rats: evidence from two-dimensional electrophoresis, Blue-Native PAGE, and mass spectrometry”, Molecular Biosystems, vol. 6, pp. 2267-2261,2010. (IF 4.21)
- D. Frezzetti , M. De Menna , P. Zoppoli , C. Guerra , A. Ferraro , A.M. Bello , P. De Luca , C. Calabrese , A. Fusco , M. Ceccarelli , M. Zollo , M. Barbacid , R. Di Lauro , G. De Vita, “Upregulation of mir-21 by Ras in vivo and its role in tumor growth”, doi 10.1038/onc.2010.416, ONCOGENE, 2010. (IF 7.1)
- M. Ceccarelli, D. Grimaldi, F. Lamonaca, and A. Speranza, “Automatic detection and surface measurements of micro-nucleus by a computer vision approach,” IEEE Transactions on Instrumentations and Measurements, vol. 59(9), pp. 2383-2390 2010. (IF 0.97)
- P. Lisboa, A. Vellido, R. Tagliaferri, F. Napolitano, M. Ceccarelli, J. Martin-Guerrero, and E. Biganzoli, “Data mining in cancer research,” IEEE Computational Intelligence Magazine, vol. 5, no. 1, pp. 14–18, 2010. (IF 2.62)
- S. Morganella, P. Zoppoli, and M. Ceccarelli, “IRIS: a method for reverse engineering of regulatory relations in gene networks,” BMC Bioinformatics, vol. 10, p. 444, Dec 2009. (IF 3.43)
- M. Ceccarelli, A. d’Acierno, and A. Facchiano, “A scale space approach for unsupervised feature selection in mass spectra classification for ovarian cancer detection,” BMC Bioinformatics, vol. S9, no. 10, 2009. (IF 3.43)
- M. Ceccarelli and A. Maratea, “Virtual genetic coding and time series analysis for alternative splicing prediction in c.elegans,” Artificial Intelligence in Medicine, vol. 45, no. 3, pp. 109–115, 2009. (IF 1.64)
- M. Ceccarelli and A. Maratea, “Concordance indices for comparing fuzzy, possibilistic, rough and grey partitions”, International Journal of Knowledge Engineering and Soft Data Paradigms, vol. 1, no. 4, pp. 331-344, 2009.
LIBRI CON REFEREE INTERNAZIONALI E LECTURE NOTES
P. Zoppoli, S. Morganella and Michele Ceccarelli (2010): An Information Theoretic Approach to Reverse Engineering of Regulatory Gene Networks from Time–Course Data Lecture Notes in Computer Science, vol. 6160, pp. 97-111, 2010.
- C. Sansone, V. Paduano, and M. Ceccarelli, “Combining 2d and 3d features to classify protein mutants in hela cells,” Lecture Notes on Computer Science, vol. 5997, pp. 284–293, 2010.
- E. Coccia, M. Ceccarelli, and G. Graziano, “On the 3D structure of leptins from different organisms and of the leptin-leptin receptor complex”, Leptin in Non-mammalian Vertebrates, pp. 173-192, 2009.
- S. Morganella, P. Zoppoli, and M. Ceccarelli, “Reverse engineering of regulatory relations in gene networks by a probabilistic approach,” Lecture Notes in Computer Science, vol. 5571, pp. 360–367, 2009.
- M. Ceccarelli, A. De Stasio, A. Donatiello and D. Vitale “ A guideline engine foe knowledge management in clinical decision support system (CDSSs)”, Software and Knowledge Engineering:252-257. (2009).
- M. Ceccarelli, A. d'Acrierno, A. Facchiano “A machine learning approach to mass spectra classification with unsupervised feature selection”, Lecture Notes in Computer Science, 5488, pp. 242-252, 2009.
ATTI DI CONVEGNI INTERNAZIONALI (IEEE) CON REFERAGGIO
- G. Canfora , M. Ceccarelli, M. Di Penta , L. Cerulo (2010): Using Multivariate Time Series and Association Rules to Detect Logical Change Coupling: an Empirical Study In: Proceedings of IEEE International Conference on Software Maintenance 2010, IEEE. (best paper award).
- M. Ceccarelli, L. Cerulo, M. Di Penta , Gerardo Canfora (2010): An Eclectic Approach for Change Impact Analysis In: Proceedings of IEEE International Conference on Software Engineering, IEEE.
- M. Ceccarelli and J. M. Carstensen, “Bayesian grid matching for 2d gel registration,” in Proceedings of IEEE International Conference on Imaging Systems and Techniques, IEEE, 2010.
- V. Paduano, L. Sepe, C. Cantarella, C. Sansone, G. Paolella, and M. Ceccarelli, “Time-lapse phase-contrast microscopy fibroblast automated track- ing,” in Proceedings of IEEE International Conference onImaging Systems and Techniques, IEEE, 2010.
- M. Ceccarelli and L. Cerulo, “Selection of negative examples in learning gene regulatory networks,” in Proceeding of IEEE International Conference on Bioinformatics and Biomedicine Workshop, 2009., pp. 56–61, IEEE, 2009.
- A. D. Stasio, M. Ertelt, W. Kemmner, U. Leser, and M. Ceccarelli, “Exploiting scientific workflows for large-scale gene expression data analysis,” in Proceedings of IEEE Int. Sym. on Computer and Information Sciences, 2009., pp. 448–453, IEEE, 2009.
- M. Ceccarelli, D. Grimaldi, F. Lamonaca, and A. Speranza, “A computer vision approach to micro-nucleous automatic detection and surface measurement,” in IEEE Medical Measurements 2009, pp. 166–171, IEEE, IEEE Press, 2009.
M. Ceccarelli, V. Paduano, and C. Sansone, “Segmentation of 3d mi- croscopy data with an energy based interaction model,” in IEEE Medical Measurements 2009, pp. 223–228, IEEE Press, 2009.
|
|
