Unità di Oncologia Computazionale e Bioinformatica
Panoramica
La complessità molecolare del cancro rappresenta una delle sfide analitiche più rilevanti della ricerca biomedica contemporanea.
L'Unità di Oncologia Computazionale e Bioinformatica è una divisione di ricerca traslazionale, ossia orientata a trasferire le scoperte di laboratorio verso applicazioni cliniche, con un mandato collaborativo istituzionale, il cui scopo è far avanzare l'oncologia computazionale integrando dati molecolari, clinici e traslazionali provenienti da modelli preclinici, studi clinici e programmi istituzionali di oncologia di precisione, in linea con la missione di IFOM di far progredire la ricerca di oncologia molecolare nell'interesse dei pazienti.
Il suo lavoro contribuisce a una stratificazione più precisa dei pazienti, all'identificazione di nuove vulnerabilità terapeutiche e allo sviluppo di approcci diagnostici minimamente invasivi.
L'Unità favorisce al contempo collaborazioni istituzionali strategiche attraverso piattaforme analitiche co-progettate, flussi di lavoro validati, pipeline versionate, ovvero flussi di analisi bioinformatica tracciabili e riproducibili, procedure operative standard (SOP) e sistemi di integrazione di dati clinico-molecolari.
Il suo obiettivo è generare valore scientifico, traslazionale e istituzionale attraverso la ricerca collaborativa, progetti finanziati da bandi competitivi, pubblicazioni, formazione e sviluppo tecnologico.
L'Unità è strutturata per promuovere e contribuire alle candidature a finanziamenti competitivi a livello nazionale ed europeo e contribuisce attivamente a consorzi di ricerca multi-partner.
L'accesso privilegiato alle coorti cliniche prospettiche istituzionali di IFOM - ALFAOMEGA (carcinoma del colon-retto), METAMECH (carcinoma della mammella) e HERA (multi-tumorale) - fornisce un substrato unico e in continua espansione per la ricerca computazionale traslazionale.
L'Unità opera all'interfaccia tra oncologia computazionale, bioinformatica traslazionale, biopsia liquida, ossia l'analisi di frammenti di DNA tumorale circolante nel sangue, integrazione di dati molecolari e oncologia di precisione.
Le attività collaborative sono strutturate attorno a obiettivi scientifici condivisi, una governance definita, criteri di prioritizzazione e un adeguato riconoscimento dei contributi scientifici.
Giovanni Crisafulli
Responsabile dell'Unità di Oncologia Computazionale e Bioinformatica
Giovanni Crisafulli è uno scienziato attivo nel campo della genomica computazionale traslazionale, all'interfaccia tra biologia dei tumori, bioinformatica, biopsia liquida e oncologia di precisione. La sua ricerca si concentra sulla comprensione di come i tumori evolvono, acquisiscono resistenza alle terapie e generano vulnerabilità molecolari traducibili in biomarcatori clinicamente utilizzabili.
Il suo percorso scientifico è iniziato con una formazione in scienze biologiche e proseguito con un dottorato in Logica Matematica, Informatica e Bioinformatica. Questo background interdisciplinare ha plasmato il suo approccio alla ricerca oncologica, in cui i metodi computazionali e quantitativi vengono utilizzati non come fine a se stessi, ma come strumenti per interpretare la biologia tumorale e rispondere a quesiti clinicamente rilevanti.
Nel corso degli anni, Giovanni ha contribuito a studi traslazionali e sperimentazioni cliniche nel carcinoma colorettale, integrando dati genomici provenienti da tessuto tumorale, DNA tumorale circolante e altri campioni bioptici minimamente invasivi con le informazioni cliniche. Il suo lavoro ha contribuito a definire come la biopsia liquida possa essere utilizzata per monitorare l'evoluzione tumorale, tracciare i meccanismi di resistenza e guidare le strategie di oncologia di precisione.
Un obiettivo centrale della sua ricerca è trasformare la complessità molecolare in biomarcatori solidi per l'intercettazione precoce del cancro, la valutazione della malattia minima residua, la selezione della terapia e la stratificazione dei pazienti. I suoi interessi scientifici includono l'evoluzione tumorale, i processi mutazionali, il sistema di riparazione del mismatch (mismatch repair), l'ipermutazione indotta dalla terapia, la biopsia liquida e i framework computazionali per l'interpretazione dei dati genomici oncologici.
I suoi lavori scientifici sono stati pubblicati su riviste internazionali di primo piano, tra cui Science, Nature, Cell, Cancer Discovery, Nature Medicine, Cancer Cell, Nature Genetics, Briefings in Bioinformatics ed ESMO Open.
Interessi di ricerca
Gli interessi di ricerca sono incentrati sulla genomica funzionale traslazionale e sull'oncologia computazionale.
Sviluppiamo approcci computazionali e sperimentali che connettono dati di sequenziamento derivati da campioni di pazienti, sistemi di perturbazione funzionale, ovvero approcci sperimentali per modificare selettivamente l'attività dei geni, e domande clinicamente rilevanti.
L'Unità mira a trasformare la profilazione genomica, trascrittomica e multi-omica, ossia l'analisi integrata di più livelli molecolari quali DNA, RNA e proteine, in letture meccanicistiche con ricadute cliniche concrete sull'evoluzione tumorale, sullo stato dei meccanismi di riparazione del DNA, sulla malattia residua minima, ovvero la presenza di cellule tumorali non rilevabili con metodi standard dopo il trattamento, sull'intercettazione precoce del cancro e sulla risposta alla terapia.
Un obiettivo chiave è sviluppare nuove metodologie computazionali capaci di affrontare problemi traslazionali complessi che non possono essere adeguatamente risolti con metriche standard o approcci analitici convenzionali.
Il nostro lavoro si concentra su sistemi di analisi quantitativa per misurare e interpretare l'evoluzione tumorale, l'eterogeneità molecolare, le dinamiche della malattia residua, le transizioni fenotipiche, ossia i cambiamenti nelle caratteristiche osservabili delle cellule tumorali indotti dalla terapia, e le vulnerabilità clinicamente rilevanti attraverso tessuti, sangue e altri campioni minimamente invasivi.
Il filo conduttore è rendere le informazioni molecolari interpretabili in contesti clinicamente significativi e verificare le ipotesi risultanti in modelli sperimentali che preservino le caratteristiche genomiche specifiche del paziente.
Pubblicazioni Selezionate
-
Crisafulli G, Sartore-Bianchi A, Lazzari L, Pietrantonio F, Amatu A, Macagno M, Barault L, Cassingena A, Bartolini A, Luraghi P, Mauri G, Battuello P, Personeni N, Zampino MG, Pessei V, Vitiello PP, Tosi F, Idotta L, Morano F, Valtorta E, Bonoldi E, Germano G, Di Nicolantonio F, Marsoni S, Siena S, Bardelli A.
Temozolomide treatment alters mismatch repair and boosts mutational burden in tumor and blood of colorectal cancer patients.
Cancer Discov. 2022 May 6:candisc.1434.2021. doi: 10.1158/2159-8290.CD-21-1434. Epub ahead of print. PMID: 35522273. - Siravegna G*, Lazzari L*, Crisafulli G* (co-first author), Sartore-Bianchi A, Mussolin B, Cassingena A, Martino C, Lanman RB, Nagy RJ, Fairclough S, Rospo G, Corti G,Bartolini A, Arcella P, Montone M, Lodi F, Lorenzato A, Vanzati A, Valtorta E,Cappello G, Bertotti A, Lonardi S, Zagonel V, Leone F, Russo M, Balsamo A, TruiniM, Di Nicolantonio F, Amatu A, Bonazzina E, Ghezzi S, Regge D, Vanzulli A,Trusolino L, Siena S, Marsoni S, Bardelli A.
Radiologic and Genomic Evolution of Individual Metastases during HER2 Blockade in Colorectal Cancer.
Cancer Cell. 2018 Jul 9;34(1): 148-162.e7. doi:10.1016/j.ccell.2018.06.004. PubMed PMID:29990497. - Battuello P, Corti G, Bartolini A, Lorenzato A, Sogari A, Russo M, Di Nicolantonio F, Bardelli A, Crisafulli G (last author).
Mutational signatures of colorectal cancers according to distinct computational workflows.
Brief Bioinform. 2024 May 23;25(4):bbae249. doi: 10.1093/bib/bbae249. PMID: 38783705; PMCID: PMC11116831.