Dottorato in NETWORK ONCOLOGY AND PRECISION MEDICINE

Ricerca: Computational analysis of multi-omics and clinical data for early detection of solid cancers.

Istruzione e formazione
Dottorando in Network Oncology and Precision Medicine Istituzione: Sapienza Università di Roma Periodo: 31/10/2024 – In corso Sede: Roma, Italia
Laurea Magistrale in Data Science Istituzione: Sapienza Università di Roma Periodo: 01/09/2021 – 19/03/2024 Voto finale: 107/110 Tesi: Identificazione di associazioni gene-malattia mediante apprendimento su grafi eterogenei basati su grafi di conoscenza di dominio Principali contenuti: Reti neurali (Feedforward, CNN, RNN, LSTM, Transformers, Graph Neural Networks) Analisi dei dati Network Medicine Analisi statistica Metodi di ottimizzazione Signal processing Cloud computing
Laurea Triennale in Bioinformatica Istituzione: Sapienza Università di Roma Periodo: 09/10/2019 – 15/07/2021 Voto finale: 110/110 con lode Tesi: Un approccio basato su reti per il drug repurposing e sua applicazione al carcinoma tiroideo

Formazione aggiuntiva
Biostatistics in Public Health — Coursera (18/12/2022 – 19/03/2023)
Statistical Analysis with R for Public Health — Coursera (09/03/2022 – 01/05/2022)
Deep Learning Specialization — Coursera (31/01/2019 – 16/05/2019)

Esperienza lavorativa
Biostatistico — Medtronic Periodo: 15/11/2025 – In corso Sede: Roma, Italia Progettazione, implementazione e validazione di analisi statistiche su dati clinici e real-world, in accordo con gli obiettivi di studio, i requisiti regolatori e i Statistical Analysis Plans (SAP) pre-specificati. Redazione e revisione di Statistical Analysis Plans, inclusa la definizione di estimandi, endpoint, popolazioni di analisi e gestione dei dati mancanti. Esecuzione di analisi statistiche in R e SAS, incluse statistiche descrittive, modelli di regressione, analisi di sopravvivenza, modelli longitudinali e a misure ripetute. Sviluppo e manutenzione dei dataset di analisi, pulizia dei dati e controlli di qualità, garantendo la tracciabilità dal dato grezzo agli output analitici. Produzione di tabelle, listing e figure (TLF) per decisioni interne, clinical study report e pubblicazioni scientifiche. Interpretazione dei risultati statistici e comunicazione efficace a stakeholder multidisciplinari (clinici, medical affairs, regulatory, data management). Supporto allo sviluppo dei protocolli, con contributo statistico al disegno di studio, alla giustificazione della dimensione campionaria e alla strategia analitica. Contributo alle risposte a quesiti statistici interni ed esterni, inclusi commenti dei revisori e analisi ad-hoc.
Biostatistico — INMI Lazzaro Spallanzani Dipartimento: Epidemiologia e Ricerca Preclinica Periodo: 01/06/2024 – 14/11/2025 Sede: Roma, Italia Analisi statistica Analisi dei dati Visualizzazione dei dati Gestione dei dati Biostatistico— INMI Lazzaro Spallanzani Dipartimento: Malattie Infettive ed Epatologia
Periodo: 01/04/2022 – 01/06/2024 Sede: Roma, Italia Analisi dei dati Analisi statistica Visualizzazione dei dati Gestione dei dati

Competenze linguistiche
Lingua madre: Italiano Inglese: Ascolto: C2 Lettura: C2 Produzione orale: C2 Interazione orale: C2 Scrittura: C2

Competenze tecniche
Software: Microsoft Access, Microsoft Excel, Microsoft Word, Microsoft PowerPoint, Microsoft Office, LaTeX Linguaggi e framework: Python, R, SAS, SQL Framework di deep learning: PyTorch, TensorFlow, Keras
Analisi statistica e modellistica: Analisi descrittiva e inferenziale
Modelli di regressione, analisi di sopravvivenza Analisi longitudinali e a misure ripetute
Bioinformatica e analisi multi-omica: Analisi di dati trascrittomici e multi-omici Differential expression analysis (RNA-seq) con DESeq2 Analisi esplorativa e riduzione della dimensionalità (Principal Component Analysis, PCA) Co-expression network analysis mediante WGCNA Integrazione e interpretazione biologica dei risultati (pathway / gene-level interpretation, enrichment analysis)
Gestione, preprocessing e normalizzazione di dati biologici ad alta dimensionalità
Network medicine applicata allo studio delle associazioni gene–malattia Costruzione e analisi di grafi biologici eterogenei (gene–gene, gene–disease, knowledge graphs) Esperienza con architetture GNN (es. Graph Convolutional Networks e modelli affini) Integrazione di informazioni biologiche strutturate e dati omici in modelli di apprendimento su grafi

Attività di ricerca
Il progetto di dottorato è focalizzato sull’analisi computazionale di dati clinici e multi-omici per l’identificazione precoce di neoplasie solide, con particolare attenzione all’epatocarcinoma in pazienti cirrotici trattati con antivirali ad azione diretta (DAA) per l’infezione da HCV. L’attività di ricerca, in collaborazione con l'Istituto Nazionale per le Malattie Infettive Lazzaro Spallanzani, prevede l’integrazione di dati clinici con dati trascrittomici (miRNA) e proteomici, al fine di individuare profili molecolari associati a un aumentato rischio di sviluppo tumorale dopo il raggiungimento della risposta virologica sostenuta (SVR). Le analisi includono preprocessing e normalizzazione dei dati ad alta dimensionalità, analisi esplorativa e multivariata, analisi di espressione differenziale e approcci di network medicine. In particolare, il progetto mira a identificare moduli di co-espressione e firme molecolari predittive mediante l’applicazione di metodi statistici avanzati e modelli computazionali, integrando informazioni biologiche e cliniche per migliorare la stratificazione del rischio oncologico e contribuire allo sviluppo di strategie di sorveglianza personalizzate.