Esploriamo i dati biologici per svelare meccanismi molecolari complessi.
Usiamo l'intelligenza artificiale per fare previsioni biologiche a partire dai dati omici.
Identifichiamo piccole molecole per applicazioni cliniche e di laboratorio.
Maria Chiara Armenise, Roberto Paduano e Giorgia Miano hanno conseguito la Laurea in Biotecnologie con tesi svolte nel nostro laboratorio, sul pensiero computazionale nelle biotecnologie e nella didattica STEM, sulla specializzazione dei Large Language Models per la bioinformatica con LoRA e sull'IA generativa e i foundation model multimodali in oncologia. Congratulazioni a tutti e tre!
Martina Palummo ha presentato il nostro lavoro "Systematic prediction of drug responsiveness across cancer cell lines based on machine learning from DNA methylation profiles" a BBCC2026, la 21ª Bioinformatics and Computational Biology Conference, tenutasi al Chiostro San Francesco di Napoli dal 21 al 23 ottobre 2026. Lavoro congiunto con Luigi Cerulo, Stefano M. Pagnotta e Francesco Napolitano.
I centrosomi organizzano la divisione cellulare, ma potrebbero anche contribuire a decidere il destino di una cellula. Nelle cellule staminali di neuroblastoma, questo studio ha trovato componenti dello splicing come gli snRNA U2 e U5 e il fattore di splicing SRSF2 sulle appendici subdistali del centrosoma. Eliminare i centrosomi prima del trattamento con acido retinoico ha reso più efficiente la maturazione delle cellule in neuroni, insieme a un aumento della ritenzione intronica e alla defosforilazione dei fattori di splicing SR al centrosoma. Il nostro laboratorio ha curato le analisi bioinformatiche, condotte da Luca Faretra e Marco Nigro, in uno studio coordinato da Massimo Pancione con partner dell'Università di Napoli Federico II, del TIGEM e dell'IRCCS Casa Sollievo della Sofferenza.
“Centrosome depletion reprograms RNA splicing to promote neuroblastoma differentiation through SR factor dephosphorylation”
iScience
University of Sannio · University of Naples Federico II · TIGEM · IRCCS Casa Sollievo della Sofferenza · Biogem · University of Verona · University of Bari · Policlinico Gemelli IRCCS · Université de Tours · Complutense University of Madrid
Leggi l'articolo
Il tessuto adiposo bruno consuma energia per produrre calore, il che lo rende un bersaglio interessante contro l'obesità e le malattie metaboliche. In questo studio, l'approccio DECCODE ha confrontato il profilo trascrizionale di adipociti bruni derivati da cellule staminali umane con i profili indotti da farmaci del database LINCS, alla ricerca di piccole molecole che ne favoriscano l'attivazione e il differenziamento. Due farmaci già approvati per altri usi, saxagliptin e tolvaptan, hanno aumentato in modo significativo l'attivazione termogenica in cellule umane, aprendo nuove opportunità di riposizionamento farmacologico. Una collaborazione con l'Università di Cambridge, lo Swiss Institute of Bioinformatics, il CIPF di Valencia e KAUST.
“Data-driven identification of small molecules inducing brown adipocyte activation and differentiation”
Biology Direct
University of Sannio · University of Cambridge · Swiss Institute of Bioinformatics · CIPF Valencia · KAUST, Saudi Arabia
Leggi l'articolo
Il nostro laboratorio ha partecipato alla Notte della Ricerca a Palazzo San Domenico, sede del Rettorato di UniSannio, con due stand dedicati alla genomica e al microbiota. Entrambi hanno avuto un grande successo tra visitatori di tutte le età, dai bambini curiosi agli adulti più inquisitivi. Guarda il servizio del TGR Campania della RAI, che racconta anche le altre ricerche di UniSannio in mostra quella sera!
La maggior parte degli introni viene rimossa dai trascritti attraverso lo splicing, ma alcuni vengono trattenuti selettivamente: una forma di splicing alternativo che contribuisce alla regolazione genica. In questo studio guidato dal nostro dottorando Luca Faretra abbiamo estratto le unità esone-introne-esone dell'intero genoma umano, descrivendo ciascuna con un ampio insieme di caratteristiche di sequenza, dalla forza dei siti di splicing e il contenuto in GC fino agli elementi trasponibili e alle firme delle proteine che legano l'RNA. I modelli di machine learning mostrano che la tendenza a essere trattenuto nasce dall'interazione di molti fattori, con la lunghezza dell'introne e il contenuto in GC come predittori più forti. Interamente sviluppato nel nostro laboratorio, in collaborazione con Biogem.
“Decoding exonic intron retention from sequence: an exploratory study in the human genome”
Frontiers in Bioinformatics
University of Sannio · Biogem
Leggi l'articolo
RegenAI è un progetto co-diretto dal Prof. Napolitano in collaborazione con l'Università Federico II di Napoli e finanziato come Progetto di Rilevante Interesse Nazionale (PRIN). Il progetto mira a identificare molecole terapeutiche per la retinite pigmentosa, una malattia degenerativa dell'occhio che causa la perdita della vista. Maggiori informazioni sul sito collegato.
Il Prof. Napolitano, co-direttore del Laboratorio di Bioinformatica, è stato nominato Presidente dei Corsi di Laurea Triennale e Magistrale in Biotecnologie. Il mandato durerà tre anni a partire da oggi. Buon lavoro!
Chiara ha conseguito la Laurea in Scienze Biologiche discutendo una tesi dal titolo "Meta-analisi degli studi di trascrittomica in endometriosi: prospettive per target terapeutici".
Le cellule di mammifero ingegnerizzate con circuiti genetici sintetici sono al centro della prossima generazione di bioterapie, ma la loro produttività è limitata dalle risorse cellulari disponibili. Usando DECCODE, un metodo computazionale di drug matching sviluppato dal Prof. Napolitano, gli autori hanno confrontato il profilo trascrizionale di cellule che esprimono un circuito capace di migliorarne le prestazioni con migliaia di profili indotti da farmaci, alla ricerca di molecole che ne riproducano l'effetto senza ulteriori modifiche genetiche. Il candidato migliore, il Filgotinib, ha aumentato l'espressione dei payload genetici in diverse linee cellulari e sistemi di delivery, tra cui AAV e lentivirus. Una collaborazione guidata dal laboratorio di Velia Siciliano all'IIT di Napoli, con TIGEM, Federico II e CNR.
“Computational identification of small molecules for increased gene expression by synthetic circuits in mammalian cells”
Nature Communications
IIT Naples · TIGEM · University of Naples Federico II · CNR-IAC Naples · University of Sannio
Leggi l'articolo
Manuel ha conseguito la Laurea in Biotecnologie discutendo una tesi dal titolo "I.A. e Farmacologia: un'analisi di Knowledge Probing su DeepSeek".
Nell'ambito della nuova Laurea Magistrale in Biotecnologie per la Salute, a partire dall'Anno Accademico 2025/26, prende il via un curriculum in Bioinformatica!
Marieke Kuijjer, Associate Professor in Cancer Data Science presso l'iCAN Flagship dell'Università di Helsinki (Finlandia) e Group Leader del gruppo Computational Biology and Systems Medicine al Centre for Molecular Biosciences and Medicine Norway (NCMBM), Nordic EMBL Partnership, Università di Oslo (Norvegia), ha visitato il nostro laboratorio per uno scambio scientifico. Ha presentato il suo lavoro sul rimodellamento delle reti geniche nel cancro in un seminario al Dipartimento di Scienze e Tecnologie. È stato uno scambio molto proficuo!
Cos'è la bioinformatica e di cosa ci occupiamo al BioinfoLab di UniSannio? Ce lo ha chiesto UniSannio Magazine e siamo stati felici di rispondere!
Martina Palummo è appena entrata nel nostro gruppo come ricercatrice postdoc! Trovi più informazioni su di lei nella sezione Persone qui sotto.
Il laboratorio sarà presente a Futuro Remoto 2024 per mostrare le applicazioni della bioinformatica agli studenti delle scuole medie e superiori.
Mirella Sangiovanni è appena entrata nel nostro gruppo come ricercatrice in visiting! Trovi più informazioni su di lei nella sezione Persone qui sotto.
Erica Cogliano è appena entrata nel nostro gruppo come tirocinante! Trovi più informazioni su di lei nella sezione Persone qui sotto.
Marco Nigro è appena entrato nel nostro gruppo come ricercatore postdoc! Trovi più informazioni su di lui nella sezione Persone qui sotto.
Gli screening farmacologici su linee cellulari tumorali sono alla base di gran parte dello sviluppo di nuovi farmaci, ma le linee cellulari differiscono dai tumori reali dei pazienti. L'articolo presenta MODAE, un modello di deep learning che integra profili omici di linee cellulari e di pazienti e impara a predire contemporaneamente la sensibilità ai farmaci e la sopravvivenza. Tenere conto della sopravvivenza aiuta a preservare le differenze tra pazienti clinicamente rilevanti, offrendo un nuovo modo, basato sull'IA, per prioritizzare i trattamenti per i pazienti ad alto rischio. Lavoro congiunto con la University of Eastern Finland; il codice è liberamente disponibile su GitHub.
“Multi-task deep latent spaces for cancer survival and drug sensitivity prediction”
Bioinformatics
University of Eastern Finland · University of Sannio
Leggi l'articolo
Si è appena conclusa la 19ª edizione della conferenza Computational Intelligence methods for Bioinformatics and Biostatistics, con grande successo! Informazioni (e foto) su http://cibb2024.unisannio.it!
L'adenocarcinoma duttale del pancreas è tra le principali cause di morte per cancro, e le sue cellule presentano spesso centrosomi anomali. Analizzando dati pubblici di RNA-sequencing, lo studio ha identificato due geni del centrosoma, CEP250 e CEP170, la cui elevata espressione è associata a una prognosi peggiore, confermando i risultati su tessuti di pazienti. In una piccola coorte di validazione, i pazienti con livelli elevati di CEP250 hanno mostrato una sopravvivenza più breve e una risposta rara alla chemioterapia di prima linea, mentre livelli bassi erano associati ai lungo-sopravviventi. Una collaborazione con l'Università di Foggia, l'Università Federico II di Napoli e Biogem.
“Altered centriolar cohesion by CEP250 and appendages impact outcome of patients with pancreatic cancer”
Pancreatology
University of Foggia · University of Sannio · University of Naples Federico II · Biogem
Leggi l'articolo
Le cellule staminali tumorali sono una piccola popolazione con caratteristiche staminali all'interno dei tumori, e indurne il differenziamento è una strada promettente verso la remissione a lungo termine. In questo lavoro, una rete neurale profonda addestrata su dati single-cell di cellule staminali pluripotenti umane è stata usata per analizzare migliaia di profili di espressione indotti da farmaci del database LINCS, con l'adversarial learning a rimuovere il bias tra i due tipi di dati. Cinque delle sei molecole meglio classificate, testate su linee cellulari di cancro al seno, si sono dimostrate efficaci, tra cui triptolide, OTS-167 e chinacrina. Una collaborazione con KAUST (Arabia Saudita) e CNR-IEOS Napoli.
“AI identifies potent inducers of breast cancer stem cell differentiation based on adversarial learning from gene expression data”
Briefings in Bioinformatics
KAUST, Saudi Arabia · CNR-IEOS Naples · University of Sannio
Leggi l'articolo
L'artrosi colpisce una larga parte della popolazione di mezza età e le terapie attuali sono ancora poco efficaci. Combinando tre coorti di pazienti, lo studio ha ricavato una firma condivisa di 44 geni coinvolti nella malattia. Una prioritizzazione dei farmaci basata sulle reti ha indicato candidati come resveratrolo, tenoxicam e mesalazina, e sette geni bersaglio sono stati confermati in vitro. Gli autori propongono inoltre un punteggio di rischio basato su appena otto geni, che predice lo stadio clinico della malattia a partire da dati RNA-Seq. Una collaborazione con l'Università Federico II di Napoli, Biogem, CNR, IRCCS SYNLAB SDN e l'Università di Miami.
“Identification of therapeutic targets in osteoarthritis by combining heterogeneous transcriptional datasets, drug-induced expression profiles, and known drug-target interactions expression data”
Journal of Translational Medicine
University of Naples Federico II · Biogem · CNR-IAC Naples · IRCCS SYNLAB SDN · University of Sannio · University of Miami
Leggi l'articolo
Stiamo organizzando la 19ª edizione della conferenza Computational Intelligence methods for Bioinformatics and Biostatistics. Tutte le informazioni su http://cibb2024.unisannio.it!
I Pathway Expression Profiles (PEP) si basano sull’espressione dei pathway (definiti come insiemi di geni) anziché dei singoli geni. Il pacchetto converte i profili di espressione genica in PEP ed esegue analisi di arricchimento sia dei pathway sia delle condizioni sperimentali, come la “drug set enrichment analysis” e l’analisi di drug discovery “gene2drug”.
Uno strumento di gene-set enrichment analysis basato sul test di Mann-Whitney-Wilcoxon, disponibile come pacchetto R su CRAN e come servizio web. Oltre ai p-value fornisce un Normalized Enrichment Score con un’interpretazione probabilistica diretta, insieme a risultati tabellari e grafici pensati per la ricerca riproducibile.
Un gestore di dati per l’ambiente R pensato per astrarre le operazioni sul file system. Costruisce uno o più repository centralizzati in cui gli oggetti R vengono archiviati insieme ad annotazioni dettagliate, inclusi frammenti di codice, rendendo semplice cercare e recuperare i dati.
Un gioco didattico sulla dieta e sul microbiota intestinale: si riempie il carrello della spesa di un topino e si scopre come la combinazione degli alimenti modifica l’ecosistema microbico dell’intestino. Include modalità per bambini e per ragazzi e adulti. Sviluppato con il gruppo di Fisiologia.
Un giallo ambientato nel nostro Dipartimento: un professore viene trovato morto, avvelenato da una tossina di natura proteica, e i giocatori devono identificare le molecole presenti in cinque campioni forensi per scoprire il colpevole. Sviluppato con il gruppo di Genetica.
50 postazioni desktop con Ubuntu LTS e i principali strumenti bioinformatici per le attività di laboratorio.
224 core CPU Intel(R) Xeon(R) Platinum 8280 @ 2.70GHz, 1,5 TB di RAM, 150 TB di storage, 1 GPU NVIDIA Tesla V100.
Cluster di 7 server CPU e 1 unità GPU, per un totale di 400 core CPU, 4 TB di RAM, 600 TB di storage e 6 GPU NVIDIA. Ospitato presso Biogem - Istituto di Ricerche Genetiche "Gaetano Salvatore" ad Ariano Irpino (AV).
Professore Associato
Direttore del Laboratorio
Professore Associato
Direttore del Laboratorio
Dottorando
Dottorando
Dottoranda
Dottoranda in visiting
Studente magistrale tirocinante
Studente magistrale tirocinante
Tesista triennale
Ricercatore postdoc
Dottoranda
Studentessa magistrale e tirocinante
Studentessa triennale e tirocinante
Tesista triennale
Tesista triennale
Tesista triennale
Tesista triennale
Tesista triennale
Tesista triennale e tirocinante
Tesista triennale
Tesista triennale
Roberto Paduano
Corso di Laurea in Biotecnologie, A.A. 2025/2026
Giorgia Miano
Corso di Laurea in Biotecnologie, A.A. 2025/2026
Maria Chiara Armenise
Corso di Laurea in Biotecnologie, A.A. 2025/2026
Mario Loiola
Corso di Laurea in Biotecnologie, A.A. 2025/2026
Diana Parente
Corso di Laurea Triennale in Biotecnologie, A.A. 2025/2026
Erica Cogliano
Corso di Laurea Magistrale in Biologia, Curriculum Biosanitario, A.A. 2025/2026
Chiara Circelli Gabriele
Corso di Laurea Triennale in Scienze Biologiche, A.A. 2024/2025
Manuel Maio
Corso di Laurea in Biotecnologie, A.A. 2024/2025
Francesco Saccomando Ciaramella
Corso di Laurea in Biotecnologie, A.A. 2022/2023
Felicita Pia Masone
Corso di Laurea in Biotecnologie, A.A. 2021/2022
Donatella Pierri
Corso di Laurea Triennale in Biotecnologie, A.A. 2022/2023