Parma, 18 aprile 2023 - Sono stati pubblicati nell’ultimo numero dei Proceedings of the National Academy of Sciences (PNAS) i risultati di uno studio (Identification of hidden associations among eukaryotic genes through statistical analysis of coevolutionary transitions) svolto nei laboratori dell’Università di Parma sullo sviluppo di un metodo di analisi genomica. Il metodo messo a punto da ricercatrici e ricercatori sfrutta il fenomeno della coevoluzione, ovvero il cambiamento reciproco nel corso del tempo di entità biologiche. La coevoluzione può fornire informazioni a diversi livelli, dalle interazioni di singoli amminoacidi nella struttura delle proteine alle dinamiche di relazione tra organismi diversi. In questo lavoro, studiose e studiosi hanno elaborato una procedura al computer che identifica la coevoluzione a livello genico, consentendo di identificare geni e proteine che agiscono in modo concertato nei processi biologici.Questo risultato è stato ottenuto da un team interdisciplinare che ha unito diverse competenze presenti in Ateneo: dalla bioinformatica alla biochimica, alla sintesi chimica, alla statistica e al calcolo delle probabilità.La parte iniziale della ricerca è stata svolta durante il periodo di isolamento per la pandemia grazie all’utilizzo da remoto dell'infrastruttura di calcolo ad alte prestazioni dell’Università di Parma. Dopo il rientro in laboratorio, ricercatrici e ricercatori hanno effettuato esperimenti sul funzionamento di due proteine identificate con l’analisi al computer. In questo modo hanno scoperto un “pezzo mancante” del metabolismo e dimostrato l’efficacia del metodo di analisi.Lo studio è stato coordinato da Riccardo Percudani, docente di Biochimica e Bioinformatica al Dipartimento di Scienze Chimiche, della Vita e della Sostenibilità Ambientale, in collaborazione con Andrea Secchi, docente di Chimica organica nello stesso Dipartimento, e Francesco Morandin, docente di Statistica e Calcolo di probabilità al Dipartimento di Scienze Matematiche, Fisiche e Informatiche, e ha potuto contare sul prezioso contributo di un gruppo di giovani ricercatori, Elena Dembech, Marco Malatesta, Carlo De Rito, Giulia Mori, e sull'assistenza tecnica di Davide Cavazzini. La ricerca si è potuta avvalere delle risorse del progetto Dipartimenti di eccellenza. Il Dipartimento di Scienze Chimiche, della Vita e della Sostenibilità Ambientale ha ottenuto per due quinquenni consecutivi il finanziamento ministeriale destinato ai Dipartimenti di eccellenza, e questo ha consentito di potenziare l’infrastruttura di ricerca attraverso il reclutamento di personale, l’acquisizione di strumentazione e la creazione di piattaforme di ricerca a carattere interdisciplinare.Le ricercatrici e i ricercatori coinvolti nello studio sono ora impegnati nello studio di alcuni geni rilevanti per la salute umana identificati dalla stessa analisi, e nel miglioramento della procedura al computer con l’utilizzo di programmi di intelligenza artificiale. I programmi software nei linguaggi R e Python e i risultati completi dell’analisi coevolutiva sono stati depositati in archivi pubblici e messi a disposizione della comunità attraverso licenze Creative Commons, per consentire ad altre studiose e ad altri studiosi di far avanzare le conoscenze sul funzionamento dei genomi e degli esseri viventi. Riferimento pubblicazione:Dembech, E., Malatesta, M., De Rito, C., Mori, G., Cavazzini, D., Secchi, A., Morandin, F., Percudani, R. Identification of hidden associations among eukaryotic genes through statistical analysis of coevolutionary transitions. PNAS, April, 2023. Archivio software Archivio dati
